Salesforce AI モデルビルダー実践ガイド

正直なところ、「人工知能」という言葉は頻繁に使われています。しかし、それはもはや未来的なコンセプトではなく、企業が業務を遂行し、より良い意思決定を行うために使用している現実的なツールです。もしあなたの会社がSalesforceを基盤としているなら、Salesforce AIモデルビルダーについて耳にしたことがあるでしょう。これは、自社のビジネスデータから予測的なインサイトを引き出すカスタムAIモデルを作成するための主要なプラットフォームとして位置づけられています。

しかし、それは実際に何をするものなのでしょうか？そして、あなたのチームにとって適切なツールなのでしょうか？

このガイドでは、Salesforce AIモデルビルダーの概要を率直に解説します。その機能、得意なこと、そして導入前に考慮すべき実践的な事柄を詳しく見ていきます。誰が本当に恩恵を受けるのかを検証し、主な目的がカスタマーサポートの自動化である場合に、よりシンプルで迅速な代替案についても議論します。

Salesforce AIモデルビルダーとは？

Salesforce AIモデルビルダーは、Salesforceの大規模AIプラットフォームであるEinstein 1 Studioの一部です。平たく言えば、これは主に2つのことを可能にするローコードツールです。

1. 予測AIモデルをゼロから構築する。 過去のSalesforceデータを学習させることで、顧客の離反確率、リードがコンバージョンするかどうか、顧客の潜在的な生涯価値といった将来の結果を予測するモデルをトレーニングできます。

2. 外部の大規模言語モデル（LLM）を接続する。 これは、しばしば「Bring Your Own Model」（BYOM）機能と呼ばれます。OpenAI、Google Vertex AI、Amazon SageMakerなどから提供される生成AIモデルを、Salesforceのセットアップに直接接続することができます。

すべてはEinstein Trust Layerにラップされており、これがデータのセーフティネットとして機能します。機密情報をマスクし、あなたのデータが大規模な公開AIモデルのトレーニングに使用されるのを防ぐように設計されています。全体的なアイデアは、Salesforceエコシステムから離れることなく、AIモデルを作成、管理、使用するための単一の場所を提供することです。確かに強力ですが、データモデリングに慣れており、カスタムソリューションをゼロから構築したいと考えている人向けに作られていることは間違いありません。

Salesforce AIモデルビルダーの主要な機能

モデルビルダーは柔軟に設計されており、AIで達成したい目標に応じて、いくつかの異なるパスを提供します。その機能を見ていきましょう。

予測モデルをゼロから構築

モデルビルダーの本来の強みは、独自の予測モデルを作成することにあります。これは、数値または単純な「はい/いいえ」で答えられるビジネス上の問いに答えるのに最適です。例：

• 回帰: 新規の販売案件から得られる潜在的な収益など、特定の数値を予測します。

• 二項分類: 顧客が解約する可能性が高いかどうか（「はい」または「いいえ」）など、2つの結果のうちの1つを予測します。

これを実現するには、Salesforce Data Cloudの**データモデルオブジェクト（DMO）**と呼ばれるものを使ってモデルをトレーニングする必要があります。これは簡単な作業ではありません。すべてをクリーンにし、整理し、準備が整っている状態にするためには、多くのデータ準備が必要です。インターフェースはローコードですが、舞台裏の作業には、データと解決しようとしている問題に対する深い理解が求められます。

生成AIのための独自モデルの持ち込み（BYOM）

メールの下書き作成や会議メモの要約といったタスクのために、モデルビルダーでは独自に事前トレーニングされたLLMを接続できます。これは、すでにAIプロバイダーを選定している企業や、他の場所でホストされている独自のカスタムモデルを持っている企業にとっては大きな利点です。以下のモデルを接続できます。

• Amazon SageMaker

• Google Vertex AI

• Azure OpenAI

• OpenAI

この「アグノスティック」なアプローチは柔軟性をもたらしますが、同時に、それらの外部モデル、APIキー、およびそれらに伴うすべてのコストを管理する責任も負うことになります。これによりSalesforce内でコントロールが可能になりますが、サードパーティのAIサービスを扱う複雑さが魔法のように消えるわけではありません。

