Skip to main content

Einstein Studio について知る

学習の目的

この単元を完了すると、次のことができるようになります。

  • Einstein Studio とは何かを説明する。
  • Einstein Studio でのモデルの種別について説明する。

始める前に

このモジュールを始める前に、次の推奨コンテンツを完了することを検討してください。

AI モデルとは?

昨今の AI の台頭により、あらゆることに AI が活用されているように思えます。AI に何ができるかについて耳にしたり、記事を読んだりすることがよくありますが、いったいどういう仕組みになっているのだろう、と思ったことはありませんか? その答えは AI モデルです。AI モデルとは、最近コンピューターが行っている画期的なこと (通常であれば人間だけに可能であること) の背後にある脳のようなものです。

「画期的なことの背後にある脳」は単純化しすぎですが、データサイエンス、統計学、コンピューターサイエンスに深く踏み込まずに、AI モデルの仕組みを説明するのは困難です。

次のように考えてください。モデルに学習させるために多数の例を与えます。モデルはそれらをじっくりと検討し、パターンを見つけ出し、徐々に精度を向上させていきます。さらに新しいデータを与えると、学習した情報を使用して予測や意思決定を行います。こうした AI モデルは、写真の顔認識から車の自律走行まで、あらゆる種類の画期的技術のバックボーンとなっています。AI モデルは AI 革命を推進する差別化要因であり、コンピューターをこれまで以上にスマートで有能なものにします。

では、AI モデルを操作するにはどうすればいいのでしょうか? Einstein Studio をご紹介します。

Einstein Studio

Data Cloud の [Einstein Studio] タブは、AI モデルのコマンドセンターです。Data Cloud に統合された AI モデルを設定して起動し、AI でビジネスを強化します。Einstein Studio では、AI モデルを構築し (詳細は後述)、Data Cloud 上に構築された AI モデルを見つけて管理します。

アクセス、構築、活用の 3 つのステップを示す図。[Build (構築)] ステップの [Setup (設定)] で強調表示されている [Created Predictive Models (作成済み予測モデル)]。

何よりも便利なのは、コード、データサイエンス、統計学、コンピューターサイエンスなどについて知らなくても AI モデルを使用できることです。Einstein Studio では、次のことができます。

  • モデルビルダーを使用して、コードではなくクリック操作で新しい AI モデルを作成する。
  • AWS SageMaker、Google Vertex AI、Databricks などの外部プラットフォームの既存の AI モデルに接続する。これらのモデルが Salesforce にアップロードされることも、ホストされることもありません。Salesforce は API を介してモデルにアクセスします。
  • OpenAI や Azure などのサードパーティの既存の LLM (大規模言語モデル) に接続する。
  • これらすべての AI モデルを 1 か所で管理する。

Einstein Studio でモデルにアクセスする方法

Einstein Studio は Data Cloud 内のタブです。ここから組織の AI モデルにアクセスして管理することができます。モデルの並び替えや検索を行ったり、モデルを開いて詳細を表示したり、設定を変更したり、メトリクスを表示したりできます。つまり、Einstein Studio は AI モデルを一元管理できる場所です。

AI は多面的で、さまざまな種類のユースケースをサポートするためにさまざまな種類のモデルがあります。Data Cloud 上に構築された AI モデルは、Einstein Studio で管理できます。次のようなモデルがあります。

  • 予測モデル: 機械学習を使用して、顧客離れや取引開始の可能性の推定など、ユースケースの将来の結果を予測します。
  • 生成 AI: チャット完了などのユースケースに LLM を使用します。

Einstein Studio ページ

検索と管理がしやすいように、モデルには主要な特性も表示されます。

モデル種別

Einstein Studio に表示されるモデルには、最初から作成したもの、外部で構築されたモデルに接続済み、提供されたグローバルモデルがあります。

  • Einstein を使用して作成したモデルは、Einstein Studio で最初から構築されます。
  • 接続済みモデルは、AWS SageMaker、Vertex AI、Databricks など、他の場所でホストされているモデルからの出力を取り込みます。
  • Salesforce 対応モデルは、あらかじめ設定されています。

モデル機能

さまざまなモデル機能によって、ビジネス成果に関する次のような一般的なユースケースがサポートされています。

  • 回帰モデルは、通貨金額、計数、可能性のパーセントなどの数値を予測します。予測される数値のユースケースの例には、次のようなものがあります。
    • 商談の金額
    • 商談成立までの時間
    • 取引先の顧客生涯価値
    • ケースの顧客満足度
  • バイナリ分類モデルは、true/false、はい/いいえ、成立/不成立などの 2 つのオプションを使用して結果グループを予測します。バイナリ分類結果のユースケースの例には、次のようなものがあります。
    • 取引先が離脱するかしないか
    • 商談が成立するかしないか
    • ケースがエスカレーションするかしないか

モデルの状況

モデルの状況は無効または有効のいずれかです。

  • 有効なモデルは、フローまたは一括処理変換で使用できます。
  • 無効なモデルは、有効化されていません。

この単元では、Einstein Studio が Data Cloud 上に構築された AI モデルにアクセスする場所であることを学習しました。次の単元では、新しい AI 予測モデルの作成について説明します。

リソース

Salesforce ヘルプで Trailhead のフィードバックを共有してください。

Trailhead についての感想をお聞かせください。[Salesforce ヘルプ] サイトから新しいフィードバックフォームにいつでもアクセスできるようになりました。

詳細はこちら フィードバックの共有に進む