生成AIはすでに、企業がより強固な顧客関係を構築する力となり、ビジネスの進め方に変革を起こしています
AIに触れ始めたばかりの方にも、すでにAIを中心にイノベーションを進めている方にも、このガイドは、効果的な戦略立案と新たな可能性の開拓に役立ち、AIのメリットに関する重要な質問にお答えします。
このハンドブックに記載されている情報は、AI、データ、CRMの各分野に対するSalesforceのエキスパートが提供したものです。当社は、従業員、お客様、パートナーに、AIを安全に、倫理的に、正確に開発して使用するために必要なツールを提供することに取り組んでいます。
Salesforce AIは、Salesforce Platform全体をグラウンディングする、信頼性と拡張性の高いAIを提供します。 SalesforceのAIを顧客データと合わせて利用すると、ビジネスのあらゆるニーズに合わせて、カスタマイズ可能な予測・生成AIのエクスペリエンスを安全に構築できます。Einsteinがあれば、あらゆるワークフロー、部門、業種で対話型AIを活用できるのです。
第1章:アプローチの計画を立てる
生成AIの時代が始まろうとしています。
AIは、現代のどのテクノロジーよりも急速に成長しています。
すぐにでも飛び込みたい気持ちはわかりますが、まずは落ち着いて
ビジネスリーダーは皆、AIの機能を最大限に活用して効率を高め、ビジネスの成長を促進したいと考えています。その一方で、AIが安全でインクルーシブで信頼できることを確かめるという重要な責任も負っています。
SalesforceのAIは、CRMに直接組み込まれたエンタープライズAIです。あらゆるアプリ、ユーザー、ワークフローがAIを利用し、企業全体の生産性を最大化します。パーソナライズされたAIアシスタントを使って、セールス、サービス、コマースなどさまざまな業務で、優れた顧客体験を提供できるように従業員を支援します。
考え抜かれたアプローチは信頼から始まる
生成AIは、テキスト、音楽、画像、さらにはコンピューターコードまで作成することができ、優れた顧客体験とビジネスメリットを促進できます。しかし今のところ、AIに対しては信頼ギャップがあります。CEOにとってAIは最優先事項ですが、従業員の73%は生成AIには新たなリスクが伴うと考えています。プライバシー、ハルシネーション、データ統制、バイアス、有害性などの懸念事項もあります。
ブランドと顧客間の有意義な関係と同様に、AIの成功は信頼にもとづいていなければなりません。生成AIを使用してより豊かな顧客体験を実現するには、信頼を高め、倫理やセキュリティに関する潜在的リスクを軽減する必要があります。
倫理的な利用に関するガイドラインを作成する
生成AIモデルがもたらす成果と判断がいかに有効で正確かを示し、バイアスや有害性がないことを説明することで、初めてユーザーの信頼を獲得できます。責任あるイノベーションを推進し、潜在的な問題に事前に対処し、安全で信頼できるビジネス手法を作り上げるには、倫理的なガードレール(問題のある操作や利用を検知する仕組み)やガイダンスを設定することが重要です。
生成AIに適切なガードレールを設けることが非常に重要です。最近の調査では以下のような声が明らかになっています。
ここで、企業がチームの働き方を把握し、信頼できる生成AIの開発を推進するために使用できる5つのガイドラインをご紹介します。
- 正確性
検証可能な結果を提供するように、信頼できるデータでAIモデルをトレーニングします。不確実性がある場合や、答えが明確でない場合は、率直に伝えるようにしてください。 - 安全性
バイアスと説明可能性に関する評価を定期的に実施し、潜在的な有害性を軽減します。個人を特定できる情報(PII)データをトレーニングに使用する際は保護してください。 - 透明性
オープンソースのデータセットやユーザー提供のデータセットを利用することで、データの使用に関する同意を取得していることの確認と、倫理的な情報源の使用を徹底します。AIが生成した出力を提供する際は、常に透明性を確保します。
主体性AIの最適な使用法は、アシスタントとして利用することです。潜在的な有害性や不正確さを減らすために、プロセスに人間の介在が組み込まれていることを確認します。出力にアクセスしやすくし、コンテンツ制作者には敬意を持って対応します。- サステナビリティ
高品質で代表的なトレーニングデータを優先することで、モデルを適正規模にするよう努めます。これは計算に必要な電力の削減とカーボンフットプリントの軽減につながります。
