AI基礎

① コパイロット、② アクション（とトピック）、③ 推論エンジン、④ 大規模言語モデル（LLM）の 4 つのコンポーネントがあります。

Salesforce インターフェースにシームレスに組み込まれた、会話型 AI アシスタント（エージェント）であり、顧客をサポートし、プロセスを合理化させ、応答時間を短縮させます。この「顧客をサポート」とか、「プロセスを合理化」とか、「応答時間を短縮」とか、そういうワードが出たら、それが回答かも？と怪しんだ方が良いです。

アクションは、コパイロットが物事を遂行する方法です。コパイロットにはアクションのライブラリが含まれています。これは基本的に、情報の要約、ナレッジ ベースからの回答の取得、電子メールの下書きなど、コパイロットが実行できる一連のタスクです。コパイロットのすべてのアクションはトピックに割り当てられます。私の場合、トピックについては問われませんでした。アクション側は覚えることがいっぱいあります。

これは要するに Einstein Copilot がデフォルト（標準）で処理できるライブラリのことです。もう少し簡単言えば、Einstein Copilot の得意分野 みたいなものです。

カスタムアクションは、標準にないものを作成するイメージです。カスタムアクションを作成するときは、呼び出し可能な Apex クラス、自動起動フロー、プロンプトテンプレートなど、Einstein Copilot で使用可能にする既存のプラットフォーム機能の上に構築します。以下はその一例で、このようなものは標準アクションにはないので、作成しましょうというお話です。

ユーザーが Einstein パネルを開いて質問したり指示を入力したりすると、プランナーサービスはバックグラウンドで LLM と連携してリクエストを実行します。プランナー サービスの機能は次のとおりです。 ユーザーのリクエストを解釈し、発話をトピックに分類します。 ユーザーの目標を達成するための計画を反復的に構築します。 目標を達成するために適切なトピックとアクションを見つけて実行します。

Einstein Copilot は AI アシスタントであり、LLM のパワーを活用してユーザーと通信し、組織内でアクションを実行します。プランナーサービスは、ユーザーとのやり取り中にさまざまなタイミングで LLM を呼び出します。

コパイロットの会話のすべてのイベントをキャプチャし、管理者がコパイロットをテストおよびトラブルシューティングするのに役立ちます。デフォルトでは、イベントログにはエンド ユーザーやコパイロットのメッセージなどの会話データは含まれませんが、強化されたイベントログには含まれます。強化されたイベントログを有効にして、すべてのコパイロットの会話アクティビティを 1 か所で表示することをお勧めします。これにより、イベントログは 7 日間保存されるようになります。

再利用可能なプロンプトテンプレートの作成やバージョン管理の場所であり、作成したプロンプトテンプレートのテストが可能です。

プロンプトテンプレートタイプとは、AIモデル（特に大規模言語モデル）に対して、特定の目的やシナリオに応じたプロンプトを簡単に生成するために使われる、定型的なプロンプトの種類や形式のことを指します。これにより、異なるタスクや出力のスタイルに適したプロンプトを効率よく作成することが可能になります。

各種データに基づいてパーソナライズされたメールの下書きを作成できます。

Salesforce レコード内のカスタム フィールドに AI 支援による生成ワークフローをもたらします。例えば、関連するケース コメント履歴の概要を生成するなど。Trailhead にも記載がありますが、レコード詳細コンポーネントを使用する際は、コンポーネントを「動的フォーム」にアップグレードする必要があります。

レコードのデータに基づいて Salesforce レコードのリッチ テキスト概要を作成します。

他のプロンプト テンプレート タイプではカバーされていないビジネス目的のコンテンツを生成し、独自のリソースを定義できるようにします。Flex テンプレートに最大 5 つの入力を追加できます。

１.使用するにはプロンプトテンプレートユーザー権限セットが必要です 2. 標準テンプレートは「名前を付けて保存」（Save as）ボタンを使用してコピーすることでカスタマイズできますが、そのままカスタマイズすることはできません。標準テンプレートをコピーして変更すると、変更されたテンプレートは、カスタムテンプレートとして保存されます。 3.標準のセールス メール プロンプトでは、ハードコードされたハイパーパラメーターが使用されます。これらのパラメーターは「名前を付けて保存」ボタンを使用してテンプレートを作成するときにはコピーされません。つまり、改めて再設定が必要という意味ですね。

