Nu skal teknisk dokumentation henvende sig til både mennesker og AI

Indtil for ganske nylig havde content kun én målgruppe, nemlig mennesker. Information i alt fra bøger og manualer til online videnbaser blev produceret for at blive læst, fortolket og anvendt af mennesker.

Det gjaldt også teknisk dokumentation. Ingeniører, udviklere, teknikere og kunder var afhængige af manualer, videnbaser og produktdokumentation, når de skulle løse problemer og forstå, hvordan systemer virker. Men målgruppen for teknisk dokumentation er vokset.

I dag læses dokumentation i stigende grad først af AI-systemer, som udtrækker, fortolker og sammensætter information til brugere, og kun nogle gange af mennesker.

Dette skifte betyder, at dokumentation nu skal kunne forbruges på to forskellige måder:

• af mennesker, som læser og anvender oplysningerne direkte

• af AI-systemer, der udtrækker og bearbejder oplysningerne til svar.

Det er en udfordring at producere teknisk dokumentation, der fungerer effektivt for begge typer brugere,.

AI ændrer brugeres måde at tilgå dokumentation på

Den måde, folk tilgår produktdokumentation på, har ændret sig markant gennem tiden. Tidligere var dokumentation primært fysisk. Produktmanualer, installationsvejledninger og fejlfindingsinstruktioner blev udskrevet på papir og leveret sammen med produktet. Hvis brugerne havde brug for hjælp, ville de bladre gennem siderne for at finde det relevante afsnit.

Men nu, hvor dokumentation som regel gøres tilgængeligt online, er det blevet meget nemmere at finde og bruge. I stedet for at lede i en trykt manual kan brugere nu blot søge efter svar på internettet. De kan:

• bruge en søgemaskine til at finde en løsning

• browse et hjælpecenter eller en videnbase

• læse en produktmanual online

• følge en fejlfindingsvejledning.

I mange år var det standardproceduren. Brugerne fandt frem til dokumentationen og læste den selv. Men i dag er proceduren igen under forandring.

I stedet for at søge efter dokumentation direkte spørger mange brugere nu en AI til råds. Som eksempler kan nævnes:

• AI-baserede søgefunktioner

• AI-assistenter indbygget i software

• chatbaserede hjælpesystemer

• generative supportagenter.

I stedet for selv at åbne dokumentationen og læse den får brugere i stigende grad AI-genererede opsummeringer eller instruktioner baseret på dokumentationen.

Samtidig er produktdokumentation ikke længere begrænset til manualer og hjælpesider. Mange organisationer leverer nu teknisk vejledning gennem et større økosystem, der omfatter videnbaser, vejledningsvideoer, onboarding-vejledninger og e-læringsmoduler. Disse ressourcer trækker i mange tilfælde på den samme underliggende dokumentation og er stadig oftere forbundet til AI-baserede supportværktøjer, der finder svarene for brugerne.

Resultatet er, at dokumentation ikke længere blot er noget, folk læser. Det er ved at udvikle sig til en videnkilde, som AI-systemer kan sammensætte til svar til brugere.

Derfor kæmper mange dokumentationssystemer med AI

Størstedelen af den eksisterende dokumentation er udarbejdet med henblik på, at mennesker skal lede efter oplysninger i det og læse det, ikke til at blive fortolket af maskiner. Dokumentation, der henvender sig til menneskelige læsere, skal bare være tydelig og nem at navigere i. En bruger kan skimme overskrifter, hurtigt kigge afsnit igennem og bruge deres egen dømmekraft, når de skal fortolke betydningen.

AI-systemer læser derimod ikke dokumentation på samme måde. De er afhængige af struktur, kontekst og ensartet terminologi for at kunne "forstå" oplysningerne korrekt. Det er her, mange dokumentationsøkosystemer løber ind i problemer.

En stor mængde teknisk content eksisterer stadig som det, der kaldes ustruktureret content, dvs. dokumenter eller sider, der primært er skrevet med henblik på at kunne læses af mennesker snarere end at være organiserede på måder, som er nemme at fortolke for maskiner.

Når dokumentation er ustruktureret eller organiseret på en inkonsekvent måde, er det meget sværere for AI-systemer at udtrække pålidelige svar.

Udbredte udfordringer omfatter:

• Store og omfattende dokumenter
  
  Store PDF'er eller lange websider kan rumme værdifulde oplysninger, men behandler ofte mange emner i én tekst. Det gør det svært for en AI at identificere og udtrække præcise svar.