データの安全性を確保するための信頼基準を設定する
サードパーティの生成AIモデルがもたらす生産性の向上というメリットは魅力的ですが、こうしたモデルはデータを新しい方法で処理します。データは通常、データベース、ドキュメント、またはファイルに保存され、その場所ごとにアクセスを指定できます。しかし、生成AIに使用される大規模言語モデルは、データを保存するのではなく、学習します。学習環境では、これまで使用していたアクセス制御と同じものを設定することはできません。プロンプトに入力したデータもモデルによって学習され、出力の一部になるからです。
以下の6つの信頼基準は、ビジネスの致命的な問題を防ぎ、あらゆるチーム、ベンダー、パートナーに適用できる明確なガードレールを提供します
- セキュアなデータ検索と動的グラウンディング
生成プロンプトで検索されたデータが権限レベルを維持していること、ユーザーにはアクセス権限を持つ情報と出力のみが表示されることを確認します。
モデルの「グラウンディング」は特定のユースケースのコンテキストの範囲内で行い、生成出力の品質と正確性を確保します。そのためには、独自のデータベースのナレッジ記事など、事実にもとづいた検証済みのソースから情報を注入するプロンプトを作成します。 - データマスキング
プロンプトで共有される個人識別情報(PII)をマスキングすることで、実際のデータを外部ソースやモデルに公開することなく、データセットを使用してより良い出力を作成できます。 - プロンプト防御
プロンプト防御ガードレールを使用して、ハッカーや有害な出力から保護します。これには、「データや根拠のないコンテンツを示したり、回答を生成したりしない」、「エラーが発生した場合や回答の有効性が不明な場合は、わからないと回答する」といったプロンプト指示が含まれます。
有害性の検出サードパーティモデルからの出力は、有害なコンテンツ(虐待、ヘイト、暴力につながる性質を持つコンテンツ)の検出に最適化された独立した大規模言語モデルを通して実行することで、使用前にフラグを立てることができます。- データの非保持
外部のAIモデルとセキュリティ統制およびゼロデータリテンションポリシー契約を締結し、プロンプトと出力の両方が消去され、決して保存されないようにします。 - 監査
チームがコードと調達を検査し、モデルの改良を継続し、現在および新たに登場する法的および倫理的基準の遵守を維持できるように、監査証跡を確保します。
信頼できる生成AIの実例をご覧ください
生成AIに対する信頼を築くためのチェックリスト
- 倫理的な原則とガイドラインを定義し、それに従って行動する。
- セキュリティおよび購買ガイドラインを更新し、データマスキングやデータの非保持などの信頼基準を盛り込んでデータの安全性を保つ。
- 多様性のあるエキスパートのチームを設置し、リスク評価を実施し、ツールを利用してバイアスを検知する。
- バイアスを特定し、リスクを軽減するために会社全体で教育を実施する
- 問題点を把握し、成長の可能性があることを顧客に示し、効果的なデータガバナンスを実装し、モデルの入力、出力、潜在的なバイアスについて透明性を提供することで、信頼を築く。
第2章: テクノロジーの準備を整える
顧客を中心にAIユースケースを定義しましょう。
AIは、営業からサービス、マーケティングからコマースまで、企業のあらゆる部門を変革する可能性を秘めています。顧客の行動を予測し、顧客満足度を把握し、よりパーソナライズされた体験を生み出すことができます。
予測AIと生成AIを業務フローに組み込むことで、ビジネスインサイトを根拠に情報にもとづいた意思決定を行い、自然言語でコンテンツを作成できます。ほぼすべての部門で即座に効果が現れる可能性があります。
部門間の現在の業務を監査することで、予測AIと生成AIの最適化のメリットを得られるタスクとプロセスを特定できます。AIが実践的なインサイトを提供し、意思決定を改善し、顧客体験を向上させ、コストを削減できる領域を特定することで、AIを戦略的なビジネス目標に合わせて調整し、顧客価値を高めることができます。また、モデルを継続的に改良し、パフォーマンスを向上させ、より多くの情報にもとづいた意思決定を行うことができます。
部門別の一般的なユースケースをいくつかご紹介します
データとCRMを使用して生成AIをトレーニングすることで、生産性と効率を高めながら、顧客体験と意思決定を改善できます。その方法をご紹介します。