・ 最大テンプレートサイズ・・・128,000文字 ・ テンプレートバージョンの最大数・・・50 ・ 差し込み項目（マージフィールド）の最大数・・・50 ・ フロー差し込み項目（マージフィールド）の最大数・・・5 ・ Apex 差し込み項目（マージフィールド）の最大数・・・5 ・ 関連リストの差し込み項目（マージフィールド）の最大数・・・5 ・ Flex テンプレートの最大入力数・・・5

プロンプトテンプレートが簡潔でわかりやすいことを確認してください。業界用語や技術用語の使用は避けてください。 LLM にさらにコンテキスト情報を提供するには、営業担当者やサポート担当者などのキャラクターとしてロールプレイを依頼します。次に、そのキャラクターの目標を定義します。 異なるテンプレートを使用して同じ目標を達成し、各部分がモデルの応答にどのように影響するかを確認します。エンドユーザーからのフィードバックを得て、プロンプトテンプレートが目的の応答をどの程度生成しているかを確認します。 スタイルを選択し、それを守ります。プロンプトテンプレートで「一貫したライティングスタイル」を使用すると、LLM は一貫した応答を生成します。ライティングスタイルは、単語の選択、強調語、絵文字、句読点などによって決まります。 LLM がコンテキストと指示を区別できるように、プロンプトテンプレートに指示セクションを作成します。この時、別の行に「Instructions:」と入力し、指示を三重引用符 (""") で囲みます。 LLM が期待されるタイプのコンテンツのみを生成するように直接指示します。たとえば、LLM に電子メールの下書きを作成させる場合は、「顧客に送信されるメッセージのみを生成するには、これらの指示に厳密に従ってください」などの指示を追加します。これらの指示により、LLM は、必要なコンテンツのみを生成するのではなく、コンテンツの作成プロセスに関する応答を生成することがなくなります。

プロンプ ビルダーで、プロンプトテンプレートを作成、管理するための権限です。

プロンプトビルダーではない場所（Lightning ページなど）で、プロンプトテンプレートにアクセスして実行するための権限です。

Salesforceの「モデルビルダー」は、Salesforce内でデータモデルを構築し、AIモデルを作成・管理するためのツールや機能を指します。特に、Salesforce Einstein（AIツール）を活用する際に、データを基にした機械学習モデルを簡単に作成し、ビジネスニーズに応じた予測や分析を可能にするために利用されます。以下に、モデルビルダーの概要や特徴を説明します。

セットアップや専門的な技術的知識を必要とせずに、Model Playground でモデル構成を作成、編集、評価できます。Model Playground は信頼レイヤーを使用して、データのプライバシーとセキュリティを確保します。

- 商談の予測金額 - 商談の予測成立時間 - 取引先の予測顧客生涯価値 - ケースの予測顧客満足度

温度・・・0 ～ 2 の値を使用して回答の作成性を決定します。値が低いほど回答の一貫性が高く、値が大きい（0.7 ～ 0.9 など）値が乱応答が増えます。生成されるテキストをどの程度一貫性のあるかクリエイティブであるかに基づいて値を指定します。 頻度ペナルティ・・・応答での同じトークン（単語、語句、コード）を頻繁に使用しないようにします。-2.0 ～ 2.0 の値を指定します。生成されるテキストの反復を減らすには、より高い値を使用します。 プレゼンスペナルティ・・・-2.0 ～ 2.0 の値を含む応答で異なるトークンを使用することをお勧めします。生成されたテキストで使用されていないトークンを含めるには、より高い値を使用します。

Salesforceにおける「ハイパーパラメータ（Hyperparameter）」は、機械学習モデルの学習過程において、モデルの挙動や性能に影響を与えるパラメータであり、学習プロセスの前に設定されるものです。ハイパーパラメータは、機械学習モデルがより高い精度を持つように調整され、最適化の際にモデルの性能を向上させる役割を果たします。 ハイパーパラメータの役割 ハイパーパラメータは、機械学習モデルの学習速度、精度、汎化能力（新しいデータへの適応力）に大きな影響を与えます。適切なハイパーパラメータを設定することで、モデルの過学習や未学習を防ぎ、実運用での精度が向上します。

、Salesforce Einstein（AIツール）を利用する際に、データのプライバシー、セキュリティ、ガバナンスを確保し、信頼性の高いAI機能を提供するために設計されたレイヤー（層）です。Einstein Trust Layerは、企業がAIを活用しつつも顧客データやビジネスデータの安全性を維持できるようにするための仕組みです。

