I denne artikkelen:
- Hva endrer seg mellom oppsett og avansert konfigurasjon
- Hvordan konfigurerer du når chatboten overleverer til et menneske?
- Hvordan begrenser du hva chatboten har lov til å si?
- Hvordan holder du svar konsistente for spesifikke spørsmål?
- Hvordan konfigurerer du flerspråklig oppførsel?
- Hvordan holder du chatboten lærende etter lansering?
- Hvilke innstillinger bør gjennomgås, og hvor ofte

Vår guide til oppsett av AI-kundestøttebot dekker de seks trinnene som får LiveAgents chatbot i live: opprett Flowen, koble til kunnskapskilder, bruk den på widgeten. Det er minimum for lansering. Det er ikke konfigurasjonen som avgjør om boten faktisk er god tre måneder inn. Hvis du fortsatt sammenligner chatbot-alternativer i stedet for å finjustere en du allerede kjører, er vår oppsummering av de beste AI-chatbotene for 2026 et bedre utgangspunkt.
Denne veiledningen tar over derfra. Hver innstilling nedenfor er et faktisk felt eller en komponent du finner i LiveAgent eller FlowHunt , ikke en generisk beste-praksis-liste.
Hva endrer seg mellom oppsett og avansert konfigurasjon
Oppsett svarer på «fungerer boten?» Konfigurasjon svarer på «fungerer den slik teamet vårt faktisk trenger den til?» Den forskjellen viser seg på fire områder: når boten eskalerer, hva den har lov til å si, hvor konsistente svarene forblir på tvers av økter, og om den blir bedre eller forblir statisk etter lansering.
En bot som bestod sin førsteukes-test kan fortsatt frustrere kunder en måned senere hvis ingen av disse fire områdene blir gjennomgått på nytt. Kunnskapskildene du koblet til ved lansering eldes, spørsmålene kundene stiller endrer seg, og standard overleveringsterskel som føltes riktig på dag én, kan allerede sende for mange, eller for få, samtaler til agentene dine.
Hvordan konfigurerer du når chatboten overleverer til et menneske?
Åpne Chatbot-objektet i LiveAgent og angi feltet «Nødvendige svar for å starte chat med menneskelig agent». Dette tallet er minimum antall AI-svar som må gis før knappen «Be om chat med menneskelig agent» blir tilgjengelig for den besøkende. Sett den for lavt, og boten eskalere spørsmål den kunne ha håndtert, noe som kaster bort agenttid på forespørsler som aldri trengte et menneske. Sett den for høyt, og frustrerte kunder går gjennom ubehjelpelige svar før de når noen.
Det finnes en annen vei som ikke er avhengig av dette antallet i det hele tatt: AI-agenten kan på egen hånd bestemme, midt i samtalen, at en forespørsel er for kompleks og overføre automatisk, uten å vente på terskelen for nødvendige svar. Dette er alternativet å lene seg på for støtteemner der et feil svar er kostbart (fakturatvister, kontosikkerhet) og et fast antall føles for rigid.
Når en samtale overføres, plukker agenter den opp fra Chats-oversiktsdelen ved å bruke knappen «Stopp chatbot og bli med», og hele samtaleloggen følger med inn i samme billett, mekanismene er dekket i detalj i vår veiledning for AI-menneskelig overlevering . Ingenting ved denne overleveringen kan konfigureres av kunden, men å vite at det skjer på denne måten forklarer hvorfor det er viktig å teste overleveringsflyten fra ende til annen, ikke bare botens svar frem til det punktet.
Hvordan begrenser du hva chatboten har lov til å si?
Som standard lar LiveAgents mal AI Agent en besøkende be om en menneskelig agent direkte, når som helst i samtalen, uavhengig av terskelen for nødvendige svar. Hvis det ikke er det du ønsker, for eksempel en bot ment å fullstendig løse et avgrenset sett med spørsmål før noe menneskelig alternativ vises, er løsningen å redigere systemmeldingen til AI Agent-komponenten i FlowHunt, ikke en innstilling på LiveAgent-siden.
Systemmeldingen er også der tone og personlighet faktisk bor. Det finnes ingen egen «personlighet»-nedtrekksmeny: uansett hvilke instruksjoner du skriver her (formell vs. uformell, hvordan håndtere et spørsmål utenfor omfanget, om du skal be om unnskyldning før eskalering) er det boten følger. FlowHunt støtter over 15 AI-modeller, og et modellbytte kan påvirke hvor bokstavelig boten følger ordlyden, men selve modellen er ikke der tonen kommer fra.
Hvordan holder du svar konsistente for spesifikke spørsmål?
