Chuẩn bị dữ liệu cho chatbot AI doanh nghiệp nên bắt đầu bằng việc xác định bot cần trả lời câu hỏi nào, từ nguồn nào và cho ai. Một thư mục nhiều file chưa phải bộ đầu vào sẵn sàng. Nếu không biết bản nào còn hiệu lực, ai được xem hoặc ai có quyền xác nhận nội dung, đội triển khai vẫn phải quay lại hỏi nghiệp vụ trước khi dùng tài liệu.
Đầu ra cần có là một danh mục nguồn kèm trạng thái xử lý. Bài này hướng dẫn anh chị lập danh mục đó, kiểm một số tài liệu đại diện và bàn giao các điểm còn vướng. Các bảng và tình huống dưới đây do Vin Media Global biên soạn để hướng dẫn; chúng không phải hồ sơ khách hàng hay kết quả chạy chatbot thực tế.
Bắt đầu từ câu hỏi cần trả lời, chưa vội gom toàn bộ file
Hãy chọn một nhóm người dùng và một nhiệm vụ rõ ràng. Ví dụ: nhân viên mới cần biết cách gửi yêu cầu hỗ trợ nội bộ. Với nhiệm vụ này, quy trình tiếp nhận và hướng dẫn điền biểu mẫu có ích; hồ sơ lương, hợp đồng khách hàng hoặc toàn bộ lịch sử trao đổi không tự nhiên trở thành nguồn cần nạp.
Trước khi đi tìm file, ghi lại ba thông tin cho từng câu hỏi: người hỏi là ai, họ cần quyết định hoặc làm gì tiếp theo, và người đang trả lời câu đó thường tra ở đâu. Câu “dịch vụ này bao gồm những gì?” có thể cần mô tả phạm vi. Câu “đơn hàng của tôi đang ở đâu?” lại cần dữ liệu trạng thái được cập nhật, không thể giải quyết chỉ bằng tài liệu giới thiệu.
Nếu chưa rõ bot sẽ hỏi đáp tài liệu hay thực hiện hành động, anh chị có thể dùng mẫu mô tả công việc cần triển khai AI để chốt đầu vào và đầu ra. Việc này giúp tránh thu thập dữ liệu cho một chức năng chưa thực sự cần.
Với phương án tra cứu bằng RAG, tài liệu được tìm để cung cấp ngữ cảnh cho câu trả lời. Nguồn đầu vào vì vậy cần phục vụ việc tìm và kiểm chứng thông tin. Bài trợ lý AI tra cứu tài liệu nội bộ giải thích toàn bộ luồng này; phần dưới tập trung vào việc chuẩn bị nguồn trước khi giao cho đội setup.
Chọn nhóm tài liệu theo nhiệm vụ của chatbot
Không có một danh sách file cố định đúng cho mọi doanh nghiệp. Bảng sau là gợi ý kiểm kê. Chỉ chọn nhóm phục vụ nhiệm vụ đã chốt và ghi rõ phần chưa được phép sử dụng.
| Nhóm nguồn | Câu hỏi có thể phục vụ | Điều cần kiểm trước |
|---|---|---|
| Mô tả sản phẩm, dịch vụ | Phạm vi cung cấp, điều kiện sử dụng | Đúng dòng sản phẩm, thị trường và phiên bản; tách điều đã xác nhận khỏi ý tưởng |
| Chính sách và điều kiện | Trường hợp nào được áp dụng, ngoại lệ là gì? | Người ban hành, ngày hiệu lực, phạm vi người xem |
| Bảng giá hoặc quy tắc báo giá | Giá nào áp dụng cho nhu cầu cụ thể? | Thời điểm, đơn vị, đối tượng áp dụng; phần nào phải chuyển người xác nhận |
| Quy trình và hướng dẫn | Làm bước nào, gửi cho ai, cần thông tin gì? | Đầu mối đang dùng, biểu mẫu còn hoạt động và các bước ngoại lệ |
| Câu hỏi thực tế đã được xử lý | Người dùng gọi tên vấn đề như thế nào? | Ẩn thông tin ngoài phạm vi; đối chiếu đáp án với nguồn chính thức |
Lịch sử hội thoại có thể giúp tìm cách diễn đạt câu hỏi nhưng không nên tự động được coi là chính sách. Một nhân viên từng trả lời như vậy chưa chứng minh câu trả lời vẫn đúng. Cần nối đáp án với tài liệu được người có thẩm quyền xác nhận hoặc đánh dấu đây là khoảng trống cần bổ sung.
