Fin AIマクロ：Intercom AIを自動化するための実践ガイド

あなたのチームがIntercomを使っているなら、おそらく長年かけて素晴らしいマクロのライブラリを構築してきたことでしょう。それらはサポートチームの根幹をなし、効果が実証済みの回答や完璧な言い回し、そして多くの時間を節約するちょっとしたショートカットが満載です。ですから、IntercomがAIエージェントであるFinをリリースしたとき、次の論理的なステップは明らかだと思われました。Finをそれらのマクロに接続し、自動化を飛躍させることです。

しかし、ことはそう単純ではありません。

あなたが築き上げてきた知識のすべてをFinに実際に使わせることは、ワンクリックでできることではありません。実際、初期設定のままでは、むしろ一歩後退したかのように感じられ、スケールさせるのが困難で、最新の状態に保つことはさらに難しい手作業のプロセスに追いやられる可能性があります。

このガイドでは、Fin AIマクロを扱う標準的な方法を解説し、それがなぜボトルネックになりがちなのかを説明し、そしてあなたのAIをナレッジベース全体に接続するための、はるかにスマートで自動化された方法をご紹介します。

Fin AIマクロ：基本を正しく理解する

詳細に入る前に、このパズルの2つの主要な部分について認識を合わせておきましょう。そうすることで、そもそもなぜ断絶があるのかが明確になります。

IntercomのFin AIとは？

FinはIntercom独自のAIエージェントで、人間の介入なしに顧客の質問に答え、サポートチケットを解決するために作られています。複雑な質問に対応し、トラブルシューティングを支援し、行き詰まったときにはチームに会話を引き継ぐことができるというものです。これを実現するためには、ヘルプセンターの記事のようなナレッジベースから学習し、迅速で正確な回答を提供する必要があります。その目標は、エージェントが同じ質問に何度も答える手間を省き、より厄介な問題に集中できるようにすることです。

Intercom AIチャットボットのインターフェースのスクリーンショット。実際の顧客との対話でFin AIマクロがどのように機能するかを示しています。

Intercomのマクロとは？

マクロ（定型文や保存済み返信としても知られているかもしれません）は、サポートエージェントがよくある質問に迅速に答えるために使用する、あらかじめ作成された返信です。しかし、それらは単なるテキストのスニペット以上のものです。それらはチームの集合知が詰まった生きたライブラリなのです。ブランドのトーンを捉え、何度も効果が実証された解決策を含み、何千時間もの経験がワンクリックに凝縮されています。ほとんどのチームにとって、マクロライブラリは最も価値があり、しばしば見過ごされがちなナレッジソースの一つです。

Fin AIとマクロの間の断絶

では、なぜFin AIは初日からあなたのマクロを使い始めることができないのでしょうか？問題はFinの構築方法にあります。Finはヘルプセンターの記事のような構造化された長文コンテンツから学習するように設計されています。エージェントが日常的に使用する、短くアクション指向のテキストスニペットにアクセスし、理解するようには作られていないのです。

これを回避するため、Intercomには公式の回避策があります。マクロを手動で「スニペット」という別のコンテンツタイプに変換することができるのです。Intercomコミュニティフォーラムのあるユーザーが発見したように、これが推奨される方法です。

そして、これが問題の核心です。マクロには高品質な知識という宝の山が眠っているのに、それをAIに届けるための組み込みの方法は、時間がかかり、一つ一つ手作業で行うプロセスしかないのです。

Intercomの回避策：スニペットの使用

公式な方法とその欠点を順に見ていきましょう。このアプローチの限界を理解することが、AIを最大限に活用しようと真剣に考えているチームにとって、なぜ異なる戦略が必要なのかを理解する鍵となります。

スニペットがFin AIでどのように機能するか

Intercomのサポートチームによると、スニペットはFin専用に作られたテキストのみのコンテンツソースです。プロセスはシンプルですが、完全に手動です。チームメンバーは、すべてのマクロを一つ一つ確認し、その内容をコピーし、新しいスニペットを作成してテキストを貼り付ける必要があります。

Finに使わせたいマクロが10個あれば、この作業を10回行います。もし1000個あれば…どうなるかはお分かりでしょう。同じコミュニティのスレッドで別のユーザーが、マクロをスニペットに自動的に移行する方法があるか尋ねたところ、答えは「手動で作成する必要があります」というシンプルなものでした。

手動スニペット戦略の限界

マクロがほんのわずかしかない場合はこの方法でも機能するかもしれませんが、成長するにつれてすぐに破綻します。手動のスニペット戦略に依存することで生じる最大の頭痛の種は以下の通りです。

膨大な時間の浪費であり、スケールしない

これが最も明白な問題です。何百、何千ものマクロを手動で変換するのは、インパクトの低い巨大なプロジェクトであり、チームが実際に顧客を助ける時間から遠ざけてしまいます。これは一時的な修正策でありながら、誰かにとって永続的なメンテナンス業務を生み出します。

情報はすぐに古くなる

ビジネスは変化し、サポートプロセスも同様です。エージェントは実際の会話の中で常に応答を調整し、改善しています。スニペットでは、その新しい知識は失われてしまいます。誰かが忘れずに戻って対応するスニペットを手動で更新しない限り、あなたのAIは古い情報で作業することになります。

会話の文脈が欠けている

マクロはしばしばショートカットです。実際のやり取りの完全な文脈を常に持っているわけではありません。最高のAIモデルは、エージェントが顧客に挨拶する方法、明確化のための質問をする方法、問題が解決したことを確認する方法など、現実世界での解決策の細部から学習します。スニペットは単なる静的なテキストブロックに過ぎません。

