Knowledge Base là gì? Cách xây dựng cho doanh nghiệp và AI

Knowledge base (cơ sở tri thức) là kho tập trung chứa thông tin đã được sắp xếp của một doanh nghiệp — sản phẩm, quy trình, chính sách, câu hỏi thường gặp — để con người hoặc AI tra cứu và trả lời nhanh, đúng, nhất quán. Nhân viên mới tìm quy trình trong đó. Khách hàng tự tìm câu trả lời trong trung tâm trợ giúp. Và từ khi có AI, chatbot cùng các công cụ viết content cũng "đọc" knowledge base để nói đúng về thương hiệu của bạn thay vì đoán.

Bài này đi từ định nghĩa cơ bản đến phần ít bài tiếng Việt nói tới: knowledge base cho AI vận hành ra sao (RAG), khác gì fine-tuning hay Custom Instructions, và cách tự xây một bộ knowledge base thương hiệu trong một buổi chiều.

---

Tóm tắt nhanh

• Knowledge base = kho tri thức có cấu trúc, viết để tra cứu, không phải để lưu trữ. Đó là khác biệt lớn nhất với database hay một thư mục Google Drive.
• Có hai trục phân loại: nội bộ vs bên ngoài (cho nhân viên hay cho khách), và cho người đọc vs cho AI đọc.
• AI không "nhớ" thương hiệu bạn. Mỗi lần chat mới, nó bắt đầu từ con số không. Knowledge base cho AI giải quyết việc đó bằng kỹ thuật RAG: tìm đoạn tài liệu liên quan rồi đưa vào câu trả lời.
• Muốn AI viết đúng giọng, trả lời đúng giá, hầu hết doanh nghiệp vừa và nhỏ cần knowledge base, không cần fine-tuning.
• Chất lượng knowledge base quyết định chất lượng AI. Tài liệu cũ, mâu thuẫn, thiếu → AI trả lời sai một cách rất tự tin.
• Cuối bài có checklist 12 mục nên đưa vào knowledge base thương hiệu.

---

Mục lục

1. Knowledge base là gì?
2. Các loại knowledge base
3. Knowledge base khác gì database, wiki, FAQ?
4. Lợi ích của knowledge base cho doanh nghiệp
5. Knowledge base cho AI hoạt động thế nào (RAG là gì)
6. Knowledge base, Custom Instructions hay fine-tuning?
7. Đưa knowledge base vào ChatGPT, Gemini, Claude
8. Cách xây dựng knowledge base: 7 bước
9. Checklist: nên đưa gì vào knowledge base thương hiệu
10. Ví dụ trước và sau khi AI có knowledge base
11. Sai lầm thường gặp và giới hạn
12. Phần mềm knowledge base phổ biến
13. Câu hỏi thường gặp

---

Knowledge base là gì?

Định nghĩa ngắn gọn

Knowledge base (viết tắt KB), tiếng Việt thường gọi là cơ sở tri thức hoặc kho tri thức, là một hệ thống lưu thông tin đã được biên tập để trả lời câu hỏi. Chữ quan trọng là "đã được biên tập": một knowledge base tốt không chứa mọi tài liệu công ty có, mà chứa phiên bản đúng nhất, mới nhất, dễ tìm nhất của những điều người dùng cần biết.

Hãy hình dung sự khác nhau giữa một kho hàng và một cửa hàng. Kho hàng (ổ cứng, Google Drive) chứa mọi thứ, sắp theo cách người cất đồ thấy tiện. Cửa hàng (knowledge base) chỉ bày thứ khách cần, xếp theo cách khách tìm.

Trong ngành khoa học máy tính, "knowledge base" còn có nghĩa hẹp hơn: phần lưu các sự kiện và luật của một hệ chuyên gia (knowledge-based system). Nhưng khi doanh nghiệp nói "làm knowledge base" năm 2026, họ gần như luôn nói đến kho tri thức cho nhân viên, khách hàng và AI — nghĩa được dùng trong bài này.

Knowledge base gồm những thành phần nào?

Một knowledge base dùng được thường có đủ năm phần:

1. Nội dung: bài hướng dẫn, câu hỏi thường gặp, chính sách, bảng giá, mô tả sản phẩm, quy trình.
2. Cấu trúc: danh mục, thẻ (tag), liên kết giữa các bài để người đọc đi từ câu hỏi này sang câu hỏi liên quan.
3. Tìm kiếm: ô tìm theo từ khoá, và ngày càng phổ biến là tìm theo ý nghĩa (semantic search) do AI hỗ trợ.
4. Siêu dữ liệu (metadata): ai viết, cập nhật khi nào, áp dụng cho sản phẩm/khu vực nào, còn hiệu lực không.
5. Người phụ trách: một người hoặc một nhóm chịu trách nhiệm giữ nội dung đúng. Thiếu phần này, knowledge base nào cũng lỗi thời sau vài tháng.