• Uklar struktur
  
  Når indholdet ikke har et tydeligt hierarki, mangler semantiske tags eller ikke er opdelt i moduler, har AI-værktøjer svært ved at forstå, hvordan begreber relaterer til hinanden.

• Manglende kontekst
  
  Teknisk content skrevet i små fragmenter kan mangle de omgivende oplysninger, der er nødvendige for at kunne fortolke det korrekt.

• Inkonsekvent terminologi
  
  Hvis der bruges forskellige ord eller formuleringer for samme begreb, kan både AI'er og oversættere have svært ved at gennemskue, at de henviser til det samme.

Disse udfordringer påvirker ikke kun AI-systemers udtrækning af information. De forårsager også langsigtede problemer for organisationer, der håndterer dokumentation på flere sprog, herunder unødig kompleksitet, begrænset mulighed for genbrug af content og større behov for vedligeholdelse.

Derfor skal dokumentation fungere for AI'er

For at fremme AI'ers adgang til information skal dokumentation så vidt muligt være struktureret og modulopbygget og have mest mulig kontekst.

Det betyder ikke, at man blot skal skrive længere dokumenter. I stedet indebærer det udvikling af contentøkosystemer, der kombinerer en høj detaljeringsgrad med klar struktur.

Dokumentation, der er forberedt til AI, indeholder typisk:

• modulopbyggede emner snarere end store dokumenter

• en tydelig semantisk struktur

• ensartet terminologi

• kontekstuelle forklaringer

• metadata og tags

• contentkomponenter, der kan genbruges.

Det kan strukturerede contentrammer som XML-baseret dokumentation og DITA hjælpe organisationer med at opnå ved at separere content fra formatering og opdele information i moduler, der er nemme at genbruge.

Denne metode gør det lettere for AI-systemer at udtrække oplysninger. Samtidig forbedrer den brugervenligheden, gør indholdet nemmere at genbruge og sikrer, at det passer bedre ind i lokaliseringsworkflows.

Traditionel dokumentation kontra dokumentation forberedt til AI

Forskellen mellem traditionel dokumentation og dokumentation forberedt til AI handler ikke kun om teknologi. Den afspejler et skifte i, hvordan information struktureres, organiseres og leveres.

Traditionel dokumentation

• Primært udarbejdet til menneskelige læsere

• Store dokumenter eller manualer

• Narrativ struktur

• Brugere søger og læser dokumentationen direkte

• Content organiseres omkring dokumenter

• Inkonsekvent terminologi fra dokument til dokument

• Begrænset genbrug mellem kanaler

• Vanskeligt at udtrække præcise svar

Dokumentation forberedt til AI

• Udarbejdet til både menneskelige læsere og AI-systemer

• Modulopbyggede emner og contentblokke, der kan genbruges

• Struktureret, semantisk organisation

• AI'en udtrækker, opsummerer og præsenterer svar

• Content organiseret omkring emner og viden-enheder

• Kontrolleret terminologi og strukturerede metadata

• Content genbruges på tværs af hjælpecentre, chatbotter, undervisning og andre platforme

• Nemt for AI-systemer at udtrække bestemte oplysninger

Derfor er lange dokumenter på vej tilbage, bare i en ny form

I de teams, der arbejder med dokumentation, snakkes der mere og mere om lange dokumenters genkomst. Ved første øjekast kan det virke ulogisk. I årevis har dokumentationsstrategier fokuseret på kortere tekster udarbejdet til at være hurtige at scanne.

Men AI-systemer er afhængige af masser af kontekst og præcise forklaringer af begreber, hvis de skal kunne udtrække nøjagtige oplysninger og generere pålidelige svar. Overfladisk eller meget fragmenteret content har ofte for mange huller til, at AI-modeller kan fortolke det korrekt.

Det betyder, at dokumentation i stigende grad skal være detaljeret nok til, at AI-systemer kan forstå emnet, samtidig med at det skal være tilgængeligt for menneskelige læsere.

I stedet for at vende tilbage til tætskrevne manualer kombinerer moderne dokumentation struktureret detaljering med modulopbygget organisering. I praksis indebærer det ofte:

• koncise opsummeringer, som brugere hurtigt kan skimme

• mere detaljerede forklaringer, der giver kontekst

• trinvise forklaringer, der fører brugerne gennem procedurer

• strukturerede overskrifter, der hjælper både læsere og maskiner med at navigere i contentet.

Denne tilgang i flere lag sikrer, at dokumentationen er praktisk for menneskelige brugere, samtidig med at den leverer den kontekst, som AI-systemer har brug for til at fortolke informationen pålideligt.

