AIモデラーの理解

お知らせ：当社は、お客様により充実したサポート情報を迅速に提供するため、本ページのコンテンツは機械翻訳を用いて日本語に翻訳しています。正確かつ最新のサポート情報をご覧いただくには、本内容の英語版を参照してください。

AIモデルはメジャーアップデートによる刷新が行われ、現在はAI Modelerと名称が変更されました。これにより、モデルの作成、トレーニング、公開を行い、アプリ全体で使用できるようになりました。今回の刷新以前にモデルを作成された方は、こちらをクリックして詳細をご確認ください。

はじめに

人工知能（AI）モデルは、過去のデータに基づいてパターンを認識し、それを活用して予測や意思決定、解釈を行うことができます。AIモデルは通常、さまざまな機械学習アルゴリズムを用いて構築されますが、Zoho Creatorではこれらのアルゴリズムを直感的なインターフェースに統合し、その複雑さを完全に隠すことでプロセスを簡素化しています。これにより、低い-コード開発者でも、内部の仕組みを気にせず機械学習を活用できます。

Zoho CreatorでAIモデルを申請済みの場合、今後の結果を予測したり、通常は人の介入が必要な業務を自動化したりすることで、法人の業務プロセスを最適化できます。例えば、Zoho Creator上で構築されたCRMアプリケーションでは、現在および過去のデータに基づいて見込み顧客の成約可能性をAIで予測できます。このインサイトを営業チームが活用し、顧客へのアプローチ方法を検討することが可能です。また、Zoho Creator上で構築されたアンケートアプリケーションでは、AIを用いてフィードバックに表現された感情を自動的に分析できます。

モデルの種類

Zoho Creatorは、 5つの 代表的な機械学習モデルをサポートしており、法人アプリケーションで効率的に活用できます。これらのモデルの一部はあらかじめ構築されており、すぐにアプリケーションに導入可能です。一方で、その他のモデルは要件に応じてカスタマイズできます。いずれも、機械学習やコーディングの事前知識は不要です。作成方法に基づき、モデルは以下のように分類されます。

Ready-to-使用する AIモデル - Ready-to-使用するモデルは当社が事前に構築し、自社データセットで学習させたものです。数回クリックするだけでアプリケーションに迅速に導入できます。必要なのは、モデルを導入したいアプリケーションとフォームを選択することだけです。例えば、Sentiment Analysisモデルを使って顧客フィードバックを分析し、全体的な感情を即座に判断できます。
利用可能な4つの事前構築モデルは、Keyword Extraction、Sentiment Analysis、OCR（光学式文字認識）、Object Detectionです。
カスタムAIモデル - カスタムモデルを利用すると、独自のデータを基に法人向けに最適化されたAIモデルを作成できます。この場合、法人に関連するサンプルデータセットをモデルに提供し、モデルが内容を理解できるようにします。その後、意図した通りに動作するかテストし、問題なければ導入します。例えば、OCRカスタムモデルを選択し、自社の請求書パターンで学習させてテストし、請求書番号・合計金額・商品詳細などの主要情報を抽出するために導入できます。
利用可能な3つのカスタムモデルは、Prediction、OCR（光学式文字認識）、Object Detectionです。

Zoho Creatorでサポートされているモデルタイプは以下の通りです。

カテゴリー	Model 種類	説明	Input データの種類	ユースケース
Ready to 使用する	キーワード抽出	入力から単語やフレーズなどのキー要素を抽出します	テキスト	サポートチケットの自動分類
	感情分析	入力された支払明細の感情（ポジティブ・ネガティブ・ニュートラル）を判別します	テキスト	サービス開始後の顧客フィードバックを分析
	光学文字認識（OCR）	画像内のすべてのテキストを抽出し、受注データを［パッケージ］データに変換してデジタル化します	ファイル（画像）	法人カードのデジタル化
	オブジェクト検出	入力画像内のあらかじめ定義された要素を検出します	ファイル（画像）
カスタム	予測	過去データのさまざまなパターンを分析し、今後の処理や結果を予測します	構造化データ	新規商品の販売価格を予測
	光学文字認識	特定のテキスト（差出人、画像、受注データ）を抽出し、［パッケージ］データへ変換してデジタル化します。	ファイル（画像）	営業注文から順番IDや差出人を抽出
	オブジェクト検出	入力画像内の要素を検出します。	ファイル（画像）	損傷レベルの自動タグ付け

