人工知能（AI）モデルは、以前のデータを元にパターンを認識し、それを用いて予測、決定、解釈を行うことができます。 AIモデルは通常、さまざまな適切な機械学習アルゴリズムに基づいて構築されますが、Zoho Creator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組み合わせて、その複雑さを完全に隠しました。これにより、低コード開発者が機械学習を利用できるようになりましたが、その背後にあるメカニズムについて心配する必要はありません。

Zoho Creatorを適用すると、AIモデルは将来の成果を予測したり、通常は人間の干渉が必要な操作を自動化することで、ビジネスプロセスを最適化できます。たとえば、Zoho Creator上で構築されたCRMアプリケーションは、現在および過去のデータを元に、見込み客をコンバートできるかどうかをAIによって予測することができます。この洞察は、営業チームがその顧客にアプローチする方法を考えるのに役立ちます。また、Zoho Creator上で構築されたサーベイアプリケーションは、AIを使用して、フィードバックに表現された感情を自動的に分析することができます。

モデルの種類

Zoho Creatorは、ビジネスアプリケーションで効率的に機能する5つの一般的な機械学習モデルをサポートしています。 いくつかのモデルは、アプリケーションにすぐに利用できるように事前に構築されていますが、他のモデルは要件に応じてカスタマイズできます。 どちらも、それらを利用するためには、事前の機械学習やコーディングスキルは必要ありません。 このビルドタイプに基づいて、モデルは次のように分類されます。

• 準備完了のAIモデル
• カスタムAIモデル
  
• 予測モデル
  
• OCRモデル
  
• 物体検出モデル

Zoho Creatorでサポートされるモデルタイプは次のとおりです：

一般的に、AIモデルを展開するには、適切なMLアルゴリズムに基づいて構築し、適切なサイズと品質のデータセットを供給し、パターンを認識するようにトレーニングし、正確な結果を確認するためにテストする必要があります。 準備ができたAIモデルについては、これらすべてのステップがZoho Creatorアプリケーションで適切に実装され、フォームのフィールドとして提供されています。 

しかし、一部のシナリオでは、AIモデルを特定の要件に合わせて調整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、望ましい結果を得るためのカスタムAIモデルを構築できます。 これは、深い学習の概念を直接扱わずに、簡単にAIモデルを作成できるビルダーとして見ることができます。

例えば、印刷されたレシートの写真がアップロードされたとします。そのコンテンツをすべて取得し、メールテンプレートに挿入する必要があります。このシナリオでは、 既存のOCRモデル を使用できます。カスタムのニーズはなく、写真から利用可能なすべてのテキストを抽出するだけです。 同じテンプレートのレシートが毎回アップロードされるとします。そして、レシートIDフィールドにはレシートのIDのみが抽出されて挿入されます。この場合、 カスタムOCRモデル を使用して、この目的を果たすことができます。モデルは、1つの特定のレシートテンプレートに対してトレーニングする必要があります。 

ビジネスシナリオ

AIモデラーが役立ついくつかのビジネスシチュエーションを考えてみましょう。

1. キーワード抽出：サポートチケットの自動分類

企業Zylkerが、Zoho Creatorを使用してチケット管理アプリケーションを構築しました。彼らは、このアプリケーションを使用して受信チケットを追跡し、完璧な顧客サービスを提供しています。チケットを受信する度に、彼らはそれを種類に応じてカテゴリ分けし、タグを付けます。これにより、分野の専門家が簡単に確認して対応できるようになります。 

Creator のキーワード抽出 AI モデルを使用することで、このプロセスを自動化することができます。 例えば、チケットに「故障」「損傷」「破損」「不良」「返金」などの言葉が含まれている場合、チケットは「返品＆返金」として自動的にタグ付けされます。 同様に、「遅延」「欠落」「失礼」などが表示されると、チケットは「配送担当」としてタグ付けされます。 これにより、正しいカスタマーサポート担当者にチケット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が大幅に削減されます。 

2. 感情分析：サービス発表後のお客様のフィードバックを分析する

Zylkerの配送会社は最近、いくつかの場所で10分間のグローサリー配送サービスを開始しました。このサービスの範囲を学び、お客様がどのように感じているかを知るために、Zoho Creatorを使用した調査フォームを発行しました。 

