Brightalk 知識庫 — 把仿單、SOP、紙本表單變成 AI 開口可用的答案

Brightalk 怎麼幫你做這件事

紙本與 PDF 不是知識庫。AI 接電話需要的是「結構化、可檢索、帶來源編號、能即時更新」的段落——而把仿單、SOP、紙本表單變成這種段落，過去得自己組三層工具：印刷 OCR、手寫視覺辨識、RAG 檢索與切分。三層各自要評估、簽合約、串 webhook、建索引，光是 RFP 就要跑 6-8 週。

這條工作流 Brightalk 內建好了。你做的事只剩兩件：拖檔案上傳、看 AI 接電話用得對不對。後台會自動分流——印刷檔走印刷管線抽出文字維持版面、手寫表單走企業級 vision-LLM 抽結構化欄位附 confidence、超過 0.95 自動入庫、低於 0.85 進覆核佇列等主管批一下。文件進來之後，系統依 heading 切成可檢索段落，AI 接電話時即時取用、回答附來源編號。新版條款、新療程價、新 FAQ 改了，下一通電話就生效——不用重訓、不用重啟。

整個 round-trip 看起來是這樣：

你的螢幕                       後台                            AI 接電話
─────────────                ─────────────                  ─────────────
拖 30 份 PDF / 圖片  ─────►  自動分流：印刷 / 手寫
                             ─►  抽文字、維持版面
                             ─►  切段、結構化
                             ─►  欄位 confidence
                                       │
                看儀表板 ◄──────  上傳到生效 P95 < 90 秒
                                       │
                                       └──►  AI 即時 RAG 取用
                                             回答附來源編號
                                             撞拒答邊界 → 暖接手

Brightalk vs 自己組這條工作流

關鍵差異不在「能不能跑」，在「跑錯了能不能追責」。RAG 自己組的版本通常停在「找到對的段落並生成回答」這一層，但 AI 電話講錯一句的成本比 chatbot 高得多——通話錄音是法規文件、語音輸出不可撤回。沒有來源編號、沒有覆核紀錄、沒有拒答邊界 SOP，事後出錯只能憑印象重建現場。

客戶實戰

「導入第二週我們才發現 AI 把舊版的療程價講成 NT$3,800、實際是 NT$8,300。後台告訴我們是哪一通、引用了哪一份檔案、那份檔案 60 天沒更新。我們改完價目表，下一通電話就對了——以前這個漏洞要等月底對帳才會浮上來。」

— 醫美診所運營主管，使用 Brightalk 知識庫 + 主管即時監聽 6 個月（用戶授權匿名引用）

具體量化：這位用戶把 200+ 份檔案（同意書、療程目錄、術後 SOP、FAQ）上線後，前 30 天 AI 接電話的「答錯率」從 11% 壓到 2.4%；其中 1.8% 是撞拒答邊界主動讓位、0.6% 是來源編號顯示文件本身過期。錯答的 3 件都被主管在 24 小時內追到、改 KB、複測通過。對照 印刷中文 OCR CER 商業基準 3-5% / 手寫中文 SOTA 4-10% 的公開數據，這把工具誤差從「黑盒抓不到」變成「有看板、能修、能複測」的工程化結果。

常見問題

支援哪些檔案格式？

PDF（印刷 / 掃描）、圖片（JPEG / PNG / HEIC，手寫繁體中文 OK）、Word、Markdown、純文字、結構化 FAQ 表單。系統會自動分流——印刷走印刷管線、手寫走 vision-LLM。一次上傳上百份檔案不需排隊，後台 P95 < 90 秒可被 AI 取用。

知識庫多久要更新一次？

依 KB 類型不同。FAQ、開場白、合規告知建議季度 review；價目表、商品列表、SOP 改版時即時同步；保單條款、醫療資訊跟監管同步。後台儀表板會列出 90 天沒更新的檔案主動提醒——你不用記得哪份檔案該複習。

AI 講錯話該誰負責？怎麼避免？

依產業而定。保險業務員管理規則第 15 條要求業務員親自說明條款，醫師法第 11 條要求診斷由醫師進行——這些 AI 不該答的問題在 Brightalk 預設寫進拒答邊界、撞到自動暖接手給真人。每次回答都帶來源編號，事後可追到是哪一條段落。

手寫繁體中文真的能準確辨識嗎？

公開基準：Tesseract 等傳統 OCR 在手寫中文上 CER > 35%、無法用；ICDAR Robust Reading 與 CASIA-HWDB 上 SOTA 視覺模型 CER 落在 4-10%。系統採用同等級 vision-LLM，每個欄位附 confidence；< 0.85 強制人工、0.85-0.95 進覆核、≥ 0.95 自動入庫——廠商準確率不該由廠商自己宣稱，由信心度門檻加人工覆核閉環擔保。

醫療同意書 OCR 後可以丟紙本嗎？

不行。個資法第 6 條的特種個資保護加上醫師法第 12 條的病歷至少保存 7 年要求，意味 OCR 後的純文字不等於法定電子病歷。把 OCR 當「快速搜尋層」與「AI 取用層」使用，紙本仍依法定年限留存（5 / 7 / 10 年）。

知識新鮮度看板看什麼？

三件事：哪一份檔案 90 天沒更新、哪一條 FAQ 從沒被 AI 命中（代表寫法跟用戶實際提問不對齊）、哪一個段落 AI 抓出來後信心度持續低於 0.7（代表內容本身有歧義）。這三條告訴你 KB 該補哪、該重寫哪、該下架哪——不是「我有 200 份檔案」這種數字，是「這 200 份檔案有沒有被 AI 用對」。

知識庫跟 AI 語音代理人是分開買的嗎？

不是。Brightalk 知識庫內建在 AI 語音代理人方案裡——AI 接電話要講話，當然要有東西可講。費率細節見 Brightalk 方案；要看上傳到 AI 開口的完整 round-trip 與儀表板，預約 demo 直接看 90 秒內生效的實機操作。

想看完整 AI 電話導入路徑、KPI 設計與 60 天攤回試算？閱讀 AI 電話行銷完整指南；要對齊個資法第 6 條與通保法的合規護欄，看 Brightalk 台灣合規工具組。