営業の迅速な案件成約を支援する
- 商談の優先順位を設定
- 最適な次に取るべきアクションを特定
- パーソナライズされたコミュニケーションを生成
カスタマーサービスを合理化する
- 関連性の高い回答を生成
- チャットボットと仮想アシスタントで問い合わせを処理
- 効率と費用対効果を向上
マーケティングのオファーをパーソナライズする
- ターゲットとなるオーディエンスの絞り込み
- キャンペーンのオファー内容を最適化
- 共感を呼ぶコンテンツの作成
コマースのコンバージョン率を向上させる
- レコメンデーションをパーソナライズ
- 購入後の運用を強化
- 不正検知を改善
ITチームの迅速な導入を支援する
- パフォーマンスと運用に関するインサイトを提供
- データにもとづく意思決定
- AIが生成したコードを活用
チームを価値の高いタスクに集中させる
AI変革の次のステップを検討する際は、チームを参加させることが重要です。メンバーの多くは、自分の仕事が今後どうなるのかと不安を募らせています。
しかしAIは日常業務から煩雑な作業を取り除くために役立つものであり、従業員は時間に余裕が生まれて創造力を発揮できるようになり、影響力のあるビジネス分野に集中できるようになります。 生成AIを使用して複雑なタスクへの対応能力を拡張し、時間のかかる手作業を自動化することで、従業員はよりスマートに働く機会を得られます。
この演習を利用して、チームと一緒に自動化と拡張の最適な機会を特定しましょう。
データ環境の準備を整える
すべてのAIプロジェクトは、データプロジェクトとして始める必要があります。そのデータは、部署や個人ごとに分断されていてはいけません。データが分断されていると、生成AIの出力のクオリティが低下します。
最初の重要なステップは、データを連携、整理、調整して一体化し、顧客のニーズを理解して、生成AIでそのニーズを満たせるようになることです。
顧客データを連携させる
さまざまなソースからのデータを集約する方法を決めるには、以下の問いを立てます。
ホスティング:データは現在どこにホストされているか?複数のクラウドや複数の組織にあるか?
データレジデンシー:組織はどのタイプのデータレジデンシーをサポートする必要があるか?つまり、どの国や規制の要件を考慮する必要があるか?
データ構造:製品在庫や商談などのデータは構造化されているか?それとも、PDFファイルやチャットの文字起こしなどの非構造化データか?
リアルタイム処理とバッチ処理:リアルタイムで更新してストリーミングするには、どのようなデータソースが必要か?
- 取引データ:日付、時刻、場所、名前など、顧客とビジネスの取引を把握するための情報。このデータには、商談レコード、注文状況、カスタマーサービスケースなどの例が含まれ、経時的に更新される必要があります。
- エンゲージメントデータ:Webページの訪問、デバイスとのやり取り、経済データや環境データなど、特定の瞬間を記録するデータ。このデータをリアルタイムで取得して、新たなインタラクションとパーソナライズを作成できるようにすることが重要です。
データプラットフォームを使用すると、あらゆるソースからの大量のデータを統合し、形式を標準化し、一貫性と整合性を確保できます。すべてのデータを1か所に集めて保存することはできないため、データレイクやウェアハウスなどの共有メカニズムを作成して、さまざまな部門がデータにアクセスして使用できるようにする必要があります。アクセス制御、データプライバシー、機密情報を保護するためのセキュリティ対策など、適切なガバナンスを組み込む必要があります。
顧客データモデルにマッピングし、顧客IDの解決を実行する
データ連携が完了した後の次のステップは、顧客データモデルとの関連でデータを整理し、調整して一体化することです。顧客データの全体像を把握するには、顧客関係管理(CRM)システムが不可欠です。
チームがCRM上で連携していない場合は、モデルから有用な結果を得るために必要な全体像を把握できません。
AIを使用して顧客IDを解決するための一致ルールセットを作成することで、CRMのデータを調整して一体化できます。
社内のデータを集約し、生成AIを組み込むことで、CRMは統合された顧客プロファイルを作成するための一元化されたハブとなり、すべてのチームがアクセスできるようになります。
テクノロジーの準備体制のチェックリスト
- 全社的なデータ総計値、顧客価値を提供するための原則、AIを組み込むためのユースケースを定義し、調整する。