Với dữ liệu thay đổi thường xuyên như tồn kho hay trạng thái hồ sơ, hãy ghi hệ thống giữ dữ liệu gốc và yêu cầu độ mới. Đừng tự chuyển chúng thành một file tĩnh rồi mặc định bot sẽ biết thay đổi sau đó. Cách kết nối và cập nhật cần được đội kỹ thuật xác định theo phạm vi thực tế.
Mẫu danh mục tài liệu: mỗi nguồn cần những thông tin gì?
Anh chị có thể chép các trường dưới đây vào Excel hoặc Google Sheets, mỗi dòng tương ứng một tài liệu hoặc một đơn vị nguồn có thể quản lý riêng. Đây là mẫu biên tập để hai bên hiểu nhau, không phải định dạng bắt buộc của mọi nền tảng chatbot.
| Trường cần điền | Cách ghi để dùng được | Nếu chưa biết |
|---|---|---|
| ID, tên và loại nguồn | Mã ổn định; tên dễ hiểu; PDF, bảng tính, trang tài liệu hoặc hệ thống | Đặt mã tạm, không dùng tên file làm bằng chứng về hiệu lực |
| Vị trí nguồn chính | Link hoặc vị trí được quản lý; phân biệt bản gốc và bản sao xuất ra | Chờ người phụ trách xác nhận, chưa nạp |
| Chủ tài liệu | Vai trò hoặc đầu mối quyết định tính đúng, có thể liên hệ | Giao người tìm đầu mối; không mặc định người gửi file là người duyệt |
| Phiên bản và ngày hiệu lực | Ghi riêng phiên bản, ngày bắt đầu và ngày kết thúc nếu có | Đánh dấu cần xác nhận; ngày sửa file không thay ngày hiệu lực |
| Nhóm người được xem | Nhóm cụ thể và ngoại lệ cần loại trừ | Chưa cấp quyền tra cứu cho tới khi xác định được phạm vi |
| Trạng thái duyệt và sử dụng | Chờ xác nhận, được chọn cho phạm vi thử, cần sửa hoặc loại khỏi nguồn hiện hành | Không dùng ô trống để ngầm hiểu đã duyệt |
| Câu hỏi phục vụ | Ghi câu hỏi thực tế và mục hoặc trang có thông tin trả lời | Xem lại tài liệu có cần cho nhiệm vụ đã chọn không |
| Đầu mối và thời điểm rà soát | Ai báo thay đổi; ngày kiểm lại hoặc sự kiện cần kiểm lại | Chưa coi việc cập nhật là đã được bàn giao |
Để bắt đầu nhanh, dòng tiêu đề có thể là: ID; Tên nguồn; Loại; Vị trí gốc; Chủ tài liệu; Phiên bản; Hiệu lực; Quyền xem; Trạng thái; Câu hỏi phục vụ; Người cập nhật; Lần rà soát tiếp theo. Chỉ thêm trường khi trường đó giúp chọn nguồn, kiểm câu trả lời hoặc quản lý thay đổi.
Phân biệt danh mục nghiệp vụ với metadata của hệ thống
Danh mục là thỏa thuận đầu vào giữa người quản lý dữ liệu và đội triển khai. Metadata là những thuộc tính hệ thống thực sự lưu và sử dụng. Ví dụ, tài liệu Amazon Bedrock về metadata mô tả cách phân biệt cột nội dung với cột metadata khi nạp CSV. Đội kỹ thuật cần ánh xạ các trường phù hợp; việc điền bảng không đồng nghĩa mọi cột đã được bot sử dụng để lọc.
Ghi quyền xem chưa có nghĩa quyền đã được thực thi
Đặt nhãn “chỉ nhân sự được xem” trong Excel là đầu vào cho thiết kế quyền. Cần kiểm tài khoản nào được truy cập và việc lọc nguồn có diễn ra đúng khi hỏi hay không. Tài liệu kiểm soát truy cập của Azure AI Search mô tả nhiều cách thực thi theo nguồn dữ liệu và mô hình định danh, trong đó có tính năng còn ở trạng thái preview. Không nên suy ra mọi chatbot đều tự kế thừa quyền của thư mục gốc.

Danh mục cần gắn với ma trận phân quyền tài liệu cho trợ lý AI, để việc nạp vào kho không đồng nghĩa mọi người đều được đọc.
Xử lý tài liệu cũ, mâu thuẫn và không đọc được
Giữ riêng danh sách nguồn được chọn và danh sách cần xử lý. Không nhất thiết xóa tài liệu cũ khỏi kho lưu trữ của doanh nghiệp; cần xác định nó có được đưa vào phạm vi trả lời hiện tại hay không. Nếu chatbot có nhiệm vụ tra cứu lịch sử, phải phân biệt thời điểm và mục đích đó ngay từ thiết kế.