Ví dụ knowledge base quen thuộc

• Trung tâm trợ giúp của các sàn thương mại điện tử, ngân hàng, ví điện tử: bạn gõ "đổi trả hàng" và nhận bài hướng dẫn thay vì chờ tổng đài.
• Wiki nội bộ trên Notion, Confluence hoặc Google Sites: quy trình onboarding, cách xuất hoá đơn, mẫu báo giá.
• Tài liệu sản phẩm của các công ty phần mềm: hướng dẫn từng tính năng, lỗi thường gặp.
• Kho kiến thức của chatbot AI: bảng giá, chính sách, FAQ mà chatbot trên website hay Zalo OA dùng để trả lời khách lúc nửa đêm.

---

Các loại knowledge base

Nội bộ (internal) và bên ngoài (external)

Nhiều doanh nghiệp dùng chung một nguồn cho cả hai và đánh dấu bài nào được công khai. Cách này giúp thông tin không bị lệch giữa "bản nội bộ" và "bản cho khách".

Cho người đọc và cho AI đọc

Đây là cách phân loại mới hơn và quan trọng hơn với marketing năm 2026.

• Knowledge base cho người đọc cần giao diện đẹp, ảnh chụp màn hình, video, điều hướng rõ.
• Knowledge base cho AI đọc cần văn bản sạch, mỗi đoạn tự đủ nghĩa, không mâu thuẫn, ghi rõ số liệu và điều kiện. AI không nhìn được ảnh chụp bảng giá mờ, không hiểu "như đã nói ở trên" nếu đoạn "ở trên" không được lấy ra cùng.

Một tài liệu viết tốt cho người chưa chắc đã tốt cho AI. Phần "Cách xây dựng" bên dưới chỉ cách viết để phục vụ được cả hai.

---

Knowledge base khác gì database, wiki, FAQ?

Nói ngắn gọn: database trả lời "bao nhiêu" (còn bao nhiêu hàng, khách mua mấy lần), knowledge base trả lời "như thế nào" và "tại sao" (đổi trả thế nào, vì sao gói này đắt hơn). FAQ là một phần của knowledge base. Wiki có thể trở thành knowledge base nếu được biên tập, gắn người phụ trách và loại bỏ bài lỗi thời.

---

Lợi ích của knowledge base cho doanh nghiệp

1. Giảm câu hỏi lặp lại. Phần lớn câu hỏi khách gửi về là những câu đã có câu trả lời: giá, phí ship, thời gian giao, bảo hành. Khi câu trả lời nằm sẵn ở một chỗ, khách tự tìm được hoặc chatbot trả lời thay.

2. Nhân viên mới làm được việc sớm hơn. Thay vì hỏi đồng nghiệp từng việc, họ có một nơi tra cứu quy trình. Kiến thức cũng không "đi theo" người nghỉ việc.

3. Mọi kênh nói cùng một điều. Nhân viên tư vấn, fanpage, website và chatbot cùng lấy từ một nguồn, nên không còn cảnh website ghi bảo hành 12 tháng còn tư vấn viên nói 6 tháng.

4. Content và AI đúng thương hiệu. Đây là lợi ích mà nhiều doanh nghiệp chỉ nhận ra khi bắt đầu dùng AI: không có knowledge base, AI viết content đúng ngữ pháp nhưng sai về bạn.

5. Nền cho SEO và AI search. Bài hướng dẫn, FAQ công khai trả lời đúng câu khách hỏi là loại nội dung Google và các công cụ như ChatGPT, Perplexity hay trích dẫn. Xem thêm: GEO/AEO là gì.

---

Knowledge base cho AI hoạt động thế nào (RAG là gì)?

Vì sao AI "quên" thương hiệu của bạn

Mô hình ngôn ngữ như ChatGPT, Gemini hay Claude được huấn luyện trên dữ liệu internet đến một thời điểm nhất định. Nó biết rất nhiều về thế giới, nhưng gần như không biết gì về bảng giá tháng này của bạn, chính sách đổi trả của bạn hay vì sao khách chọn bạn thay vì đối thủ.