AIやチャットボット、特に大規模言語モデル（LLM）を活用する際に、ユーザーが目的の回答やアウトプットに到達するまでに経る一連のプロンプト（入力）とレスポンス（出力）の流れを指します。このプロセスは、ユーザーがAIとのやり取りを通じて徐々に情報を深め、最終的に求める情報や結果に近づいていく一種の「対話的な旅」と捉えることができます。

高質で関連性の高い返信を生成するには、高質で関連性の高い入力データが必要です。CRM 組織から直接、承認済みの安全なデータが取り込まれ、プレースホルダー項目をページコンテキスト、差し込み項目、顧客レコードの関連するナレッジ記事などに 置き換え 始めます。このプロセスを動的グラウンディングといいます。一般に、プロンプトが適切にグラウンディングされていれば、応答の正確性と関連性が向上します。

個人識別情報 （PII）とペイメントカード業界（PCI）データを識別してマスクしてから、LLM に送信します。データマスキングにより、機密データが LLM に公開されることを防ぎます。この後、LLM が「応答」を返すと、元々マスクされていたデータはマスク解除されて、実際のデータが含まれます。監査証跡の収集と保存を Einstein フィードバック設定で有効化することで、データマスキングを追跡し、マスキングされたデータを表示することができます。この監査証跡は Data Cloud に保存されるのも覚えておきましょう。Einstein 生成 AI 監査データとフィードバックデータは、収集と保存を有効にしてから 24 時間以内に Data Cloud に表示されます。また、いつでもデータの収集と保存をオフにすることができます。データの収集と保存をオフにすると、データを収集するデータストリームが一時停止します。

ハッカーや、時として従業員も、制限をうまく迂回して、モデルの設計から逸脱した方法でタスクを実行したり、モデルの出力を操作したりしようとします。生成 AI では、こうした攻撃をプロンプトインジェクションと呼んでいます。プロンプト防御でこの攻撃から保護し、データが侵害される可能性を減少させることができます。

音声通話とビデオ通話で生成的な通話概要を作成できます。Einstein を搭載した通話記録の新しい概要タブでは、次のステップや顧客からのフィードバックを含む編集可能な概要を作成し、概要を共有して作業の流れの中でチームコラボレーションを容易にすることができます。

音声通話やビデオ通話の記録から直接質問することができます。Einstein を搭載した新しい Call Explorer を使用すると、ユーザーは製品に関する言及や未解決の顧客からの質問など、通話に関する情報をすばやく収集できます。

ナレッジベースに基づいて AI が生成した応答により、パーソナライズされたサービス エクスペリエンスを作成し、エージェントの処理時間を短縮できます。AI が生成した返信により、顧客満足度が向上し、エージェントの処理時間が短縮されます。Einstein は、顧客とのチャット中に返信を生成できます。または、ケース ページから直接、推奨されるナレッジ記事に基づいてメールを下書きして送信できます。チャットにも対応していますし、メールにも対応しています。 設定手順 - Einstein 生成 AI を有効 - Salesforce ナレッジ を設定 - サービス AI のグラウンディング を設定

メッセージング チャネルとチャット チャネルでエージェントにリアルタイムで推奨返信リスト（よくある質問に対する定型的な回答）を提供します。Einstein は組織の 過去のチャットデータ を分析し、チャット中にサポート チームが使用する一般的な返信のリストを生成します。上の Einstein Service Replies との区別としては、エージェントの処理時間を短縮するなどの目的は同じですが、ナレッジを分析するわけではないという点です。

進行中のケースで、関連性の高いナレッジ記事をエージェントに推奨します。

チャットやメッセージングチャネルの会話で一般的な問題を自動的に解決します。

受信ケースを分類する目的で、お客様がケースに記したテキスト (ケースの件名や説明) に基づいて項目 (優先度、理由、種別など) の値を予測します。

Einstein ケース分類と連動し、ケースを選別して適切なエージェントまたはキューに転送します。

チャットエージェントがチャットをすばやく終了し、正確性と一貫性が向上します。

会話データをサービスインサイトに変換し、ボットのインテントを構築します。

ナレッジベースを拡充し、業務の流れの中で AI が生成する記事ドラフトで情報を取得します。

データインサイトやビジネスルールを使用して、オファーやエージェントが実行するアクションを推奨します。

数値や分類を当てるのが予測AI