Decagonナレッジベースのセットアップ：2026年のための実践的ガイド

AI（Artificial Intelligence：人工知能）を活用したナレッジベースのセットアップは、実際にやってみるまでは簡単そうに聞こえます。Confluence（コンフルエンス）に散らばったヘルプ記事、Google Drive（グーグルドライブ）に埋もれたFAQ（Frequently Asked Questions：よくある質問）、Zendesk（ゼンデスク）に蓄積された長年のサポートチケット。これらすべてをAIが実際に使用できる形式にするには？そこでDecagonのようなプラットフォームが登場します。

Decagonは、エンタープライズに焦点を当てたナレッジベースのセットアップへのアプローチを取り、散在するすべてのコンテンツをAIエージェントが実際に操作できるものに統合することを約束しています。しかし、そのプロセスは実際にどのように機能するのでしょうか？また、あなたのチームに最適なのでしょうか？知っておくべきことをご紹介します。

Decagonとは？ナレッジベースをどのように処理するのか？

Decagonは、2023年に設立されたAIカスタマーサポートプラットフォームで、エンタープライズチーム向けの会話型AIエージェントを構築します。Decagonのエージェントは、固定されたスクリプトに従う基本的なチャットボットとは異なり、コンテキストを理解し、複雑なクエリを処理し、払い戻しの処理やアカウント情報の更新などの実際のアクションを実行するように設計されています。

このプラットフォームは、Duolingo（デュオリンゴ）、ClassPass（クラスパス）、Chime（チャイム）、Rippling（リプリング）などの著名な顧客を獲得しています。彼らのケーススタディによると、一部のチームは80％を超える問題解決率と、95％ものコスト削減を達成しています。

Decagonのアプローチの中心にあるのは、ナレッジベースです。これは、AIエージェントに情報を提供する、一元化された検索可能な情報のコレクションです。しかし、Decagonは単にドキュメントをデータベースにダンプするだけではありません。ナレッジインジェスチョン（knowledge ingestion）と呼ばれるプロセスを使用して、複数のソースからのコンテンツを統合し、ナレッジグラフ（knowledge graph）と呼ばれるものに変換します。

ナレッジインジェスチョン（knowledge ingestion）のプロセス

Decagonのナレッジインジェスチョン（knowledge ingestion）は、ヘルプセンター、Confluence（コンフルエンス）ページ、Google Drive（グーグルドライブ）、SharePoint（シェアポイント）、過去のサポートチケット、さらにはエージェントマクロなど、コンテンツが現在存在する場所から取得します。システムはこれらすべてを読み取り、整理し、関連する情報間の接続を作成します。

その結果、Decagonが「信頼できる唯一の情報源（single source of truth）」と呼ぶものが得られ、AIエージェントが即座に参照できます。顧客が質問をすると、エージェントはキーワードを検索するだけではありません。意図を理解し、ドキュメントの最も関連性の高い部分から情報を取得します。

エージェントオペレーティング手順（AOP：Agent Operating Procedures）

ここでDecagonは、より単純なAIツールとは異なります。Decagonは、単に質問に答えるだけでなく、エージェントオペレーティング手順（AOP：Agent Operating Procedures）を使用します。これは、コードにコンパイルされる自然言語の指示であり、特定の状況をどのように処理するかをAIに正確に指示します。

AOP（Agent Operating Procedures）を、AIの標準運用手順（SOP：Standard Operating Procedures）と考えてください。「顧客が30日以内に払い戻しを要求し、以前に払い戻しを受けていない場合は、自動的に処理します」のような指示をプレーンイングリッシュで記述します。システムはそれを実行可能なロジックに変換します。

これにより、非技術的なCX（Customer Experience：顧客体験）チームはAIの動作を直接形成でき、エンジニアはコアコードとセキュリティを制御できます。