Mỗi cuộc trò chuyện mới, AI lại bắt đầu từ đầu. Đó là lý do nhiều người phải dán một đoạn giới thiệu công ty dài vào mỗi lần chat, và AI vẫn viết ra những câu chung chung kiểu "sản phẩm chất lượng cao, dịch vụ tận tâm". Xem thêm 5 dấu hiệu AI đang không hiểu thương hiệu của bạn.

RAG giải thích đơn giản

RAG (Retrieval-Augmented Generation — sinh câu trả lời có tra cứu) là cách phổ biến nhất để nối AI với knowledge base. Ý tưởng giống như cho học sinh thi "được mở tài liệu": thay vì bắt AI học thuộc, ta để nó tra đúng trang cần thiết ngay trước khi trả lời.

Quy trình gồm bốn bước:

1. Nạp tài liệu. Bạn tải lên PDF, file Word, bảng tính, trang web hoặc văn bản.
2. Chia nhỏ (chunking). Hệ thống cắt tài liệu thành các đoạn ngắn, mỗi đoạn vài trăm chữ.
3. Mã hoá ý nghĩa (embedding). Mỗi đoạn được chuyển thành một dãy số biểu diễn ý nghĩa của nó và lưu vào cơ sở dữ liệu vector. Nhờ vậy câu hỏi "ship ra Hà Nội mất mấy ngày?" vẫn tìm được đoạn "thời gian giao hàng khu vực miền Bắc" dù không trùng chữ nào.
4. Tra cứu và trả lời. Khi có câu hỏi, hệ thống tìm vài đoạn liên quan nhất, đưa cho AI cùng câu hỏi, và yêu cầu AI trả lời dựa trên các đoạn đó.

Câu hỏi của khách
      ↓
Tìm các đoạn liên quan trong knowledge base (tìm theo ý nghĩa)
      ↓
AI đọc câu hỏi + các đoạn tìm được
      ↓
Câu trả lời dựa trên tài liệu của bạn

Hai hệ quả thực tế của cách hoạt động này:

• AI chỉ giỏi bằng đoạn nó tìm được. Nếu tài liệu có hai bảng giá khác nhau, AI có thể lấy nhầm bảng cũ.
• Mỗi đoạn phải tự đủ nghĩa. Đoạn "Giá như trên, áp dụng đến hết tháng" vô nghĩa khi bị cắt rời khỏi bảng giá.

---

Knowledge base, Custom Instructions hay fine-tuning?

Có ba cách chính để AI "biết" về doanh nghiệp bạn:

Khi nào dùng cái nào?

• Custom Instructions (hoặc system prompt) phù hợp cho những quy tắc ngắn: xưng "bạn", không dùng từ "giá rẻ", câu ngắn. Nó giống một tờ ghi chú dán trên màn hình.
• Knowledge base phù hợp cho sự thật thay đổi theo thời gian: giá, khuyến mãi, thông số, chính sách. Nó giống một thư viện có thủ thư.
• Fine-tuning thay đổi cách mô hình viết, nhưng không phải cách tốt để nạp sự thật: mỗi lần đổi giá lại phải huấn luyện lại, tốn kém và khó kiểm soát. Với đa số doanh nghiệp vừa và nhỏ, fine-tuning là quá sức và không cần thiết.

Cách làm hiệu quả nhất thường là kết hợp: một bộ hồ sơ thương hiệu ngắn gọn (giọng văn, khách hàng mục tiêu, điều cấm nói) luôn đi kèm mọi yêu cầu, cộng với knowledge base để AI tra khi cần sự thật cụ thể.

---

Đưa knowledge base vào ChatGPT, Gemini, Claude

Các trợ lý AI phổ biến đều đã có chỗ để tải tài liệu lên làm kiến thức nền:

• ChatGPT: Projects (gom cuộc trò chuyện và file theo dự án) và GPTs tuỳ chỉnh (một trợ lý có hướng dẫn riêng và file kiến thức riêng).
• Gemini: Gems — trợ lý tuỳ chỉnh có hướng dẫn và file đính kèm; NotebookLM chuyên trả lời dựa trên tài liệu bạn tải lên, có trích dẫn nguồn.
• Claude: Projects — không gian có hướng dẫn và tài liệu dùng chung cho mọi cuộc trò chuyện trong dự án.

Giới hạn số file, dung lượng và tính năng chia sẻ của từng công cụ thay đổi theo gói và theo thời gian, nên hãy kiểm tra trang trợ giúp chính thức trước khi xây quy trình dựa trên chúng.

