Tren chatboten på komplekse dokumenter: kontrakter og manualer

Mange bedrifter starter med FAQ og nettsider — men de virkelig verdifulle spørsmålene ligger ofte i tykke PDF-er: serviceavtaler, produktmanualer, interne prosedyrer og tekniske spesifikasjoner. Med riktig forberedelse kan du trene en AI-chatbot på dette innholdet uten å bygge et eget dokumentsystem. Chatly henter tekst fra PDF-er, støtter OCR på skannede sider, og bruker RAG slik at svarene bygger på kildene dine. Denne guiden viser hvordan du går fra «for komplekst» til praktisk brukbar kunnskapsbase.

Hva menes med «komplekse dokumenter»?

I denne sammenhengen snakker vi om innhold som er lengre, mer strukturert og mer fagspesifikt enn en vanlig FAQ-side:

Juridiske og kommersielle tekster (rammeavtaler, SLA-er, personvernvedlegg)
Tekniske manualer med kapittelstruktur, tabeller og referanser
Interne retningslinjer og prosessbeskrivelser med mange unntak og vilkår
Skannede dokumenter der teksten ikke kan markeres direkte i PDF-en

Målet er ikke at chatboten skal «forstå juss» eller erstatte en advokat — men at kunder og ansatte raskt finner riktig avsnitt, definisjon eller prosesssteg fra materialet dere allerede har. For generell trening, se også guiden for å trene AI-chatboten.

Hvorfor FAQ-tilnærmingen ikke holder

Komplekse dokumenter skiller seg fra enkle spørsmål og svar på flere måter:

Struktur: Lang tekst med kapittler, vedlegg og kryssreferanser — ett svar kan kreve informasjon fra flere deler.
Terminologi: Faguttrykk og interne forkortelser må finnes i kildene, ikke antas av modellen.
Kontekst: «Hva gjelder for meg?» avhenger ofte av produkt, region eller avtaletype.
Risiko ved feilsvar: Unøyaktige svar på policy eller kontraktstekst skader tillit raskere enn et feil svar om åpningstider.

Slik håndterer Chatly komplekse dokumenter

Plattformen er bygget for RAG: chatboten søker i det dere har lastet opp, og svarer ut fra treff — ikke fra generell modellkunnskap alene.

PDF og tekstbaserte dokumenter

Når du laster opp en PDF med markerbar tekst, ekstraherer Chatly innholdet og deler det opp i meningsfulle deler (chunks) som brukes ved søk. Det fungerer godt for manualer, produktark og policy-dokumenter.

Skannede sider og OCR

Eldre kontrakter og tegninger er ofte bare bilder i PDF. Chatly kan kjøre OCR på bilder og håndskrevne notater slik at også dette materialet kan indekseres — forutsatt at lesbarheten er god nok.

RAG og kilder

Ved hvert spørsmål hentes relevante utdrag fra kunnskapsgrunnlaget før svaret genereres. Det reduserer hallusinasjoner sammenlignet med en ren språkmodell. Les mer om nøyaktighet og kilder i guiden om RAG og treffsikkerhet. Du kan også aktivere visning av kilder i chatboten der planen støtter det.

Viktig om kontrakter: Chatboten bør formulere svar som veiledning basert på dokumentene dere har lastet opp — ikke som juridisk rådgivning. Fjern eller anonymiser persondata og interne detaljer før opplasting. Se også sikkerhet ved treningsdata.

Forbered dokumentene før opplasting

Du trenger ikke perfeksjon fra dag én, men noen få grep øker treffsikkerheten merkbart:

Del opp svært lange filer: Manualer over ~50 sider kan med fordel deles i logiske PDF-er (f.eks. installasjon, vedlikehold, garanti) slik at søket treffer riktig del.
Bruk tydelige filnavn: «SLA_ProduktX_2026.pdf» er bedre enn «dokument_v3.pdf» når dere vedlikeholder innhold i dashbordet.
Skriv for lesbarhet: Korte avsnitt, tydelige overskrifter og definisjonslister hjelper både mennesker og chunking. Tips finnes i innholds-skriveguiden.
Hold versjoner oppdatert: Når en ny avtale eller manual gjelder, last opp på nytt og fjern utdaterte filer så boten ikke siterer gammel tekst.
Suppler med FAQ der det passer: For de ti vanligste spørsmålene kan en kort FAQ-side eller notat gi enda skarpere svar enn et 80-siders dokument alene.

Test, mål og forbedre

Komplekse kilder krever iterasjon. Et praktisk opplegg:

Skriv 15–20 realistiske spørsmål kunder eller ansatte faktisk stiller (inkl. formuleringer med «bin», «avtale», «garanti», «kapittel 4»).
Test i chatboten og noter hvor svaret er vagt, feil eller uten dekning i kildene.
Juster innhold: legg til manglende avsnitt, forenkle språk, eller del opp PDF-er.
Følg med på ubesvarte spørsmål og kvalitet i dashbordet der funksjonen er aktivert — det peker direkte på hull i kunnskapsgrunnlaget. Mer om verdi av trening i ROI-artikkelen.

Typiske bruksområder

Kundeservice: «Hva står om garanti i serviceavtalen?» med utdrag fra riktig PDF.
Intern HR/IT: finne prosesssteg i personalhåndbok eller sikkerhetsrutiner.
Salg og teknisk forsales: rask tilgang til spesifikasjoner og kompatibilitet fra produktmanualer.
Eskalering til menneske når spørsmålet krever skjønn, unntak eller individuell vurdering.

Når boten ikke finner dekning, bør den si det tydelig og tilby kontakt — ikke gjette. Det er bedre for tillit enn et sikkerhetsnett av generelle formuleringer. Les om handoff til menneskelig agent når kompleksiteten øker.

Konklusjon

Komplekse dokumenter er ikke utenfor rekkevidde for en RAG-chatbot — de krever bare bedre forberedelse enn en enkel FAQ. Del opp filer, hold kildene oppdatert, test med reelle spørsmål, og kombiner PDF-er med korte FAQ-er der det gir mening. Med Chatly kan dere bygge dette steg for steg i samme dashbord som nettside-innhold og enkle notater.

Utforsk chatly.no for å komme i gang, eller les den fullstendige treningsguiden for alle innholdstyper.