Bộ ví dụ giả định: một quy trình đúng, một bản cũ và một bản nháp
Giả sử doanh nghiệp đang chuẩn bị bot hướng dẫn nhân viên gửi yêu cầu hỗ trợ. Ba đoạn dưới đây được tự viết chỉ để minh họa cách lập danh mục, không phải chính sách của Vin Media Global hay một khách hàng:
- DOC-01, bản hiện hành trong ví dụ: “Nhân viên gửi yêu cầu bằng biểu mẫu nội bộ, điền mô tả vấn đề và chọn nhóm phụ trách.”
- DOC-02, bản đã ngừng áp dụng trong ví dụ: “Nhân viên gửi mọi yêu cầu qua hộp thư hỗ trợ.”
- DOC-03, bản nháp chưa duyệt: “Nhân viên gửi trực tiếp cho quản lý ca; không cần điền biểu mẫu.”
Ở bộ giả định này, trạng thái nguồn đã được đặt sẵn để giải thích cách xử lý. Khi làm thật, anh chị cần đầu mối nghiệp vụ xác nhận trạng thái tương ứng; không được lấy trạng thái giả định làm bằng chứng đã có người duyệt.
| Nguồn giả định | Chủ tài liệu / nhóm xem | Xử lý trước khi nạp | Câu hỏi kiểm |
|---|---|---|---|
| DOC-01, v2 hiện hành | Vai trò phụ trách hỗ trợ / nhân viên nội bộ trong ví dụ | Chọn cho phạm vi thử sau khi kiểm bản trích đọc đúng | Gửi yêu cầu bằng kênh nào, cần điền gì? |
| DOC-02, v1 đã ngừng áp dụng | Cùng vai trò phụ trách / không dùng cho tra cứu hiện tại | Đưa ra khỏi bộ nguồn hiện hành; giữ hồ sơ lịch sử nếu cần | Bot có còn hướng dẫn gửi mọi yêu cầu qua email không? |
| DOC-03, bản nháp mâu thuẫn | Vai trò phụ trách hỗ trợ / chưa mở tra cứu | Chờ người phụ trách xác nhận; không chọn chỉ vì file mới hơn | Có bằng chứng bản nháp đã thay quy trình hiện hành chưa? |
Nếu hai tài liệu cùng được ghi là hiện hành nhưng đưa ra hai hướng dẫn khác nhau, hãy ghi rõ câu hoặc điều khoản xung đột và chuyển chủ tài liệu quyết định. Không yêu cầu mô hình tự chọn “bản nghe hợp lý hơn”. Nếu chưa giải quyết được, tạm loại câu hỏi đó khỏi phạm vi tự trả lời hoặc chuyển người xử lý.
Kiểm phần đọc ra từ file, không chỉ kiểm file có mở được
Một PDF hiển thị đẹp chưa chứng minh văn bản được trích đúng. Hãy chọn trang có bảng, cột, chú thích hoặc ảnh chụp để so với phần hệ thống đọc ra: thứ tự câu có đảo không, đơn vị có mất không, chú thích còn gắn với đúng điều kiện không?
Hướng dẫn xử lý tài liệu cho RAG của Microsoft cho thấy cách chia đoạn cần xét cấu trúc và nội dung nguồn; đoạn quá nhỏ cũng có thể thiếu ngữ cảnh. Vì vậy, giao cả tài liệu gốc và những đoạn quan trọng cần giữ nghĩa cho đội triển khai. Không tự chọn một kích thước chia đoạn chung cho mọi file chỉ vì dễ cấu hình.
Với nguồn không đọc được hoặc mất nghĩa, ghi lỗi cụ thể và người xử lý. Có thể cần lấy bản văn bản gốc, làm lại bảng, hoặc kiểm công cụ nhận dạng chữ. Chỉ đổi đuôi file hay nạp lại không chứng minh lỗi đã hết.

Với tài liệu cũ, áp dụng quản lý bản kiến thức đang dùng và hết hiệu lực. Với PDF scan, kiểm riêng lỗi chữ, hàng cột và đơn vị khi đọc PDF trước khi đưa nội dung vào chỉ mục.
Bàn giao bộ đầu vào để hai bên có thể kiểm lại
Bộ bàn giao nên gồm danh mục, nguồn được phép dùng, danh sách vấn đề chưa giải quyết và một số câu hỏi kèm đoạn nguồn dự kiến. Những câu hỏi này giúp kiểm tài liệu có phục vụ đúng nhu cầu; chúng chưa thay thế một bộ kiểm thử chatbot đầy đủ.