Những công cụ này đủ dùng cho một người, một việc. Điểm yếu xuất hiện khi doanh nghiệp làm nhiều việc cùng lúc:

• Mỗi GPT, mỗi Gem, mỗi Project là một bản sao tài liệu riêng. Đổi bảng giá phải nhớ cập nhật ở tất cả.
• Người viết bài, người chạy quảng cáo và chatbot CSKH không đọc cùng một nguồn, nên thông tin dễ lệch.
• Không có bước xác minh: AI tóm tắt tài liệu thế nào thì dùng thế ấy, không ai kiểm tra.

Chúng tôi đã phân tích kỹ hơn trong bài ChatGPT vs DigiAgent: vì sao paste prompt mỗi ngày không bền vững.

---

Cách xây dựng knowledge base: 7 bước

Bước 1: Xác định ai sẽ dùng và dùng để làm gì

Viết ra ba đến năm câu hỏi mà knowledge base phải trả lời được. Ví dụ với một cửa hàng mỹ phẩm online: "Da dầu nên dùng sản phẩm nào?", "Ship COD có mất phí không?", "Đổi trả trong bao lâu?". Người dùng là khách, nhân viên, AI hay cả ba? Câu trả lời quyết định cách viết ở các bước sau.

Bước 2: Kiểm kê tài liệu sẵn có

Gom mọi thứ đang nằm rải rác: website, fanpage, brochure, file báo giá, kịch bản tư vấn, tin nhắn trả lời khách hay dùng, email mẫu. Đừng viết mới vội — đa số doanh nghiệp đã có sẵn phần lớn nội dung, chỉ là chưa nằm ở một chỗ.

Bước 3: Làm sạch — bỏ trùng, bỏ cũ, gỡ mâu thuẫn

Đây là bước bị bỏ qua nhiều nhất và gây hại nhiều nhất. Với mỗi chủ đề, giữ một phiên bản đúng. Xoá bảng giá năm ngoái, chương trình khuyến mãi đã hết hạn, mô tả sản phẩm đã ngừng bán. Với AI, một tài liệu cũ còn sót lại nguy hiểm hơn thiếu tài liệu.

Bước 4: Cấu trúc lại để dễ tra cứu

• Chia theo chủ đề khách hỏi (Sản phẩm · Giá & thanh toán · Giao hàng · Đổi trả · Về thương hiệu), không theo phòng ban.
• Mỗi đoạn tự đủ nghĩa: nhắc lại tên sản phẩm thay vì viết "sản phẩm này".
• Dùng tiêu đề rõ, danh sách, bảng có tiêu đề cột.
• Ghi điều kiện đầy đủ: "Miễn phí ship cho đơn từ 500.000đ trong nội thành TP.HCM" tốt hơn "Freeship đơn lớn".
• Với AI: ưu tiên văn bản thật (Word, PDF có chữ chọn được, bảng tính) hơn ảnh chụp hoặc PDF scan.

Bước 5: Chọn công cụ

• Cho nhân viên: Notion, Confluence, Google Sites.
• Cho khách: trung tâm trợ giúp trên website, hoặc phần mềm helpdesk như Zendesk, Freshdesk.
• Cho AI: phần kiến thức trong công cụ AI bạn dùng — càng ít bản sao càng tốt.

Bước 6: Kiểm thử bằng câu hỏi thật

Lấy 20–30 câu khách từng hỏi (từ inbox, Zalo, bình luận) và hỏi thử. Với chatbot AI, chú ý ba lỗi: trả lời sai, trả lời đúng nhưng thiếu điều kiện, và bịa khi không có thông tin. Chatbot tốt phải biết nói "để em chuyển bạn cho nhân viên" thay vì đoán.

Bước 7: Gắn người phụ trách và lịch cập nhật

Mỗi nhóm nội dung có một người chịu trách nhiệm. Thêm vào quy trình: đổi giá → cập nhật knowledge base cùng ngày. Rà soát toàn bộ ít nhất mỗi quý. Knowledge base không có người giữ sẽ lỗi thời nhanh hơn bạn nghĩ.

