Studies（AI 分析）

仕組み

Studies に入力ソースを指定し（現在は検索クエリと任意の期間で絞り込んだ Zendesk のチケット）、AI に読ませるフィールドを選び、スキーマを定義します。スキーマとは埋めたい列のことで、それぞれに型（ブール値、単一／複数選択、数値、短文、長文）と任意の指示を設定します。Macha は同じ抽出処理をすべてのレコードに並列で実行し、答えをグリッドに書き込みます。レコードが 1 件入れば、行が 1 行出ます。

実行前には必ずレビュー画面が表示され、対象レコード数、1 件あたりのクレジット消費、総額の見積もりを確認できます。コストを見ないまま 10,000 件のチケットを対象にした Study をうっかり走らせてしまうことはありません。クレジットは成功したレコードごとに消費され、エラーになったレコードとキャンセルしたレコードには課金されません。1 回の実行は 20,000 レコードが上限です。

用途

Studies が答えるのは、多数のレコードにまたがる問いです。直近 5,000 件のチケットに返金への言及がないか調べる、問い合わせを根本原因で分類する、顧客が請求について触れたチケットをすべて見つける、といったことです。手作業なら何時間もかかる作業を 1 回の実行で終え、列ごとのグラフとドリルダウンを備えたレポートビューを返します。

そして重要なのは、結果をエージェントに還元できることです。実行結果をナレッジソースに送れば、各行が検索可能なドキュメントになります。過去の解決事例をまとめた Study が、サポートエージェントが会話中に引き出せるコンテキストに変わります。