- Khóa phạm vi đợt thử: ghi nhóm người sử dụng, công việc, nhóm câu hỏi được trả lời và phần phải chuyển người.
- Chọn nguồn đại diện: có loại dễ đọc, loại có bảng hoặc điều kiện, và một tình huống thiếu nguồn để kiểm cách xử lý.
- Đối chiếu đầu vào: người nghiệp vụ xác nhận nội dung; người triển khai kiểm khả năng đọc và cách thể hiện quyền. Ghi phần đã kiểm và phần còn chờ.
- Ghi dấu lần bàn giao: ngày giao, danh sách ID, phiên bản và người nhận. Có thay đổi thì cập nhật danh mục thay vì gửi thêm file không rõ quan hệ.
- Thống nhất phản hồi lỗi: mỗi lỗi cần câu hỏi, nguồn liên quan, phần đọc ra và điều mong đợi để hai bên tìm đúng chỗ cần sửa.
Với ví dụ hỗ trợ ở trên, câu kiểm đầu tiên là “Tôi gửi yêu cầu ở đâu?”. Đáp án kỳ vọng dựa vào DOC-01 là dùng biểu mẫu nội bộ. Câu thứ hai có thể hỏi “Có phải gửi trực tiếp cho quản lý ca không?” để kiểm việc bản nháp không bị dùng như quy định hiện hành. Đây là đáp án kỳ vọng do người biên soạn đặt cho ví dụ, chưa phải kết quả hệ thống đã chạy.
Khi chuyển sang kiểm bot thực sự, cần lưu câu trả lời và nguồn mà hệ thống sử dụng, rồi so với kỳ vọng. Anh chị có thể nối bộ đầu vào này với ma trận nghiệm thu theo yêu cầu và bằng chứng, thay vì chỉ đánh giá bot trả lời có trôi chảy hay không.
Kiểm nhanh mức sẵn sàng trước khi gửi dữ liệu
Một bộ nguồn đủ để bắt đầu thử có thể còn nhỏ, nhưng những tài liệu được chọn phải có vai trò rõ. Dùng các câu hỏi sau để quyết định phần nào được giao và phần nào cần giữ lại:
- Mỗi nguồn có câu hỏi thực tế cần phục vụ và vị trí gốc để đối chiếu chưa?
- Có người chịu trách nhiệm xác nhận nội dung, phiên bản và phạm vi xem chưa?
- Bản cũ, bản nháp và nguồn mâu thuẫn đã được phân loại riêng chưa?
- Đã kiểm một phần nội dung trích ra, gồm điều kiện và chú thích quan trọng chưa?
- Câu hỏi thiếu nguồn có cách chuyển người hoặc nêu giới hạn rõ chưa?
- Đã ghi cách thông báo thay đổi và các điểm chưa được xác nhận chưa?
Không cần chờ hoàn thiện toàn bộ kho tài liệu mới thử một phạm vi nhỏ. Tuy nhiên, không nên lấy việc thử nhỏ làm lý do bỏ qua quyền hoặc sử dụng chính sách chưa xác định hiệu lực. Tách phần đủ điều kiện để tiến hành và phần còn chờ để xử lý tiếp.
Câu hỏi thường gặp về chuẩn bị dữ liệu chatbot
Nạp nhiều tài liệu có làm chatbot tốt hơn không?
Không thể kết luận chỉ từ số lượng file. Cần xem nguồn có phù hợp câu hỏi, còn hiệu lực, đọc được và đúng quyền không. Bản trùng hoặc mâu thuẫn phải được xử lý thay vì coi là dữ liệu bổ sung có ích.
Hai bảng giá khác nhau thì nên dùng bản nào?
Người có thẩm quyền cần xác nhận đối tượng, thời điểm và điều kiện áp dụng. Không mặc định chọn file có ngày sửa mới nhất. Trong lúc chưa xác định, ghi rõ câu hỏi về giá cần chuyển người xác nhận.
Có phải viết lại toàn bộ tài liệu thành FAQ không?
Không bắt buộc. Giữ nguồn gốc và cấu trúc cần thiết để kiểm chứng. FAQ có thể hỗ trợ cách diễn đạt câu hỏi, nhưng không nên lược bỏ điều kiện hoặc thay thế nguồn chính bằng câu trả lời rút gọn chưa được xác nhận.
Có cần đưa mật khẩu vào danh mục bàn giao không?
Không. Danh mục ghi vị trí nguồn, đầu mối và quyền cần có. Thông tin xác thực phải được cấp qua cơ chế quản lý truy cập phù hợp, không chép vào nội dung dùng làm kiến thức cho chatbot.