Decagonナレッジベースのセットアップ：ステップバイステップガイド

Decagonの実装は、6週間のタイムラインに従います。ナレッジベースのセットアッププロセスが実際にどのように見えるかを以下に示します。

ステップ1：ナレッジソースを接続する

最初のフェーズは、コンテンツをシステムに取り込むことです。Decagonは以下に接続します。

• ヘルプセンターとFAQ（Frequently Asked Questions：よくある質問）ページ
• Confluence（コンフルエンス）と社内Wiki
• Google Drive（グーグルドライブ）とSharePoint（シェアポイント）フォルダー
• 過去のサポートチケットと会話履歴
• エージェントマクロと保存された返信
• CRM（Customer Relationship Management：顧客関係管理）データと顧客記録

このフェーズでは、Decagonのチームとの迅速なフィードバックループのために、コミュニケーションチャネル（通常はSlack（スラック）またはTeams（チームズ））もセットアップし、安全なテストのためにサンドボックス環境を確立します。

ステップ2：トレーニングのためにデータを準備する

生のデータだけでは十分ではありません。Decagonは、トレーニングの前にドキュメントをクリーンアップすることをお勧めします。

• ヘルプ記事が明確で、正確で、理解しやすいことを確認します
• すべてのドキュメントで、製品と機能に一貫した用語を使用します
• 古い情報を削除またはアーカイブします
• AIが常に最新のドキュメントを参照するように、バージョン管理を実装します

このステップは、ほとんどのチームが予想するよりも重要です。AIは、提供する情報と同じくらい優れている可能性があります。

ステップ3：エージェントオペレーティング手順（Agent Operating Procedures）を構成する

ナレッジを取り込んだら、AOP（Agent Operating Procedures）を作成します。これには、既存のSOP（Standard Operating Procedures：標準運用手順）を、以下を定義するAI対応の指示に変換することが含まれます。

• さまざまな種類の顧客リクエストを処理する方法
• いつ人間のエージェントにエスカレーションするか
• AIが自律的に実行できるアクション
• 払い戻しなどの機密性の高い操作のガードレール

Decagonのチームは、このフェーズでお客様と協力して、特定のワークフローに基づいてこれらの手順を作成および改良します。

ステップ4：テストと改良

本番環境に移行する前に、コアワークフローで内部テストを実行します。Decagonは、シミュレートされた会話とユニットテストのためのツールを提供します。チームは以下をテストします。

• 応答の正確さとトーン
• 適切なワークフローの実行
• エッジケースとエラー処理
• 統合の信頼性

テスト結果に基づいて、AOP（Agent Operating Procedures）とプロンプトを反復処理して、精度を向上させます。このフェーズは通常、技術的な統合テストと並行して行われます。

Decagonに接続できるデータソースは何ですか？

Decagonは、ほとんどの主要なビジネスシステムと統合されています。以下がサポートされています。

ヘルプデスクプラットフォーム： Zendesk（ゼンデスク）、Freshdesk（フレッシュデスク）、Gorgias（ゴーシャス）、Help Scout（ヘルプスカウト）

CRM（Customer Relationship Management：顧客関係管理）： Salesforce Service Cloud（セールスフォースサービスクラウド）

ナレッジベース： Confluence（コンフルエンス）、Google Drive（グーグルドライブ）、SharePoint（シェアポイント）

コミュニケーション： Slack（スラック）、Microsoft Teams（マイクロソフトチームズ）

カスタム： 内部システム用のAPI接続

これらの統合の深さが重要です。Decagonはデータを読み取るだけでなく、システムに書き戻すこともできます。つまり、AIエージェントが払い戻しを処理すると、実際に支払いシステムが更新されます。チケットをエスカレーションすると、完全なコンテキストでヘルプデスクにチケットが作成されます。

継続的な改善とナレッジギャップ

ナレッジベースは、設定して忘れるプロジェクトではありません。Decagonには、継続的なメンテナンスのための機能が含まれています。

ナレッジギャップ分析

DecagonのSuggestions機能は、AIが苦労した、または完全な回答を提供できなかった会話を分析します。パターンを特定し、ドキュメント内の不足している、または古いナレッジを強調表示します。

自動記事生成

システムがギャップを特定すると、最適な人間のエージェントが同様の問題を解決した方法に基づいて、新しいヘルプ記事を自動的に作成できます。これらのドラフトは、推測ではなく、実際の顧客との会話に基づいています。