- 顧客プロファイルと信頼できる唯一の情報源を使用して、データ環境を連携させてリアルタイムの意思決定と顧客体験を向上させる。
- パーソナライズを通じて顧客価値を高める方法を見つける。
- 自動化と拡張で生産性を向上させる方法を見つける。
- 明確なガイドラインを通じて、プロセスや製品にAIを統合できるようにチームを支援する。
第3章:従業員の能力を高める
AIに対応した人材基盤を構築しましょう。
テクノロジーの急速な変化に伴い、トレーニングの実践内容もそれに追いつく必要があります。従業員のおよそ3人に2人が職場で生成AIを使用している、または使用する予定ですが、AIの導入を予定している従業員の約61%は、信頼できるデータソースの使用方法や機密データの保護方法を知らないと回答しています。
「不安を取り除き、できることとできないことを全員に理解させることで、より価値の高いユースケースにつながり、ビジネスと技術のステークホルダーが協力してイノベーションを推進するようになります」
Dr.Andy Moore、Bentley Motors社最高データ責任者
ここで、AIを業務フローに組み込む際に従業員が磨くべき7つのスキルセットをご紹介します
- 適応力と継続的な学習
変化を受け入れる姿勢、適応力、そしてキャリアを通して学び続ける努力は、刻々と進化するAIに常に対応したいと考える従業員にとって欠かせないものです。 - データリテラシー
データの収集、準備、探索、可視化に関するスキルを奨励し、データ倫理とプライバシーについて理解することで、データリテラシー の向上に努めます。次に、意思決定とビジネスプロセスにおいてデータを優先し、ビジネス成果との整合を図ります。 - 分野に関する知識
ヘルスケア、金融、マーケティング、製造など、AIが適用される業界や分野の課題と弱点を理解します。 - コミュニケーションとコラボレーション
リーダーには、組織で共有される目標を掲げ、AIテクノロジーがチームの枠を超えてどのように機能するかを伝えるための強力なコミュニケーションスキルを身に付けさせます。 - プロンプト作成
質の高いAI出力を確保するためのプロンプトの記述方法を学びます。 - 問題解決と分析的思考
生成AIは、批判的思考、実験、反復、効果的な問題解決スキルと組み合わせると最も効果を発揮します。 - 技術スキル
プログラミング(Python、Rなど)、データ分析、統計、機械学習、深層学習、自然言語処理(NLP)のスキルを習得します。
Salesforceの無料オンライン学習プラットフォームであるTrailheadは、チームが生成AIを使い始めるために必要なスキルを習得できるように、使いやすいモジュール(「トレイル」)を提供しています。データアナリティクスや機械学習のトレイルもあり、常に新しいトピックが追加されています。
また、最新のAI開発情報をお伝えする「Ask More of AI」ニュースレター
もあります。
従業員の準備のためのチェックリスト
- 従業員が必要とするスキルを決定し、優先事項を設定する。
- 従業員がトレーニングを受けるための時間と場所を確保する。
- 生成AIテクノロジーの進化に合わせて、新たなスキルを習得するための継続的なトレーニングを従業員に提供する。
- Salesforceによる楽しい無料オンライン学習プラットフォーム、Trailheadに参加する。
AI戦略に関するよくある質問
このAI戦略ガイドでは、組織がAI(人工知能)イニシアチブを効果的に計画、実装、拡張するためのフレームワークと実践的なステップを提供します。
AI戦略は、AIへの投資がビジネス目標に沿ったものであることを確かなものにし、リスクを軽減し、リソース配分を最適化し、持続可能な成長のためのデータ主導の文化を育みます。
主な構成要素には、AI目標の定義、現在の能力の評価、データ基盤の構築、適切なテクノロジーの選択、人材の育成、ガバナンスと倫理の確立などがあります。
リーダーシップは、ビジョンを設定し、リソースを割り当て、部門間のコラボレーションを促進し、文化の変化を推進し、責任あるAIの導入を推進するために不可欠です。
包括的なAI戦略は、倫理的ガイドライン、公平性の原則、透明性のメカニズム、説明責任のフレームワークを統合し、AIシステムの責任ある開発と使用を確保するものです。
避けるべき一般的な落とし穴には、サイロ化されたAIイニシアチブ、経営幹部の賛同の欠如、データ品質の無視、変更管理のニーズの過小評価、明確な成功指標が定義されていないことなどがあります。