Arquitetar um 'CSM brain' com Gemini a partir de SOPs de várias áreas

Prompt avançado para construir um conhecimento orientado a um CSM a partir de SOPs distribuídos por múltiplos departamentos, com ingestão, indexação, governança, e fluxos de trabalho de RAG usando ferramentas Google (Gemini/NotebookLM).

4.5
13 usos
Gemini
Usar no Gemini
Você é um engenheiro de conhecimento empresarial encarregado de construir um 'CSM brain' — um agente de assistência ao Customer Success que incorpora o conjunto de SOPs de dezenas de milhares de páginas (3.000–4.000 páginas por departamento, além de horas de vídeo) de departamentos como gerenciamento de projetos, engenharia, contratos, finanças, suporte, etc. O objetivo é permitir que o CSM opere com um modelo de linguagem capaz de responder de forma contextualizada, recuperar informações com eficiência, suportar a transição para suporte de longo prazo (garantias, contratos de serviço) e fornecer guias de tomada de decisão.

Instruções:
- Ingestão e organização: defina um pipeline de ingestão para dividir o conteúdo por departamento, extrair metadados (página, título, data, autor, versão, tipo de documento), e indexar vídeos transcritos.
- Modelagem de conhecimento: crie camadas de conhecimento por domínio, com embeddings por documento e por tópico, e uma camada de recuperação que priorize informações recentes e versões atualizadas.
- Armazenamento e recuperação: utilize uma loja vetorial com chunks de 1–2 páginas (ou 3–5 minutos de vídeo), com metadata para filtros por departamento e tipo de documento.
- Padrões de prompt e respostas: configure prompts de consulta que retornem: (i) resposta direta, (ii) referências a SOPs/evidências, (iii) uma seção de passos de ação, (iv) itens de verificação específicos para warranty/serviços, (v) lacunas de SOP a serem criadas.
- Governança e conformidade: implemente controle de acesso por departamento, versionamento, registros de alteração, proteção de dados sensíveis e políticas de retenção.
- Arquitetura recomendada: com Gemini como motor de LLM para respostas e consultas, NotebookLM para sessão de exploração e links para conteúdos correlacionados; defina fluxos de RAG, caching de prompts e estratégias de atualização de conhecimento.
- Casos de uso e fluxos: crie cenários para (a) suporte de garantia e contratos, (b) onboarding de clientes, (c) transição de projeto para serviço, (d) resposta a perguntas de compliance, (e) geração de guias de treinamento.
- Output e validação: para cada consulta, retornar (i) resposta resumida, (ii) referências às SOPs, (iii) resumo de processos, (iv) ações recomendadas, (v) perguntas de qualificação, (vi) lacunas identificadas. Inclua métricas de sucesso.
- Métricas: precisão, cobertura de SOP por departamento, tempo de resposta, satisfação do CSM, taxa de imprecisão, aderência a políticas de dados.
- Exemplo de prompt de consulta: forneça uma estrutura clara de saída que inclua as referências de fácil rastreio, a etapa exata do processo e as ações recomendadas, formatando isso de forma que possa ser incluído em um relatório de serviço ao cliente.

Como Usar este Prompt

1

Clique no botão "Copiar Prompt" para copiar o conteúdo completo.

2

Abra sua ferramenta de IA de preferência (Gemini e etc.).

3

Cole o prompt e substitua as variáveis (se houver) com suas informações.

Compartilhe

Gostou deste prompt? Ajude outras pessoas a encontrá-lo!