“Kak, yang warna biru ukuran L masih ada?” — bot menjawab “ready kak!” — padahal habis. Masalah ini lahir dari satu kekurangan: bot tidak punya knowledge base yang benar. Knowledge base adalah gudang pengetahuan yang dibaca AI sebelum menjawab — dan mengaturnya dengan benar adalah bedanya bot yang dipercaya dengan bot yang dihindari. Artikel ini memandu mengaturnya secara utuh.
Tiga Lapis Knowledge Base (Urut dari Cepat ke Fleksibel)
| Lapis | Isi | Kekuatan | Batas |
|---|---|---|---|
| 1. System prompt | Kebijakan, persona, FAQ paling inti (langsung di instruksi) | Terkuat dipatuhi, selalu terbaca | Jangan terlalu gemuk |
| 2. Database terhubung | Produk, harga, stok (Sheet/DB yang dibaca runtime) | Selalu segar, bisa besar, dirawat siapa pun | Perlu integrasi rapi |
| 3. Dokumen referensi (RAG) | Katalog panjang, SOP, kebijakan detail — dicari sesuai topik | Skala besar, domain kompleks | Butuh vector store/Tools |
Mayoritas bot bisnis cukup lapis 1+2. Lapis 3 masuk bila pengetahuan melebihi ribuan item atau butuh dokumen panjang (regulasi, manual).
Mengisi Tiap Lapis dengan Benar
Lapis 1 — yang stabil dan penting: kebijakan retur, jam, aturan bicara, larangan halusinasi, skenario penyerahan. Ini jarang berubah — tempatnya paling dekat dengan AI.
Lapis 2 — yang hidup: produk-harga-stok-promo. Aturan disiplinnya (dari artikel database di seri ini): satu baris satu produk, kolom tetap, status selalu terupdate. Bot mencocokkan pertanyaan ke baris, menjawab dari kolom — bukan dari ingatan.
Lapis 3 — yang dalam: bila perlu, simpan dokumen di vector store; bot mencari bagian relevan per pertanyaan lalu menjawab dari kutipan itu. Prinsip pentingnya: jawab dari sumber, bukan dari ingatan model.
Aturan “Tidak Asal Jawab” yang Harus Ada di Instruksi
- Sumber tertutup: “Jawab HANYA dari pengetahuan berikut; di luar itu, teruskan ke admin.”
- Pintu keluar yang jujur: “Bila data tidak menyebutnya, katakan: ‘Biar saya cek khusus ya Kak’ — JANGAN mengarang angka/ketersediaan.”
- Penanda keraguan: “Bila ragu, awali jawaban dengan catatan ‘sepemahaman saya’ dan teruskan juga ke admin.” — supaya jawaban ragu terlihat oleh manusia pengawas.
- Update = sumber: “Bila pelanggan menyebut info yang berbeda dari data, percayai data; konfirmasi dan teruskan.” — mencegah pelanggan “mengajari” bot memberi harga palsu.
Poin terakhir itu sering terlewat: tanpa aturan, pelanggan yang pintar bisa membujuk bot mengakui diskon fiktif. Pengaman ini menutupnya.
Rutinitas Menjaga Knowledge Base Tetap Segar
- Harian (3 menit): baca chat yang diteruskan admin — pertanyaan yang tak terjawab = lubang pengetahuan hari ini.
- Mingguan (15 menit): tambahkan lubang itu ke lapis yang tepat (prompt/database/dokumen); update stok & promo.
- Bulanan (30 menit): audit isi: ada jawaban yang basi? ada aturan bertentangan? pangkas dan selaraskan.
Bot yang dijemput makanannya rutin akan makin pintar — yang dibiarkan akan makin basi, dan basi di chat berarti salah ke pelanggan.
FAQ Singkat
Bedanya knowledge base dengan FAQ biasa?
FAQ adalah isi; knowledge base adalah SISTEM tempat FAQ hidup dan dibaca AI secara terstruktur — termasuk aturan batas dan pembaruan.
Berapa banyak produk sebelum butuh lapis 3 (RAG)?
Ratusan item masih nyaman di lapis 2 (database). Ribuan item dengan deskripsi panjang baru layak pertimbangkan vector store.
Bisakah pelanggan “merusak” knowledge base lewat chat?
Tidak bila aturan “percayai data, bukan pelanggan” aktif — dan pengetahuan hanya berubah lewat file/instruksi yang Anda kendalikan, bukan dari percakapan.
Bagaimana tahu jawaban bot berasal dari mana?
Beberapa platform memungkinkan mencatat sumber/konteks yang dipakai AI — aktifkan saat debugging. Minimal: uji terarah per lapis untuk tahu mana yang “berbicara”.
Bot yang Tahu Batasnya Itu Bot yang Dipercaya
Mengatur knowledge base bot WhatsApp AI berdiri di tiga lapis yang masing-masing jujur: prompt untuk yang inti, database untuk yang hidup, dokumen untuk yang dalam — plus aturan “tidak asal jawab” yang memberi AI pintu keluar jujur. Ditopang rutinitas pembaruan mingguan, bot Anda menjawab dari kebenaran yang dirawat — bukan dari keberanian yang dikarang.
Untuk integrasi datanya, baca integrasi database produk dan Google Sheets untuk bot — dua pandangan lapis 2.
Dan untuk membangun bot yang memakai knowledge base ini: tutorial video dari nol dalam 30 menit.
