Best practices bij het verwerken van feedback op kennisitems (& ROBIN-impact)
Wij zijn binnen onze organisatie volop bezig met het optimaliseren van onze kennisbank, maar we lopen tegen een aantal praktische en strategische vragen aan rondom de feedback die op kennisitems binnenkomt. Ik ben erg benieuwd hoe andere organisaties hiermee omgaan.
Onze situatie en vragen zijn als volgt:
-
De levenscyclus van feedback: Wanneer een kennisitem negatieve of positieve feedback ontvangt, verwerken we eventuele inhoudelijke opmerkingen in het artikel zelf. Maar wat is daarna de beste volgende stap voor de feedbackmelding?
-
Moet je deze archiveren zodra de wijziging is doorgevoerd?
-
Of kun je de feedback beter direct verwijderen om je lijst schoon te houden?
-
Wat levert het historisch bewaren van verwerkte feedback op de lange termijn op?
-
-
De rol van ROBIN (AI): Heeft het apart laten staan of juist archiveren/verwijderen van feedback nog invloed op hoe ROBIN werkt?
-
Maakt ROBIN actief gebruik van opgeslagen (en al dan niet verwerkte) feedback?
-
Reageert of adviseert ROBIN bijvoorbeeld terughoudender of anders wanneer een kennisitem in het verleden veel negatieve feedback heeft gekregen, of kijkt de AI puur naar de huidige inhoud van het gepubliceerde artikel?
-
Ik hoor heel graag hoe jullie dit inrichten en of hier vaste richtlijnen of best practices voor zijn!
Alvast dank voor het meedenken!