ビジネスのための人工知能：主要な要素を学ぶ※SalesforceAIアソシエイト学習教材

無職からのSalesforce

はじめに

この教材では、ビジネスアプリケーションに搭載されたAIを構成する主要な要素について解説します。AIは複雑で神秘的なもののように思えるかもしれませんが、実際には、これらの要素を組み合わせることで、さまざまなビジネスニーズに対応するソリューションが実現できます。この教材を通じて、AIの基本構成要素を理解し、ビジネスにおけるAIの活用法について学びましょう。

この教材で学ぶこと

  • 人工知能ソリューションを構成するテクノロジー

  • AIによる予測を使用する場合のワークフローとルールの役割

主要な要素

ビジネスに役立つAIソリューションは、以下の主要な要素で構成されています。

  1. はい/いいえ予測と回答

  2. 数値予測

  3. 分類

  4. レコメンデーション

  5. ワークフローとルール (AIの直接的な要素ではありません)

  6. 要約

これらの要素を組み合わせることで、ビジネスのさまざまな課題を解決できます。

1. はい/いいえ予測と回答

はい/いいえ予測は、AIが「これはビジネスに有益なリードか？」や「このメールは見込み客に開封されるか？」といった二択の質問に答える機能です。

  • 仕組み: AIは過去のデータを分析し、それぞれの質問に対する確率を算出します。

  • 表現: 予測結果は確率（例: 67%の確率でメールを開封）やスコア（例: 0～100のスケール、または星評価）として表現されます。

  • 生成AIの活用: 生成AIを使用することで、単なる「はい/いいえ」の回答だけでなく、「見込み客宛のメールを作成する」、「ブログ投稿を要約する」など、より複雑な要求に対応できます。AIは、フィードバックに基づいて応答を改善し、ユーザーの要求に合わせた情報を提供します。

2. 数値予測

数値予測は、AIが「この新規顧客はいくらの収益をもたらすか？」や「この顧客の問題を解決するのに何日かかるか？」といった数値に関する質問に答える機能です。

  • 仕組み: AIは履歴データを用いて、未来の数値を予測します。

  • 活用例: 売上予測、顧客サービスの所要時間予測など、様々なビジネスシーンで活用されます。

3. 分類

分類は、AIがテキストや画像などの構造化されていないデータを分析し、意味のあるカテゴリに分類する機能です。

  • 深層学習の活用: 深層学習を使用することで、構造化されていないデータから有益な情報を抽出することができます。例えば、「この写真にはジュースの缶が何個あるか？」といった質問に答えることができます。

  • 応用例:

    • 「前回買ったものと同じ靴をもう一足買いたい」という注文を理解し、オンラインショッピングカートに追加する。

    • さまざまな表現（「この靴をもう一足欲しい」、「これをもう一足ください」）を理解し、同じ行動を促す。

  • クラスタリング: データをグループ化し、他の方法では気づかないインサイトを収集します。例えば、特定のセーターを購入する顧客層を特定し、効果的なマーケティング戦略を立てることに役立ちます。

4. レコメンデーション

レコメンデーションは、大量のアイテムの中から、ユーザーに最適なものを提案する機能です。

  • 活用例:

    • Eコマースサイトで、ユーザーが購入した商品に基づいて関連商品を提案する。

    • マーケティング担当者が、ビジネスユーザーにおすすめのホワイトペーパーなどのコンテンツを提案する。

    • 人事採用システムで、求人応募者に最適な求人を紹介する。

    • 生成AIによるメールや顧客ケースの対応文の提案。

  • 生成AIの活用: 生成AIは、ユーザーの作業の出発点となる応答やテンプレートを生成し、文章作成の効率を高めます。

5. ワークフローとルール

ワークフローとルールは、AIの予測結果に基づいて、自動的にアクションを実行するための仕組みです。

  • 例:

    • AIが顧客の契約更新の可能性が低いと予測した場合、顧客維持キャンペーンを開始する。

  • 重要性: AIのインサイトを実際の行動につなげるために不可欠な要素です。

6. 要約

要約は、生成AIを活用して、大量の情報を短くまとめ、理解しやすくする機能です。

  • 活用例:

    • 長時間の録音や長い文書の内容を要約し、重要な情報を抽出する。

    • 大量の情報を迅速に理解し、効率的な意思決定を支援する。

まとめ

これらの主要な要素を組み合わせることで、ビジネスニーズに合わせたカスタムAIアプリケーションを作成できます。これらの要素は、独立して動作するだけでなく、相互に連携してより複雑なソリューションを構築することも可能です。例えば、分類とレコメンデーションを組み合わせることで、顧客が興味を持つ可能性のある商品を効果的に提案することができます。

テスト

1. AI が「はい」か「いいえ」で答える質問について予測するとき、予測結果は一般的にどのような形式で返されますか?

a. True または False のいずれかの値
b. 1 または 0 のいずれかの値
c. 0 ～ 100 のパーセント値
d. 成功または失敗のいずれかの値

答え: c

2. 厳密には AI を構成する要素ではありませんが、AI データおよびインサイトを活用するうえで鍵となる AI ソリューションの要素はどれですか?

a. 数値予測
b. 分類
c. レコメンデーション
d. ワークフローとルール

答え: d

この教材を通じて、ビジネスにおけるAIの主要な要素についての理解が深まり、AIの活用に関するアイデアを広げる一助となれば幸いです。

いいなと思ったら応援しよう！