**Bối cảnh** Một startup cung cấp SaaS có team hỗ trợ kỹ thuật 5 người. Mỗi tuần họ nhận khoảng 200 ticket, trong đó 40% là các câu hỏi lặp lại về cách cấu hình, xử lý lỗi phổ biến hay giải thích tính năng mới. Tài liệu hướng dẫn hiện có phân rải trên Google Drive, Notion và Slack, khiến việc tìm kiếm và cập nhật tốn nhiều thời gian. **Thách thức** - Thiếu quy trình chuẩn để biến câu trả lời ticket thành bài viết knowledge base. - Nội dung cũ nhanh chóng lỗi thời khi sản phẩm cập nhật. - Thành viên team bận rộn, không có chuyên viên technical writer. **Giải pháp AI** Sử dụng mô hình ngôn ngữ lớn (LLM) qua API (ví dụ GPT‑4o) kết hợp với công cụ tự động hóa n8n. Quy trình gồm 4 bước: 1. **Thu thập dữ liệu**: Webhook từ hệ thống ticket (Zendesk) đẩy ticket đã đóng và có tag "KB‑candidate" vào n8n. 2. **Tóm tắt & chuẩn hóa**: Prompt yêu cầu LLM tóm tắt vấn đề, nguyên nhân gốc rễ, bước giải quyết chi tiết và định dạng theo template Markdown (Tiêu đề, Mô tả, Các bước, Lưu ý). 3. **Kiểm tra trùng lặp**: So sánh embedding của bài mới với các bài hiện có trong vector DB (Pinecone). Nếu độ tương đồng > 0.85 thì gộp nội dung, ngược lại tạo bài mới. 4. **Đẩy lên Notion**: Node Notion tạo hoặc cập nhật trang, gán tag phiên bản sản phẩm và ngày cập nhật. **Kết quả sau 8 tuần** - 120 bài viết knowledge base được tạo/cập nhật tự động, giảm 70% thời gian soạn thảo thủ công. - Tỷ lệ ticket lặp lại giảm từ 40% xuống 18% nhờ người dùng tự tìm kiếm trước khi gửi yêu cầu. - Thời gian trung bình xử lý ticket (MTTR) giảm 22%. **Bài học & Lời khuyên** - **Prompt engineering**: Cung cấp ví dụ few‑shot rõ ràng để LLM tuân thủ template, tránh bịa đặt thông tin. - **Human‑in‑the‑loop**: Giữ bước review nhanh (5 phút) trước khi publish để đảm bảo chính xác kỹ thuật. - **Versioning**: Lưu metadata phiên bản sản phẩm để dễ dàng archive khi feature bị deprecated. - **Chi phí**: Với ~200 ticket/tháng, chi phí API khoảng 15 USD, ROI rõ rệt so với việc thuê writer. **Kết luận** AI không chỉ viết nội dung mà còn đóng vai trò "cầu nối" giữa luồng ticket hỗ trợ và kho kiến thức có cấu trúc. Team nhỏ có thể triển khai trong vài ngày nhờ các công cụ low‑code, tập trung nguồn lực vào giải quyết vấn đề phức tạp thay vì lặp lại câu trả lời.