プロセス：モデルを構築するために必要なこと

モデルの構築はボタンをクリックするほど単純ではありません。使いやすいインターフェースであっても、慎重な検討を要する一連のステップが必要です。ここでは、その手順を簡単に見てみましょう。

1. データを選択: Salesforceデータからデータモデルオブジェクト（DMO）を選ぶことから始めます。

2. ゴールを設定: 特定のKPIを達成する、あるいは否定的な結果を避けるなど、モデルに何をさせたいかを決定します。

3. 変数を準備: モデルが注目すべきデータフィールドを選択します。

4. アルゴリズムを選択: GLM、GBM、XGBoostなど、モデルが使用する統計的手法を選択します。

5. レビューとトレーニング: 設定を確認した後、モデルに学習を開始させます。

6. モデルを有効化: トレーニングが完了し、結果に満足したら、モデルをオンにできます。

この全プロセスは単純な真実を指し示しています。Salesforce AIモデルビルダーのようなツールは構築する力を与えてくれますが、実際に構築するのはあくまでもあなた自身です。すぐに機能するソリューションを必要としているチームにとって、これは、ただ車が欲しかっただけなのにエンジンの部品箱を渡されたように感じられるかもしれません。

Salesforce AIモデルビルダーは本当に誰のためのものか？

モデルビルダーのターゲットオーディエンスに自分が含まれるかどうかを見極めることが重要です。これは高機能なツールであり、特に迅速な対応が求められるサポートチームにとっては、決して万能なソリューションではありません。

理想的なユーザープロファイル

Salesforce AIモデルビルダーは、次のような場合に最適です。

• 大企業: Salesforceエコシステムに全面的にコミットしている企業。

• データアナリストやデータサイエンティストがいるチーム: データ準備を処理し、モデルが実際にうまく機能しているかどうかを判断できるチーム。

• 開発者: さまざまな外部LLMをカスタムSalesforceアプリに接続するための一元的な場所を必要とする開発者。

• 複雑な予測モデルを構築する企業: CRMデータに直接関連する販売およびマーケティング用のモデル。

これらの人々にとって、モデルビルダーは、彼らがすでに慣れ親しんでいる安全な環境内で、素晴らしいレベルの制御と統合を提供します。

適していない可能性のあるケース

一方で、次のような場合にはおそらく最適な選択ではありません。

• カスタマーサポートおよびITチーム: 半年後ではなく、今すぐ問い合わせ件数を削減し、エージェントを支援する必要があるチーム。

• データサイエンスの専門家がいない企業: データ準備、モデルのトレーニング、継続的なチェックを管理する専門家がいない企業。

• ナレッジがSalesforce以外のさまざまなプラットフォームに存在する企業: Confluence、Google Docs、Slack、あるいはZendeskやFreshdeskのような他のヘルプデスク。

これらのチームにとって、「ビルダー」プラットフォームから何らかの価値を引き出すために必要な時間、費用、専門知識は、真の障害となり得ます。チケット自動化のような特定の成果に焦点を当てた、すぐに使えるソリューションの方が、通常ははるかに実用的な方法です。

まさにここで、eesel AIのようなソリューションが役立ちます。モデルを構築するように求めるのではなく、既存のツールに接続するだけでよい、特定目的向けに作られたアプリを提供します。過去のチケット、ヘルプ記事、社内ドキュメントから自律的に学習し、初日から顧客の問題を解決できるAIエージェントを提供します。

Salesforce AIモデルビルダー vs. eesel AI

機能	Salesforce AIモデルビルダー	eesel AI
価値実現までの時間	数ヶ月（データ準備、トレーニング、テスト）	数分（ワンクリックでの連携）
必要な専門知識	データサイエンス、Salesforce開発	不要（完全にセルフサービス）
主なユースケース	カスタムの予測モデルおよび生成モデル	自動化されたカスタマーサポートと社内Q&A
ナレッジソース	主にSalesforce Data Cloud	100以上の連携（Zendesk, Confluence, Slackなど）
オンボーディング	営業担当者との電話とセットアップが必要	徹底したセルフサービス、自身で本番稼働可能
価格モデル	複雑で、大規模ライセンスにバンドル	透明で予測可能な月額プラン

