前回の
Explore Use Cases for Agentforce for Serviceの翻訳 - 凸凹まったいらのつづきいきます。
Use Knowledge in Agentforce for Service
の翻訳行きます
Agentforce for Service でナレッジを使用する
学習目標 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。
- Agentforce for Service が Agentforce Data Library をどのように使用するかを理解する。
- Agentforce のナレッジと Einstein Bots のナレッジの主な違いを説明する。
Agentforce: データに基づく動作 エージェントがナレッジベースから情報を取得してリアルタイムで質問に回答できる能力を備えていると想像してみてください。それこそが Agentforce が難なく行うことです。
Agentforce Data Library と記事の回答 (Einstein Bots) の比較 Agentforce Data Library を追加すると、提供される応答の精度が向上し、顧客の信頼が構築されます。Data Library は、ナレッジ記事（レコードと項目）とアップロードされた添付ファイルの両方をサポートします。なぜこれがそれほど大きな改善なのでしょうか？
以前は、Einstein Bots は記事の回答 (Article Answers) を使用して高度に構造化されたデータに依存しており、ボットが意図を理解しナレッジ記事から情報を取得できるようにするために、自然言語処理 (NLP) によるトレーニングが必要でした。質問（さまざまなバリエーションで作成する必要もありました）を各記事内の特定の項目にリンクするために、手動でのマッピングが必要でした。項目が入力された公開済みの記事のみがインデックス化および検索可能であり、回答はそれらのマッピングされた項目に限定されていました。その結果、ボットは特定の事前定義された質問にしか応答できず、その範囲を超えることはできませんでした。ナレッジベースのサイズによっては、ビルドに 30 分以上かかることもありました。それは、特定の訓練を受けた質問にしか答えられず、非常に特殊な言い方で質問する必要がある人と会話するようなものでした。
非構造化データの力 Agentforce は、Agentforce Data Library によってサポートされ、大規模言語モデル (LLM) の力を利用して非構造化データを処理します。非構造化データには、多くの場合、チャットのトランスクリプト、PDF、音声および動画ファイル、法的文書、書籍のような大きなテキストファイルが含まれます。Salesforce では、Agentforce Data Library を統合する際に、この種のデータをナレッジ記事または PDF 添付ファイルから取得できます。
非構造化データには一貫した形式がありませんが、Agentforce で使用されるような LLM は、この種の情報を難なく処理および検索できます。これは、記事や PDF を Agentforce Data Library にアップロードできることを意味します。データ取得のために特定の項目をマッピングしたり、ナレッジ記事を更新したり、ビルドを待つ必要はありません。最も重要なことは、Agentforce は人間との対話を自然に理解するように構築されているため、特定の質問にどのように答えるかについてトレーニングする必要がないことです。
Data Library は、検索拡張生成 (RAG) によるグラウンディング (Grounding) を使用してナレッジ記事と添付ファイルをインデックス化し、最も関連性が高く最新の情報を確実に取得します。Agentforce に Data Library が追加されると、Salesforce はナレッジ記事や PDF から非構造化 (および構造化) データを取得するための RAG を活用したソリューションを自動的に構築します。このインデックス化されたデータにより、Einstein は特定のポリシーや情報に対して応答を迅速にファクトチェックできます。したがって、単に「推測」して正しい答えにたどり着くわけではありません。つまり、顧客が質問をすると、Agentforce は Data Library から関連情報にアクセスし、自然で会話的な応答を提供します。
Agentforce Builder では、ユーザーは既存の Agentforce Data Library を使用するか、新しいものを作成するかを選択できます。注意点として、Data Library を設定する前に Data Cloud を有効化する必要があります。それが完了したら、ユーザーは添付ファイルをアップロードするか、既存のナレッジ記事にリンクすることができます。Agentforce がその魔法を発揮し始めるのに必要なのはこれだけです。それほど簡単なのです。
まとめ Agentforce for Service は、AI を使用して非構造化データをより効率的に管理し、対話することで、サービスエージェントの生産性と有効性を向上させることを目指しています。トピック、アクション、指示を追加することにより、タスクは明確に定義され、エージェントがいつ、どのように顧客と関わるべきか（そして関わるべきでないか）を指示するガイドラインが提供されます。Agentforce for Service の仕組みを理解できたところで、「クイックスタート: Agentforce でサービスエージェントを構築する」をチェックして、実際に試してみましょう！
そして質問と解説
質問１ What types of data sources do Agentforce Data Libraries support? (Agentforce Data Library はどのタイプのデータソースをサポートしますか？)
考え方: テキストの該当箇所を確認します。
- 「The Data Library supports both Knowledge articles (records and fields) and uploaded attachments.」(Data Library は、ナレッジ記事（レコードと項目）とアップロードされた添付ファイルの両方をサポートします。)
- 「...users can upload attachments or link to existing Knowledge articles...」(ユーザーは添付ファイルをアップロードするか、既存のナレッジ記事にリンクすることができます。)
これらの記述から、サポートされるのは「ナレッジ記事 (Knowledge articles)」と「アップロードされた添付ファイル (uploaded attachments/files)」であることがわかります。
- 選択肢 A: Knowledge records and fields (ナレッジレコードと項目) - サポートされている
- 選択肢 B: Reports and dashboards (レポートとダッシュボード) - テキストに記載なし
- 選択肢 C: Uploaded attachments and files (アップロードされた添付ファイルとファイル) - サポートされている
- 選択肢 D: A and C (A と C の両方) - サポートされている両方のタイプを組み合わせている
答え: D A and C (A と C の両方)
質問２ What’s the primary benefit of integrating the Agentforce Data Library for handling unstructured data? (非構造化データを処理するために Agentforce Data Library を統合する主な利点は何ですか？)
考え方: 各選択肢をテキストの内容と照らし合わせます。
- A It requires manual mapping of fields in Knowledge Articles for data retrieval. (データ取得のためにナレッジ記事の項目を手動でマッピングする必要がある。)
- テキストには「There’s no need to map specific fields for data retrieval...」とあり、手動マッピングが 不要 であることが利点として述べられています。したがって誤りです。
- B It allows for the automatic indexing of unstructured and structured data, ensuring fast and accurate responses (非構造化データと構造化データの自動インデックス化を可能にし、迅速かつ正確な応答を保証する。)
- テキストには「The data library uses... RAG... to index Knowledge articles and attachments...」や「Salesforce automatically builds a RAG-powered solution to retrieve unstructured (and structured data)...」とあり、自動インデックス化について述べられています。また、「ensuring it retrieves the most relevant and up-to-date information」や「Einstein can quickly fact-check responses」から、正確で迅速な応答につながることが示唆されています。したがって正しいです。
- C It can only process structured data, such as spreadsheets and databases. (スプレッドシートやデータベースのような構造化データしか処理できない。)
- テキストでは「Agentforce harnesses the power of large language models to process unstructured data...」と、 非構造化データ の処理能力が強調されています。したがって誤りです。
- D It requires extensive training on how to answer specific questions before it can function properly. (正しく機能する前に、特定の質問に答える方法について広範なトレーニングが必要である。)
- テキストには「Agentforce doesn’t need to be trained on how to answer specific questions...」とあり、トレーニングが 不要 であることが利点として述べられています。したがって誤りです。
答え: B It allows for the automatic indexing of unstructured and structured data, ensuring fast and accurate responses (非構造化データと構造化データの自動インデックス化を可能にし、迅速かつ正確な応答を保証する。)
以上です。