一般的に、AIモデルをデプロイするには、適切なmlアルゴリズムに基づいて構築し、十分なサイズと品質のデータセットを投入し、パターンを認識できるようにトレーニングし、正確な結果が得られるかテストする必要があります。ready-to-使用する AIモデルの場合、これらすべてのステップが適切に実施され、Zoho Creatorアプリケーションで項目としてフォーム内で利用できます。

しかし、場合によっては、AIモデルを特定の要件に合わせてカスタマイズする必要があります。この目的を満たすために、Zoho Creatorの AI Modeler を使用して、カスタムAIモデルを作成し、望ましい結果を得ることができます。これは、ディープラーニングの専門知識がなくても簡単にAIモデルを作成できるビルダーとして利用できます。

例えば、印刷された領収書の写真をアップロードした際、その内容すべてを取得し、メールテンプレートに挿入する必要があるとします。このシナリオでは、ready-to-使用するOCRモデルを利用できます。カスタム対応の必要がなく、画像から利用可能なテキストをすべて抽出するだけです。次に、同じテンプレートの領収書が頻繁にアップロードされ、その中から領収書IDのみを抽出し、同じフォームの領収書ID項目に自動入力したい場合を考えます。この場合、カスタムOCRモデルを利用することで、特定の領収書テンプレートに合わせてモデルをトレーニングし、目的に合った抽出が可能となります。

法人向けシナリオ

AIモデラーが役立ついくつかの法人シーンを見てみましょう。

1. キーワード抽出：サポートチケットの自動分類

Zylkerというデリバリーパートナー企業は、Zoho Creatorを使ってチケッティングアプリケーションを構築しています。このアプリケーションを使用して受信チケットを管理し、完璧な顧客サービスを提供しています。チケットを受領するたびに、その内容に応じてカテゴリ分けやタグ付けを行っています。これにより、地域の専門担当者が内容を確認し、迅速に対応できるようになります。

Creatorのキーワード抽出AIモデルを活用すれば、このプロセスを自動化できます。例えば、チケットに「faulty」「spoiled」「damaged」「defective」「返金」などの単語が含まれていれば、自動的に「返品する & 返金」とタグ付けされます。同様に、「delayed」「missing」「rude」などが含まれていれば、「Delivery Agent」とタグ付けされます。これにより、適切な顧客サポート担当者を割り当てることができ、チケットの分類にかかる手作業を大幅に削減できます。

2. センチメント分析：サービス開始後の顧客フィードバックを分析

Zylkerのデリバリー会社は最近、いくつかの地域で10分間の食料品即配サービスを開始しました。このサービスの認知度や顧客の反応を把握するため、Zoho Creatorで作成したアンケートフォームを配布しました。

アンケート結果が多数集まった場合でも、センチメント分析AIモデルを使えば、新規サービスに対する顧客の意見を迅速に把握できます。例えば：

肯定的な回答をした顧客の平均割合（%）を特定できます。
回答の大半が肯定的な場合、否定的な回答を分離することで、チームが改善点を簡単に把握できるようになります。

3. 光学文字認識（OCR）：法人カードのデジタル化

Zylkerは、数多くの組織に対してデリバリーパートナーとして機能しています。すべての会社詳細は、Zoho Creatorで構築された法人カード管理アプリケーションで管理されています。Zylkerが新規法人商談を行うたびに、その法人カードがフォームにアップロードされます。アップロード後、OCR AIモデルを使用して法人カード内の内容をデジタル化できるため、名前、連絡先番号、住所などの詳細を簡単に分離できます。

4. オブジェクト検出：

Zylker Waresという小規模法人は、ボトル、ボウル、カップ、フォーク、グラス、ナイフ、スプーン、ワイングラスなどの在庫をInventory managementアプリケーションで管理しています。ここでは、カスタムオブジェクト検出モデルをトレーニングすることで、店舗の在庫内で頻繁に出る商品を特定し、商品が補充の必要がある際に従業員へ即時に通知できます。これにより、担当者はどの商品が早く売れるかを確認し、商品トレンドを把握しながら、新規商品やその他の商品を今後の需要に合わせてスムーズに注文できます。