制限事項と実践的な考慮点

Salesforce AIモデルビルダーにコミットする前に、実践的なデメリットについて考えることをお勧めします。これは強力なツールですが、これらの要因は、あなたのタイムライン、予算、そして実際に成功するかどうかに大きな影響を与える可能性があります。

1. Salesforceの世界にロックインされる

モデルビルダーは、Salesforceを前提として設計されています。その主な強みは、すでにData Cloudにあるデータを使用することです。もし、あなたの会社のナレッジが一箇所に集約されておらず、Confluenceのwikiや共有されたGoogleドキュメント、Zendeskのヘルプセンターに散在している場合、大規模なデータプロジェクトなしにその情報をモデルに提供するのは非常に困難でしょう。これは、業務を遂行するためにさまざまなツールを組み合わせて使用しているチームにとって、大きなハードルとなります。

対照的に、eesel AIのようなプラットフォームは、そうした分断されたナレッジをすべて集約するために作られています。ワンクリックで連携し、どこにあるソースからでも即座に接続して学習できます。

2. 「ノーコード」の裏に隠された作業

「コードではなく、クリック操作で」モデルを構築できるインターフェースは聞こえが良いですが、それははるかに長いプロセスにおける最終段階に過ぎません。本当の作業は以下の点にあります。

• データ準備: データをクリーンにし、変換し、使用可能なDMOに整理することは、非常に技術的な作業であり、数週間から数ヶ月かかることも珍しくありません。

• モデル評価: モデルがトレーニングされた後、それが優れているかどうかをどうやって判断しますか？不正確なモデルに基づいて誤ったビジネス上の意思決定をしないためには、精度などの指標を評価する統計的な知識が必要です。

• 継続的なメンテナンス: AIモデルは一度設定したら終わりというものではありません。データが変化するにつれて監視し、再トレーニングする必要があり、それには時間とリソースが必要です。

3. 複雑な価格設定とライセンス体系

Einstein 1 StudioとData Cloudにアクセスするには、通常、エンタープライズレベルのSalesforceライセンスに契約する必要があります。価格設定はしばしばバンドルされており、あまり明確ではないため、たった1つのモデルを構築してデプロイするための実際のコストを把握するのは困難です。これは、特に単純なサポートチケットの自動化のような特定の問題を解決しようとしているだけの場合には、莫大な投資になり得ます。

これは、ほとんどの現代的なソフトウェアツールの明確で予測可能な価格設定とは大きく異なります。例えば、eesel AIの価格は使用量に基づいており、解決ごとの追加料金はないため、予期せぬコスト増なくスケールアップできます。

適切なチームにとっては強力なビルダー

Salesforce AIモデルビルダーは、すでにSalesforceプラットフォームを深く活用しており、カスタムAIプロジェクトを管理するための技術リソースを持つ大企業にとって、印象的で戦略的なツールです。独自の予測モデルを構築するための驚異的な制御と、安全な環境で生成AIを管理するための一元的な場所を提供します。

しかし、主な目的が解決策の自動化と業務効率化であるカスタマーサポートチームやITチームにとっては、長く費用のかかる道のりになる可能性があります。生データから機能するAIモデルまでの道のりは長く、ほとんどのサポートチームが持っていない特別なスキルが必要です。

このビデオでは、Salesforceモデルビルダーの優れた概要と、それを使って生産性を向上させる方法について説明しています。

もしあなたの目標が、今日、迅速で正確、かつ自動化されたサポートを提供することであれば、特定目的向けに構築されたソリューションを検討すべきでしょう。eesel AIは、すでに使用しているツールに直接接続できる、非常にシンプルでセルフサービスのプラットフォームを提供します。数ヶ月ではなく数分で稼働を開始し、すぐに結果を見始めることができます。

特定目的向けに構築されたAIサポートプラットフォームの可能性を体験してみませんか？eesel AIを無料でお試しいただくか、チームとのデモを予約してください。