知識が分断されてしまう

あなたのマクロはパズルの一片に過ぎません。あなたのチームはおそらく、Confluenceの社内wikiやGoogle Docsのプロセス文書など、他のナレッジベースにも依存しているでしょう。スニペット戦略はこれらの他の貴重なリソースを完全に無視し、AIには全体像のほんの一部しか与えません。

この表は、手動プロセスと、より自動化されたソリューションがどうあるべきかの違いをまとめたものです。

機能	手動スニペットプロセス（Intercomの方法）	自動ナレッジ統合
セットアップ時間	数日から数週間の手動データ入力。	ワンクリック統合で数分。
ナレッジソース	手動で作成されたスニペットに限定。	マクロ、過去のチケット、ドキュメントなどを同期。
メンテナンス	継続的な手動更新が必要。	自己学習し、自動で更新。
文脈	静的なテキストで、会話のニュアンスが欠落。	何千もの実際の会話から学習。
スケーラビリティ	低い。時間とともに管理が困難に。	非常に高い。あなたと共にスケール。

より良い方法：ナレッジをAIと自動的に同期する

手動の移行プロジェクトに何時間も費やす代わりに、最新のAIプラットフォームはシンプルな統合機能を使って面倒な作業を代行します。このアプローチは時間を大幅に節約するだけでなく、よりスマートで役立つAIエージェントにつながります。

マクロを超えて、実際の会話でAIをトレーニングする

最良の答えはマクロの中に隠れているだけではありません。それらはヘルプデスクにある何千もの解決済みチケットの中にあります。そこにこそ、価値ある情報があるのです。

eesel AIのような統合ファーストのプラットフォームは、あなたのIntercomアカウントに直接接続し、会話履歴全体から自動的に学習します。優秀なエージェントがさまざまな状況にどのように対処するかを観察し、あなたのトーン、文脈、そして実証済みの解決策を習得します。これは、静的なスニペットをAIに与えるよりもはるかに強力です。なぜなら、AIは現実世界で実際に機能するものから学習し、単純なテキストブロックでは捉えきれない詳細を把握するからです。あなたは何もしなくても、初日からトップパフォーマーによってAIがトレーニングされます。

すべてのナレッジを数ヶ月ではなく数分で統合する

真にスマートなAIは、断片的な情報ではなく、すべてのナレッジにアクセスする必要があります。自動化されたアプローチなら、取捨選択する必要はありません。例えば、eesel AIでは、Google Docs、Confluence、Notionなど、すべてのナレッジソースをワンクリックで連携させることができます。これにより、AIは完全で統一された頭脳を持つことになり、最良の情報がどこにあってもそこから答えを引き出すことができます。

この画像は、Fin AIマクロを自動的に強化するために、さまざまなナレッジソースを簡単に接続できることを示しています。

何より素晴らしいのは、数分で稼働を開始できることです。セットアップはすべてセルフサービスで、複雑なAPI作業や開発者の時間は必要ありません。手動のスニペットプロジェクトに費やすであろう数日または数週間とは大きな違いです。

本番稼働前に自信を持ってAIをテストする

AIのスイッチを入れるのは、思い切った決断のように感じられるかもしれません。うまく機能するとどうしてわかるのでしょうか？これもまた、最新のアプローチが際立つ点です。eesel AIにはシミュレーションモードがあり、安全な環境で過去の何千ものIntercomチケットを使ってAIをテストできます。AIがどのように応答したかを正確に確認し、解決率の正確な予測を得て、知識のギャップを見つけることができます。これらすべてを、顧客が一人もAIと話す前に行えるのです。これにより、プロセス全体からリスクが取り除かれ、自信を持ってAIを有効にすることができます。

Fin AIテスト環境のスクリーンショット。デプロイ前にFin AIマクロを安全にシミュレートし、検証できます。

Intercomの価格モデルを少し見てみましょう

どのようなAIソリューションを検討するにしても、コストを理解する必要があります。ウェブサイトによると、Intercomのスイートは、人間のエージェントに対する月額のシート単価に加えて、解決1件あたり0.99ドルから始まります。

これは十分にシンプルに聞こえますが、解決件数ごとの価格モデルには大きな欠点があります。コストが予測不可能で、急上昇する可能性があるのです。忙しい月、新製品の発売、予期せぬバグなどが発生すると、解決件数が急増し、驚くほど高額な請求書が届く可能性があります。このモデルは、基本的にチケットの一次解決に成功すればするほど、あなたにペナルティを課すことになります。eesel AIのような他のプラットフォームは、解決件数ごとの料金がなく、透明で予測可能なプランを提供しているため、AIがどれだけ多くのチケットを解決してもコストは変わらないという点を考慮すると、これは重要な要素です。

移行をやめて、統合を始めよう

Intercomのマクロを手動でスニペットに変換するのは、あなたと共に成長できる戦略ではありません。それは長期的目標に対する、欠陥のある短期的な修正策です。貴重な時間を浪費し、メンテナンスの頭痛の種を生み出し、最終的にはAIが持つ可能性を妨げます。

カスタマーサポートにおけるAIの未来は、面倒なデータ入力ではなく、シームレスな統合がすべてです。目標は、AIがチームのすべての知識に、それがどこにあろうともアクセスできるようにし、チームが既に行っている素晴らしい仕事から継続的に学習させることです。

Intercomの真のポテンシャルを解き放つ

あなたのマクロと会話履歴は、手動のワークフローに閉じ込めておくにはあまりにも価値があります。完成した瞬間に時代遅れになる移行プロジェクトに何週間も費やす代わりに、ナレッジベースを自動的に接続することができます。

eesel AIを使えば、Intercomに直接接続し、過去のチケットやマクロでAIをトレーニングし、よりスマートなエージェントを数分で稼働させることができます。無料トライアルを開始するか、今すぐデモを予約して、その仕組みをご確認ください。