Sådan struktureres dokumentation for AI

For dokumentationsteams ligger udfordringen ikke blot i at producere mere content, men i at strukturere det optimalt. Flere principper kan hjælpe organisationer med at udarbejde dokumentation, der fungerer for såvel AI'er som for menneskelige læsere:

• Kontekstuelle forklaringer
  
  Tydelige forklaringer af begreber, relationer og terminologi, så AI-systemer kan fortolke dem korrekt.

• Modulære contentstrukturer
  
  Når dokumentation opdeles i strukturerede emner, bliver det nemmere at udtrække, genbruge og lokalisere information.

• Content i flere lag
  
  Korte opsummeringer kombineret med mere dybdegående forklaringer understøtter både hurtig informationssøgning og en dybere forståelse.

• Tydelige overskrifter og semantisk struktur
  
  Et ensartet hierarki hjælper både læsere og maskiner med at forstå, hvordan informationen er organiseret.

• Ensartet terminologi
  
  Klar og ensartet terminologi reducerer tvetydigheden for læsere, oversættere og AI-systemer, som skal udtrække information.

Mange organisationer bruger også AI-værktøjer til at skrive, opsummere eller oversætte i selve dokumentationsprocessen. Produktion af dokumentation, der både er udarbejdet ved hjælp af en AI og kan læses af en AI, bliver en stadig vigtigere del af en moderne contentstrategi.

Tekniske redaktører er blevet til dokumentationsarkitekter

I takt med at dokumentationsøkosystemer udvikler sig, ændres tekniske redaktørers rolle. De er ikke længere kun ansvarlige for at producere tekst. De bestemmer i stadig højere grad, hvordan information struktureres, organiseres og genbruges på tværs af systemer.

Moderne tekniske redaktører arbejder ofte med:

• strukturerede rammer for tekstproduktion

• metadata og taksonomi

• videnarkitekturer

• lokaliseringsworkflows

• systemer til publicering ad flere kanaler.

I mange organisationer er tekniske redaktører ved at udvikle sig til informationsarkitekter og contentstrateger med ansvar for at udvikle dokumentationssystemer, der understøtter både menneskelige brugere og maskinbaseret udtrækning af viden.

Dokumentationsøkosystemer omfatter nu langt mere end manualer

I dag dækker teknisk dokumentation over et bredt udvalg af formater og platforme. Et enkelt dokumentationsøkosystem kan indeholde:

• produktmanualer

• hjælpecentre

• videnbaser

• vejledningsvideoer

• API-dokumentation

• onboarding-vejledninger

• supportcontent

• videnkilder til chatbots.

Hvert stykke content skal fungere på tværs af flere kanaler, samtidig med at det forbliver ensartet, nøjagtigt og klart til lokalisering. Det kræver strukturerede contentstrategier og skalerbare workflows at udarbejde dokumentation, der fungerer på tværs af dette økosystem.

Fremtiden for dokumentation: tydelig for mennesker og forståelig for maskiner

Målet med moderne teknisk dokumentation er ikke kun at understøtte AI-systemer. Det er at producere content, som fungerer effektivt på tværs af et komplekst viden-økosystem, hvor både mennesker og maskiner kan trække på de samme informationskilder.

Godt organiseret dokumentation skal:

• levere klare svar til menneskelige brugere

• indeholde tilstrækkelig kontekst til, at AI-systemer kan udtrække nøjagtig information

• opretholde ensartethed på alle sprog og markeder

• understøtte skalerbar publicering i alle formater og på alle platforme.

For at opnå denne balance kræves en gennemtænkt contentarkitektur, struktureret tekstforfatning og workflows, der understøtter genbrug og lokalisering. Resultatet er dokumentation, som er nemmere at vedligeholde, nemmere at oversætte og meget nemmere for både mennesker og AI-systemer at forstå.

Forbered jeres tekniske dokumentation til AI

Efterhånden som dokumentationsøkosystemer udvikler sig, kigger mange organisationer med nye øjne på, hvordan deres content struktureres, publiceres og lokaliseres på tværs af sprog og platforme. Hvis I er ved at undersøge, hvordan I kan gøre jeres tekniske dokumentation mere skalerbar, klar til lokalisering og tilgængelig for både mennesker og AI-systemer, kan vores eksperter hjælpe.

Tal med en af LanguageWires specialister om jeres workflow for teknisk dokumentation, og find ud af, hvordan struktureret content, AI-assisteret lokalisering og integrerede workflows kan understøtte jeres globale dokumentationsstrategi.