Kunnskapskilder svarer godt på generelle spørsmål, men for alt teamet ditt ønsker formulert identisk hver gang, prisopplysninger, policy-språk, en spesifikk ansvarsfraskrivelse, bruk FlowHunts Spørsmål og Svar-funksjon i stedet. Den lar deg definere et fast svar for en spesifikk forespørsel, slik at boten returnerer den nøyaktige ordlyden i stedet for å generere en ny parafrase hver gang noen spør.
Dette betyr mer enn det høres ut som. En kunnskapsbase skrevet for menneskelig lesing, spredt over fem koblede hjelpeartikler, produserer ikke automatisk ett rent, konsistent botsvar når AI-en henter fra alle fem samtidig. Faste Spørsmål og Svar-oppføringer lukker det gapet for de få spørsmålene hvor ordlydsnøyaktighet faktisk betyr noe for teamet ditt.
Hvordan konfigurerer du flerspråklig oppførsel?
Chatboten oppdager automatisk en besøkendes språk og svarer på det, med støtte for over 100 språk avhengig av hvilken AI-modell som er tilkoblet. Dette er ikke en innstilling som må slås på, det fungerer som standard, men det er ikke ensartet på tvers av alle språk. Noen begrensninger kan gjelde for mindre utbredte språk, siden modellkvaliteten for disse språkene varierer etter leverandør.
Før du ruller ut boten til et marked med et mindre vanlig språk, test den direkte med den faktiske ordlyden kundene dine bruker, ikke en direkte oversettelse av dine engelske testspørsmål. En bokstavelig oversettelse kan fungere, mens en naturlig formulering som modellen ikke har sett like ofte, kan gi et merkbart svakere svar.
Hvordan holder du chatboten lærende etter lansering?
Sett opp LiveAgents selv lærende sløyfe
slik at hver eskalert billett lærer boten noe, i stedet for bare å være en engangsløsning. Opprett en automatiseringsregel i LiveAgent som utløses når en billett løses og merkes med Update_AI, og send billett-ID-en til FlowHunt via en HTTP-forespørsel eller webhook.
Derfra kjører AI-agenten fire trinn automatisk: den leser hele billettråden for å se hva chatboten gikk glipp av, sammenligner det med den menneskelige agentens faktiske løsning, generaliserer løsningen til en gjenbrukbar regel i stedet for et engangssvar, og lagrer den som et strukturert minneoppføring (emne, utløser, forutsetninger, løsning) som chatboten kan hente ved neste lignende spørsmål. Personlig identifiserbar informasjon fjernes automatisk før noe lagres.
Resultatet forsterkes. Eskaleringer som teamet ditt løser i uke én blir kunnskap boten har i uke to, uten at noen manuelt skriver om en kunnskapskildeartikkel.
| Innstilling | Hvor du konfigurerer den | Hva den styrer |
|---|---|---|
| Nødvendige svar for å starte chat med menneskelig agent | Chatbot-objekt, LiveAgent | Minimum AI-svar før overlevering blir tilgjengelig |
| AI Agent systemmelding | AI Agent-komponent, FlowHunt | Tone, personlighet og hva boten har/ikke har lov til å si |
| Spørsmål og Svar | FlowHunt | Faste, ord-for-ord-svar for spesifikke forespørsler |
| AI-modell | AI Agent-komponent, FlowHunt | Responsstil og språkdekning |
Update_AI automatiseringsregel | Automatiseringsregler, LiveAgent | Utløser den selv lærende sløyfen på løste billetter |
Hvilke innstillinger bør gjennomgås, og hvor ofte
Sjekk overleveringsraten og de spesifikke spørsmålene som utløser eskalering ukentlig den første måneden etter enhver konfigurasjonsendring, deretter månedlig når mønsteret stabiliserer seg. En økende overleveringsrate betyr vanligvis et kunnskapshull som den selv lærende sløyfen ennå ikke har tettet, ikke en innstilling som må bygges om fra bunnen av.
Hvis botens tone avviker fra det systemmeldingen spesifiserer, er det et tegn på å gå gjennom ordlyden direkte i stedet for å bytte AI-modell for å kompensere. Og hvis eskaleringer samler seg rundt ett tilbakevendende emne, er det nettopp det signalet Update_AI-taggen er designet for å fange opp, så sørg for at agentene dine faktisk bruker den før du antar at den selv lærende sløyfen ikke fungerer.
Når overleveringstidspunkt, systemmelding, flerspråklig dekning og den selv lærende regelen alle er satt bevisst i stedet for å være overlatt til standardinnstillinger, forsvinner forskjellen mellom «boten fungerer» og «boten fungerer slik teamet vårt trenger den til» stort sett av seg selv.