---

Checklist: nên đưa gì vào knowledge base thương hiệu

Nếu mục tiêu là để AI viết content và trả lời khách đúng thương hiệu, đây là 12 mục nên có:

Về thương hiệu

• Giới thiệu ngắn: bạn là ai, bán gì, cho ai (3–5 câu)
• Khách hàng mục tiêu: họ là ai, nỗi đau, điều họ cân nhắc trước khi mua
• Điểm khác biệt (USP) và lý do khách chọn bạn thay vì đối thủ
• Giọng văn: xưng hô, độ trang trọng, ví dụ câu "đúng giọng" và "sai giọng" — xem Brand voice là gì
• Từ cấm và tuyên bố không được nói (ví dụ: "tốt nhất", "cam kết 100%", tên đối thủ)

Về sản phẩm và bán hàng

• Danh mục sản phẩm/dịch vụ kèm thông số, công dụng, đối tượng phù hợp
• Bảng giá hiện hành, có ngày áp dụng
• Chính sách giao hàng, thanh toán, đổi trả, bảo hành
• FAQ: 20–50 câu khách hỏi nhiều nhất, trả lời đầy đủ điều kiện

Về bằng chứng

• Case study, phản hồi khách hàng đã được phép sử dụng
• Giải thưởng, chứng nhận, con số có nguồn
• Vài bài viết cũ bạn thấy "đúng chất" để AI học văn phong

Năm mục đầu chính là cái mà nhiều nơi gọi là Brand DNA — hồ sơ gốc của thương hiệu. Xem thêm Brand DNA là gì và tại sao AI marketing cần nó.

---

Ví dụ trước và sau khi AI có knowledge base

Giả sử một tiệm bánh ở Đà Nẵng nhờ AI viết caption Facebook cho bánh sinh nhật.

Không có knowledge base, AI viết:

"🎂 Bánh sinh nhật thơm ngon, chất lượng cao, giá cả hợp lý! Đặt ngay hôm nay để nhận ưu đãi hấp dẫn. Liên hệ inbox để được tư vấn!"

Câu nào cũng đúng ngữ pháp, nhưng có thể dán cho bất kỳ tiệm bánh nào trên cả nước. "Ưu đãi hấp dẫn" là gì thì AI cũng không biết.

Có knowledge base (tiệm dùng kem tươi không chất bảo quản, nhận đặt trước 24 giờ, giao miễn phí trong bán kính 5 km, giọng văn thân mật, xưng "tụi mình"):

"Bánh sinh nhật kem tươi, làm trong ngày, không chất bảo quản — tụi mình chỉ nhận đặt trước 24 tiếng để bánh tới tay bạn còn mềm và mát. Giao miễn phí trong 5 km quanh tiệm. Nhắn tụi mình ngày giờ tiệc, còn lại để tiệm lo 🎂"

Khác biệt không nằm ở câu chữ hay hơn, mà ở sự thật cụ thể và giọng riêng — hai thứ AI không thể tự đoán.

---

Sai lầm thường gặp và giới hạn

• Tải lên tất cả mọi thứ. Nhiều hơn không có nghĩa tốt hơn. Tài liệu trùng, cũ làm AI lấy nhầm.
• Dùng ảnh chụp và PDF scan. Nhiều hệ thống không đọc được chữ trong ảnh, hoặc đọc sai dấu tiếng Việt.
• Bảng phức tạp trong PDF. Bảng gộp ô, nhiều tầng tiêu đề dễ bị cắt sai khi chia đoạn. Chuyển thành bảng tính hoặc câu văn rõ ràng.
• Không có câu trả lời dự phòng. Khi knowledge base không có thông tin, AI nên xin chuyển người thật, không đoán.
• Để dữ liệu nhạy cảm lẫn vào. Hợp đồng, thông tin cá nhân khách, lương nhân viên không nên nằm trong knowledge base phục vụ chatbot công khai.
• Nghĩ rằng knowledge base làm AI hết sai. RAG giảm mạnh việc bịa thông tin, nhưng không loại bỏ hoàn toàn. Nội dung AI tạo ra vẫn cần người duyệt trước khi đăng.

---

Phần mềm knowledge base phổ biến

---

DigiAgent dùng knowledge base thế nào?

Ở DigiAgent, knowledge base được tách làm hai lớp, đúng như cách kết hợp đã nói ở trên:

• Brand DNA — hồ sơ thương hiệu 40+ trường (giọng văn, khách hàng mục tiêu, USP, đối thủ…). Agent Hồ Sơ Thương Hiệu đọc website, fanpage và tài liệu bạn tải lên để dựng bản nháp; bạn xác minh, sửa từng trường trước khi lưu. Cả đội AI agent — viết bài, làm nội dung mạng xã hội, lên kế hoạch — cùng đọc một bộ hồ sơ này, nên không còn cảnh mỗi công cụ hiểu thương hiệu một kiểu.
• Kho kiến thức của chatbot: bạn tải lên bảng giá, chính sách, FAQ (Word, PDF, Excel, PowerPoint, CSV, văn bản) hoặc nhập trực tiếp, và bật Brand DNA làm kiến thức nền. Chatbot trả lời khách trên website, Zalo OA và Messenger dựa trên những tài liệu đó; thiếu thông tin thì dùng câu trả lời dự phòng và xin liên hệ, không đoán bừa.