5. 予測：新規商品の販売価格を予測

A 処理済み食品製造会社である Zylkerは、Zoho Creator アプリケーションを利用して組織のプロセスを管理しています。研究チームは常に新しいレシピの開発に取り組み、承認済みのレシピ仕様をフォームに更新しています。マーケティングチームはここから引き継ぎ、市場調査に基づいて販売価格を決定する必要があります。このシナリオでは、カスタムAI予測モデルを活用することで、市場価値や競合他社商品の価格、重さ、原材料、包装の選択など、さまざまな要因に基づいて仮の価格を提案でき、業務の効率化が図れます。

6. カスタムOCR：営業注文から順番IDを抽出

Zylker 処理済み食品製造会社は、Zoho Creator で構築された順番管理アプリケーションを使用して注文を管理しています。商品は多くの購入者にまとめて納品され、出力された自動作成済み営業注文を通知として送信します。すべての営業注文は、順番IDや購入者名などの他の重要な情報とともにフォームで管理されています。

営業注文のデータを管理することは効率的なプロセスですが、手作業で行うと単調で非効率的です。このシナリオでは、カスタムOCRモデルをZylkerが発行する営業順番のレイアウト専用にトレーニングすることができます。Zylkerの営業順番をアップロードすると、レイアウト固有の情報（順番IDや購入者名など）が自動的に抽出され、同じフォームに記録されるため、時間と手作業を大幅に削減できます。

7. カスタムオブジェクト検出：損傷レベルの自動タグ付け

自動車の再販会社であるZylkerは、使用中の交通手段をオンラインで売買しています。売却希望者が交通手段の情報や画像を提供できるよう、WebサイトにZoho Creatorフォームを埋め込んでいます。適切な検査が完了する前に、カスタムの物体検出AIモデルを利用して、交通手段の損傷レベルに基づき提案内容をタグ付け・分類することが可能です。例えば、へこみが多い交通手段は「重大な損傷」とタグ付けされ、少数のへこみであれば「中程度の損傷」と分類されます。

AIモデルの設定

アプリケーションで既製のモデルを導入する場合、設定は不要です。ただし、 カスタムモデル を追加するには、次の手順に従う必要があります。アプリケーションの

項目に追加できます。

1. 作成

「Microservices」セクションで、アプリケーションに実装する必要があるカスタムモデルの種類を選択します。直感的なビルダーが用意されており、選択したAIモデルを法人ニーズに合わせてカスタムインテリジェンスで作成できます。

2. 学習

次の手順は、トレーニングデータをアップロードし、モデルを学習させることです。トレーニングデータは、モデルにパターンを認識させ、予測や必要なタスクを実行できるようにするために最初に与えるデータセットです。良質なAIモデルの原則は、十分かつ関連性が高く、高品質なデータを収集して学習させることにあります。データサイエンスでよく使われる古い格言「garbage in, garbage 出力」を忘れないでください。低品質なトレーニングデータでは、モデルの結果の精度が損なわれます。トレーニングデータの品質を確保するための要素には、以下のようなものがあります。

関連性 - データセットは、含める必要がある必須の値のみに絞り込みます。
検証 - データセットに入力する値が正しいことを必ず確認してください。
一貫性 - データセット内の値は、常に同じ形式に従う必要があります。
網羅性 - データセットは十分な規模と適切な範囲を持ち、モデルが想定するすべての使用するケースを網羅している必要があります。
データクリーニング 誤ったデータ、未完了のデータ、重複データを削除するか修正します。データセットにいいえ欠損値がないことを確認してください。欠損値がある場合は、最頻値で補完することができ、数値データの場合は平均値で補完できます。

データセットの準備ができたら、アップロードすることでモデルの学習を開始します。学習には、モデルのサイズやキューに入っているモデル数などの要因によって時間がかかります。ただし、学習中に他の画面に移動しても問題なく、モデルの学習が完了した後で戻ることができます。

3. テスト

成功したトレーニングの後、モデルは実際にデプロイできる状態になります。ただし、モデルのパフォーマンスと品質を評価することが重要です。サンプル入力を与えてテストを行うことができます。テスト結果が満足のいくものでない場合、モデルがアンダーフィッティングまたはオーバーフィッティングしている可能性があります。