フィードバックループ

AIは、修正から継続的に学習します。人間のエージェントがAIによって生成された応答を編集したり、エスカレーションを処理したりすると、そのフィードバックがシステムに組み込まれます。時間の経過とともに、AIは顧客が尋ねる特定の種類の質問をより適切に処理できるようになります。

Decagonの価格と実装タイムライン

実際にどれくらいの費用がかかり、どれくらいの時間がかかるかについて説明しましょう。

一般的な実装タイムライン

Decagonの標準的な実装には約6週間かかります。

• 1週目： 発見と基盤（技術スタックの監査、サンドボックスのセットアップ）
• 2週目： キックオフと並行ワークストリーム（成功指標の定義、AOP（Agent Operating Procedures）の作成）
• 3〜4週目： 構築とテスト（構成、内部テスト、改良）
• 5週目： 収束と準備（コンプライアンスレビュー、チームトレーニング）
• 6週目： 本番稼働とスケーリング（制御されたロールアウト、監視、完全なデプロイ）

価格モデル

Decagonは公開価格を公開していません。営業チームに連絡して、会話量、チャネル、統合の複雑さに基づいてカスタムの見積もりを取得する必要があります。

このモデルはエンタープライズに焦点を当てています。実装と継続的な最適化をガイドする専任の「エージェントプロダクトマネージャー」が提供されます。この手厚いアプローチは大規模なチームには理にかなっていますが、自分でセットアップできるものを探している場合は過剰になる可能性があります。

代替アプローチ：eesel AIのナレッジベースのセットアップ

Decagonのアプローチは、専任の実装リソースを持つ大規模な企業に適しています。しかし、より迅速で柔軟なものが必要な場合はどうでしょうか？

私たちは、eesel AIを異なる哲学で構築しました。AIシステムを構成する代わりに、あなたのビジネスを自動的に学習するAIチームメイトを雇います。

私たちのアプローチの違いを以下に示します。

既存のデータからの自動学習

eeselを使用すると、手動での取り込みプロセスはありません。ヘルプデスク（Zendesk（ゼンデスク）、Freshdesk（フレッシュデスク）、Gorgias（ゴーシャス）、または100以上の統合）に接続すると、過去のチケット、マクロ、ヘルプセンターの記事からすぐに学習を開始します。移行、データ準備、エンジニアリングチケットは不要です。

プログレッシブロールアウト

6週間の実装の代わりに、eeselを数分で開始できます。エージェントがレビューするためのAIドラフトの返信から始めます。品質に自信がついたら、完全な自律性にレベルアップします。事前に決定されたタイムラインではなく、実際のパフォーマンスに基づいてペースを制御します。

プレーンイングリッシュのカスタマイズ

AOP（Agent Operating Procedures）や技術的な指示を記述せずに、自然言語で動作を定義します。払い戻しの処理方法を変更したいですか？「払い戻しリクエストが30日を超える場合は、丁寧に辞退し、ストアクレジットを提供します」と指示するだけです。コード、構成言語は不要です。

私たちの価格は透明性があり、従業員数ではなく使用量に応じてスケーリングされます。シートではなく、AIインタラクションに対して支払います。

チームに適したナレッジベースのアプローチを選択する

では、どちらのアプローチがあなたに適しているのでしょうか？

Decagonは、次の場合に適している可能性があります。

• 複雑なマルチプロダクトサポート業務を行う大規模な企業である
• 実装とメンテナンスに専念できるエンジニアリングリソースがある
• 手厚い管理サービスアプローチを好む
• 広範なカスタマイズが必要であり、セットアップに6週間以上投資する意思がある

eesel AIは、次の場合に適している可能性があります。

• 長期にわたる実装なしに、すぐに開始したい
• AIが既存のデータから自動的に学習するチームメイトモデルを好む
• 監督付きで開始し、パフォーマンスに基づいて自律性にレベルアップしたい
• エンタープライズセールスサイクルなしで、透明性のある使用量ベースの価格設定が必要

結論は？どちらのアプローチも機能する可能性があります。適切な選択は、チームの規模、技術リソース、タイムライン、および実装プロセスに対する制御の程度によって異なります。