Nội dung agent tạo ra luôn chờ bạn duyệt trước khi đăng.

Dùng thử DigiAgent 7 ngày → — dựng Brand DNA từ URL website của bạn và xem AI viết khác đi thế nào.

---

Câu hỏi thường gặp (FAQ)

Q1: Knowledge base tiếng Việt là gì?

Knowledge base thường được dịch là cơ sở tri thức hoặc kho tri thức: nơi tập trung thông tin đã được biên tập và sắp xếp để con người hoặc AI tra cứu nhanh và chính xác, ví dụ trung tâm trợ giúp, wiki nội bộ hay kho kiến thức của chatbot.

Q2: Knowledge base và database khác nhau thế nào?

Database lưu dữ liệu có cấu trúc để phần mềm xử lý và tính toán, như đơn hàng hay tồn kho. Knowledge base lưu tri thức dạng văn bản đã biên tập để trả lời câu hỏi "như thế nào" và "tại sao", như cách đổi trả hay khác biệt giữa hai gói dịch vụ.

Q3: RAG là gì và liên quan gì đến knowledge base?

RAG (Retrieval-Augmented Generation) là kỹ thuật cho AI tra cứu knowledge base trước khi trả lời: hệ thống tìm các đoạn tài liệu liên quan nhất tới câu hỏi rồi đưa cho AI làm căn cứ. Nhờ đó AI trả lời theo thông tin của doanh nghiệp thay vì kiến thức chung trên internet.

Q4: Nên dùng knowledge base hay fine-tuning để AI hiểu thương hiệu?

Với đa số doanh nghiệp vừa và nhỏ, nên dùng knowledge base. Knowledge base cập nhật được ngay khi đổi giá hay chính sách, chi phí thấp và dễ kiểm soát. Fine-tuning phù hợp khi cần thay đổi sâu cách mô hình viết và có đội kỹ thuật cùng lượng dữ liệu lớn.

Q5: Knowledge base khác gì Custom Instructions, GPTs hay Projects?

Custom Instructions là đoạn hướng dẫn ngắn áp dụng cho mọi cuộc chat, hợp với quy tắc giọng văn. GPTs, ChatGPT Projects, Gemini Gems và Claude Projects cho phép tải tài liệu lên làm kiến thức, nhưng mỗi cái là một bản sao riêng. Knowledge base dùng chung giúp mọi công cụ và mọi người đọc cùng một nguồn.

Q6: Doanh nghiệp nhỏ có cần knowledge base không?

Có, và nên bắt đầu nhỏ: một tài liệu gồm giới thiệu thương hiệu, khách hàng mục tiêu, bảng giá, chính sách và 20 câu hỏi thường gặp đã đủ để AI viết content và trả lời khách tốt hơn rõ rệt.

Q7: Nên cập nhật knowledge base bao lâu một lần?

Cập nhật ngay khi có thay đổi về giá, sản phẩm hoặc chính sách, và rà soát toàn bộ ít nhất mỗi quý. Mỗi nhóm nội dung nên có một người phụ trách giữ thông tin đúng.

Q8: Knowledge base cho AI có an toàn dữ liệu không?

Tuỳ nhà cung cấp. Hãy kiểm tra dữ liệu được lưu ở đâu, có được dùng để huấn luyện mô hình hay không, và có tách biệt giữa các khách hàng không. Nguyên tắc chung: không đưa hợp đồng, thông tin cá nhân khách hàng hay dữ liệu tài chính nội bộ vào knowledge base của chatbot công khai.

Q9: Có phần mềm knowledge base miễn phí không?

Có. Notion và Google Sites có gói miễn phí đủ cho wiki nội bộ nhỏ, NotebookLM miễn phí để tra cứu tài liệu bằng AI. Khi cần chatbot trả lời khách hoặc nhiều người cùng dùng một nguồn thương hiệu, bạn sẽ cần công cụ chuyên dụng hơn.

---

Đọc tiếp:

• Brand DNA là gì và tại sao AI marketing cần nó
• AI chatbot khác gì chatbot truyền thống?
• Cách viết prompt AI cho content marketing tiếng Việt