新サービスに関する顧客の意見をすばやく把握するために、アンケートの結果が多すぎる場合は、感情分析AIモデルを使用することができます。 例えば：

• 顧客からの肯定的な反応の平均割合を特定することができます。
• 反応の大部分が肯定的な場合、否定的な反応を分離して、チームが改善すべき点を簡単に見つけることができます。

3. 光学文字認識（OCR）：名刺のデジタイゼーション

4. 物体検出： 

5. 予測：新製品の販売価格の予測

食品加工会社のZylkerは、組織プロセスを管理するためにZoho Creatorアプリケーションを使用しています。彼らの研究チームは、新しいレシピを継続的に研究し、製品として発売することが承認されたレシピの仕様をフォームに更新します。マーケティングチームはここから始めて、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予測モデルを使用することで、彼らの仕事をより簡単にすることができます。似た競合製品の市場価値、重量、材料、およびパッケージングの選択など、様々な影響要因に基づいて暫定価格を提案することができます。

6.  カスタムOCR：販売注文から注文IDを抽出する

Zylkerの食品加工製造会社は、Zoho Creatorを使用して構築された注文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。彼らは多くの買い手に製品を大量に供給し、自動生成された販売注文を承認として送信します。すべての販売注文は、注文IDや買い手名などの他の重要な情報とともにフォームに保持されます。

記録保持は効率的なプロセスですが、手動で行うのは単調で効率的ではありません。このシナリオでは、Zylkerが発行する売上注文のレイアウトに特化したカスタムOCRモデルをトレーニングすることができます。 Zylkerの売上注文のアップロード後、注文IDや購入者名などのレイアウト固有の情報を自動的に抽出し、同じ形式で保持することができます。 手間と時間の節約になります。

7. カスタムオブジェクト検出：自動タグ損傷レベル

自動車販売会社のZylkerは、中古車をオンラインで販売しています。彼らは、販売する車の情報（画像を含む）を提供するために、ウェブサイトにZoho Creatorフォームを埋め込みました。正しい検査が行われる前に、カスタムオブジェクト検出AIモデルを使用して、車のダメージレベルに基づいて提案をタグ付けおよびカテゴライズすることができます。たとえば、多くのキズのある車は「重度の損傷」としてタグ付けされ、数個のキズのある車は「中程度の損傷」などとしてタグ付けされます。 

AIモデルの設定

特定のモデルを使用する場合、それをフォーム内のフィールド として追加する前に、次の手順を実行する必要があります。

1. 作成する

「マイクロサービス」セクションでは、アプリケーションに実装する必要なカスタムモデルタイプを選択します。ビジネスニーズに合わせたカスタムインテリジェンスを備えた選択したAIモデルを簡単に構築するためのビルダーが提供されています。

2. 訓練 

次のステップは、トレーニングデータをアップロードしてモデルを訓練することです。トレーニングデータは、モデルにパターンを認識させ、予測を行うか、必要なタスクを実行させるために供給する必要がある最初のデータセットです。 良いAIモデルの背後にある原理は、モデルを訓練するのに十分な、関連性のある高品質のデータを収集することです。 データサイエンスで最も古くから使用されているフレーズを思い出してください：「ゴミ入り、ゴミ出し」。 低品質のトレーニングデータは、モデルの結果の精度を損なう可能性があります。トレーニングデータの品質を確保するためのいくつかの要因は次のとおりです。

• 関連性 - 必要な値にのみ含まれるようにデータセットを絞り込みます。
• 検証 - 入力データセットの値が正しいことを確認してください。 
• 一貫性  - データセット内の値は、常に同じフォーマットに従う必要があります。
• 全面性 - データセットは、モデルが望むすべての使用ケースをカバーするために十分な大きさであり、適切な範囲と範囲を持っている必要があります。
• データクリーニング  - 不正確、不完全、重複したデータを削除または修正します。 データセットに欠損値がないことを確認してください。 欠損値を最頻値で置き換えることができます。 数値の場合は、平均値を使用します。

データセットの準備ができたら、アップロードしてモデルを訓練します。モデルのサイズやキューに入っているモデルなどによって、訓練には時間がかかりますが、モデルが訓練されたら、他の作業に移ることもできます。

3. テスト 

トレーニングが成功したら、モデルは実際にデプロイする準備が整います。しかし、モデルの性能と品質を評価することは重要です。サンプル入力を与えてモデルをテストすることができます。テスト結果が満足のいくものでない場合は、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 学習不足 である場合、トレーニングデータで性能が低いです。これは、モデルが入力と出力変数の関係を理解できないためです。モデルが 過学習 である場合、トレーニングデータではうまく機能しますが、テストデータでは間違った出力が生成されます。これは、モデルが見たデータを記憶しており、未知の例に一般化できないためです。 