モデルがアンダーフィッティングしている場合、トレーニングデータに対して十分なパフォーマンスを発揮できません。これは、入力変数と出力変数の関係をモデルが理解できていないためです。モデルがオーバーフィッティングしている場合、トレーニングデータでは良好な結果を出しますが、テストデータでは誤った出力を生成します。これは、モデルが学習データを記憶してしまい、未知のデータに対して一般化できないためです。

言い換えると、アンダーフィッティングしたモデルはトレーニングデータのパターンではなく変動に注目し、オーバーフィッティングしたモデルはトレーニングデータを丸暗記してしまい、他の入力に対してはうまく機能しません。

オーバーフィッティングとアンダーフィッティングはいずれも、新しいデータに対してパフォーマンスが低下する原因となります。これを解決するためのキーは、トレーニングデータを正則化し、バリエーションが多すぎず、また期待される結果に近すぎないようにすることです。

各カスタムモデル種類の精度を向上させる方法をご覧ください。

4. 公開 model

AIモデルの設定における最後の手順は、公開することです。この段階までは、モデルは管理者のみがアクセスできます。モデルに満足した場合は、すべてのユーザーが利用できるように出版してください。これにより、モデルはZoho Creatorアプリケーションで実装できる状態となります。

AIモデルの管理

カスタムAIモデル は、一度設定した後でも、編集、名称変更、再学習、削除がいつでも可能です。優れたAIモデルは、構築し、品質の高いデータを投入し、展開する必要があります。しかし、それだけでは終わりません。AIモデルの品質を維持するには継続的な取り組みが必要です。時間の経過とともに、法人環境やデータが変化することで、AIモデルには モデルドリフト が発生するのは避けられません。つまり、モデルの精度が徐々に低下し始めます。例えば、企業の営業はコロナ前とコロナ後で異なります。営業を予測するAIモデルを構築する場合、コロナ要因も考慮して学習させる必要があります。

この理由から、AIモデルは定期的に、または明らかなトレンドの変更があった際には、最新の新規データでテストおよび再学習を行うことが重要です。設定で編集、名前を変更する、再学習、および削除などの操作は、モデル詳細ページで利用できます。このページでは、バージョンやモデルが導入されているアプリケーション一覧など、その他の詳細も確認できます。

AIモデルの利用

Zoho CreatorアプリケーションでAIモデルを実装するには、以下のいずれかの方法を使用してください。

必須モデルを使用するには、 AI modeler ページにアクセスしてください。アプリケーションビルダーにリダイレクトされ、モデルの実装が必要となります。
追加する必須AI項目をフォームに追加してください。カスタムモデルを選択すると、AI項目の追加時に公開済みのすべてのモデルが一覧表示されます。

メモ: 環境が有効なアプリケーションでは、本番環境で少なくとも1つのバージョンが公開済みの場合のみ、カスタムAIモデルを使用できます。

AI通話

AI通話は、Creator内のAIサービスにアクセスする際に行われたAPI通話に基づき、アカウントごとに計算されます。

1 AI通話 = 1 API通話が発生します。つまり、AIモデルがCreatorアプリケーションでデプロイされるたびにAI通話が行われ、必要な出力が取得されます。

有料プランのユーザーは、月あたり1000 AI通話まで利用可能です。アカウントごとの残りリクエスト数は、いつでも請求セクションから確認できます。

注意事項

管理者はカスタムAIモデルの作成および利用が可能ですが、ユーザーは管理者が作成したモデルのみ利用できます。アプリケーションの編集権限を持つユーザーは、AI項目をフォームに追加することで間接的にAIモデルを活用できます。
Creatorは低コードプラットフォームのため、AIモデルの作成・利用・アクセスに事前のコーディングや機械学習の知識は必要ありません。
カスタムAIモデルのトレーニングに使用中のデータを特定し収集できるよう、すべての法人要件について十分に把握しておく必要があります。
カスタムAIモデルのトレーニングデータを収集する際には、標準として探索的データ分析（EDA）を実施してください。
AI Modeler は支払い済みプランで利用可能です。料金ページをご参照ください。
カスタムAIモデルを作成するには、Zoho Creator 6（C6）を利用し、 Microservices セクションから操作してください。なお、AIモデルを項目としてデプロイする場合は、C6およびC5の両方で対応しています。
各モデル種類のガイドラインを表示します：