つまり、過学習モデルは訓練データのパターンを学習するのではなく、訓練データの変化を学習しますが、過学習モデルは訓練データを覚えてしまい、他の入力に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、新しいデータで悪い結果をもたらす問題となります。その解決策は、トレーニングデータを正規化することです。すなわち、トレーニングデータは、あまりにも多くの変化を持たず、期待される結果に近すぎる値を持たないようにする必要があります。

どのように各カスタムモデルタイプの精度を向上させることができるかをご覧ください：

• 予測
• OCR
• オブジェクト検出

4. モデルを公開する

AIモデルをセットアップする最終ステップとして、公開する必要があります。このポイントまでで、モデルは管理者のみがアクセス可能です。モデルに満足している場合は、Zoho Creatorアプリケーションに実装する準備ができているということを意味して、すべてのユーザーに公開してください。

AIモデルの管理

カスタムAIモデル は、設定後はいつでも編集、名前変更、再学習、削除することができます。  良いAIモデルを作成するためには、品質の良いデータを提供して配備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のは継続的なプロセスです。時間が経つにつれて、ビジネス環境やデータが変化するため、AIモデルの精度が低下することは避けられません。例えば、コロナ前後で会社の売上が異なります。売上を予測するために作成されたAIモデルは、コロナ要因も考慮して学習する必要があります。

そのため、AIモデルを定期的に最新のデータでテストし、再学習することが重要です。また、トレンドの変化が明らかになった場合にも、これを行う必要があります。モデルの編集、名前変更、再学習、削除などのオプションは、モデル詳細ページで利用できます。このページには、モデルがデプロイされているバージョンやアプリケーションのリストなどの詳細も表示されます。

AIモデルの使用

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

• 必要なモデルをAIモデラーのページから使用してください。アプリケーションビルダーにリダイレクトされ、モデルを実装する必要があります。 
• 追加 必要な AIフィールド をフォームに追加します。カスタムモデルを選択すると、AIフィールドを追加する際に、すべての公開モデルがリスト表示されます。

注: 環境が有効になっているアプリケーションの場合、プロダクション環境で少なくとも1つのバージョンを公開している場合にのみ、カスタムAIモデルを使用できます。 

AIコール

AIコールは、CreatorのAIサービスにアクセスするときに作成されたAPIコールに基づいて、アカウントごとに計算されます。 

1 AIコール = 1 APIコールすなわち、AIモデルがCreatorアプリケーションにデプロイされるたびに、AIコールが行われ、必要な出力が取得されます。

Ultimate / Professionalプランのユーザーは、月間1000 AIコールまで使用できます。 アカウント毎の残りのリクエスト数は、請求セクションからいつでも監視できます。 

注意事項

• 管理者として、 はカスタムAIモデルを作成・使用できますが、ユーザーはあなたが作成したモデルのみを消費できます。アプリケーションを編集する権限を持つユーザーは、フォームに AIフィールド を間接的に追加することでAIモデルを利用できます。
• Creatorは、AIモデルを作成、利用、またはアクセスするために、事前のコーディングや機械学習スキルが必要な低コードプラットフォームです。
• ビジネス要件を十分理解し、トレーニングのためのカスタムAIモデルに使用するデータを収集することができるようになる必要があります。
• カスタムAIモデルのためのトレーニングデータを収集する際には、探索的データ分析（EDA）を推奨します。
• AI Modeler は、 プロフェッショナル または  アルティメット プランでご利用いただけます。  当社の価格ページをご覧ください 。
• Zoho Creator 6（C6）を使用してカスタムAIモデルを作成することができるようにする必要があります  マイクロサービス セクションであり、AIモデルをフィールドとして展開することは、C6およびC5の両方でサポートされています。
• 各モデルタイプのガイドラインをご覧ください：

• 予測
• OCR
• オブジェクト検出

サンプルデータ

添付ファイルにあるサンプルデータを使用して、カスタムAIモデルを構築して始めましょう。

関連トピック

• 準備完了のモデル
• 予測モデルを理解する
• OCRモデルを理解する
• 物体検出モデルを理解する
• AIフィールドを理解する