---
sourceDocument: オーストラリアのカスタマーサービス管理 (CSM)
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ja-JP/customer-service-management

 Release :

    - australia

ft:locale :

    - ja-JP

ft:publication_title :

    - オーストラリアのカスタマーサービス管理 (CSM)

ft:clusterId :

    - csm

bundleId :

    - csm

workflow :

    - Customer and Industry


---

# レコードフィールドを予測するためのモデルの作成

# レコードフィールドを予測するためのモデルの作成 {#ariaid-title1}

* リリースバージョン: Australia
* 
* 更新日 2026年03月12日
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 所要時間：4分

ケースレコードとインタラクションレコードのフィールドを予測するモデルを作成してトレーニングします。

開始する前に
:   必要なロール:ml_admin、ti_admin

このタスクについて

:   フィールド予測モデルは、いくつかの推奨設定を含むガイドです。推奨入力フィールドなどのこれらの設定を使用するか、独自の設定を追加できます。ケース、ケースタイプ、およびインタラクションに、複数のフィールド予測モデルを作成してトレーニングできます。

## モデルを設定 {#csm-task-intel-create-cat-solution__section_icx_xdz_g5b}

1. 移動先 すべてカスタマーサービスのタスクインテリジェンスセットアップ タスクインテリジェンスアドミンコンソールにアクセスします。
2. \[フィールドの選択を予測して処理時間を短縮 (Predict field choices to reduce handle time)\] で、このモデルの \[モデルを設定\] を選択します。

   モデルが開き、5 ページのうち最初のページが表示されます。モデルの各ページで質問が提示され、効果的なモデルをビルドするために必要な情報を選択するのに役立ちます。
{#csm-task-intel-create-cat-solution__ol_lzt_g2z_g5b}

## 目的の定義 {#csm-task-intel-create-cat-solution__section_l1j_32z_g5b}

モデルの予測のテーブルとトリガーを選択します。

新しい顧客のメールが届いたとき、またはインタラクションが作成されたときに、モデルにケースフィールドやインタラクションフィールドを予測させることができます。モデルが予測を行うために使用するデータに基づいて意志決定します。

|-|-|
| 予測するフィールドを含むテーブルのタイプを選択します | テーブルタイプを選択します。 * ケース * インタラクション {#csm-task-intel-create-cat-solution__ul_kdp_xj4_qyb}モデルは、選択されたテーブルのデータを使用して予測を行います。 |
| 予測をトリガーするタイミングまたはチャネルを選択します | 予測のトリガーを選択します。 * ケース * メール * インタラクション {#csm-task-intel-create-cat-solution__ul_qbp_ck4_qyb} |
| オプションのトレーニング入力を含める場合に選択します | モデルのトレーニング時に添付ファイルを含めるには、このチェックボックスをオンにします。 メールとレコードの添付ファイルには、レコードを正しくルーティングするために役立つ情報を含めることができます。 |
[表 : 1. テーブルとトリガーの選択]

{#csm-task-intel-create-cat-solution__table_tkc_2yb_d5b}  
1. モデルのテーブルタイプを選択します。
2. 予測トリガーを選択します。
3. 必要に応じて、添付ファイルデータを含めるためのこのチェックボックスを有効にします。メールまたはレコードの添付ファイルからのテキストが予測に役立つ場合は、これらの情報を含めます。モデルは、メールまたはレコードのテキストとともに添付ファイルデータを評価して予測を行うことができます。

4. \[保存して続行\] を選択します。
{#csm-task-intel-create-cat-solution__ol_xv1_42z_g5b}

## モデルのトレーニング {#csm-task-intel-create-cat-solution__section_ikw_32z_g5b}

モデルがパターンを学習できるように、入力フィールドと出力フィールドを選択します。出力フィールドは、モデルが予測するフィールドです。入力フィールドは、モデルが予測を行うために使用するフィールドです。  
この情報を選択すると、トレーニング中に何を探すかがモデルに指示されます。  
注:  
推奨設定を使用することも、別の設定を選択することもできます。

1. モデルの名前を入力します。
2. 予測するモデルの出力テーブルと出力フィールドを選択します。
3. トレーニング用のレコードのセットを選択する条件を選択します。選択した条件は、モデルのトレーニング方法を決定し、予測を行うためにレコードが満たす必要がある条件のフィルターとして機能します。

4. モデルが予測を行うために使用する必要があるトレーニングデータ内のフィールド (入力フィールド) を選択します。

5. 入力フィールドを選択します。
6. 選択した条件に基づいて、トレーニングデータ内の結果のケースの数を確認します。効果的なトレーニングのためには、モデルに少なくとも 500 件のレコードが必要です。この最小数を満たすことができない場合は、別の条件を選択してください。

7. \[トレーニングを開始 (Launch training)\] を選択します。

   特に大量のデータでモデルをトレーニングする場合は、トレーニングに時間がかかることがあります。トレーニングが完了したときにメールを送信するようにシステムに要求できます。
{#csm-task-intel-create-cat-solution__ol_hzp_w2z_g5b}

## モデルの評価 {#csm-task-intel-create-cat-solution__section_eh3_j2z_g5b}

トレーニングの結果を評価し、予測されたフィールドのサンプル結果を表示します。結果を確認すると、展開後にモデルのパフォーマンスがどうなるかを確認できます。

各フィールドの予測の設定を選択します。このモデルは、これらのフィールドの機密性に応じて、フィールド値を自動的に入力したり、フィールド値の推奨事項を提供したり、監視のみを行ったり、予測をオフにしたりするなどの、柔軟性のあるオプションを提供します。

1. それぞれの有効なフィールドの \[予測の設定 (Prediction preference)\] を選択します。  

   |-|-|
   | オートフィル | レコードのフィールドに最適な予測値を追加します。 |
   | 推奨事項 | フィールドの下のメッセージに推奨値を表示します。 |
   | 監視のみ (Monitor only) | フィールドの予測が行われ、情報が \[予測履歴\] に保存されますが、ケースレコードには情報は追加されません。 |
   | 予測をオフにする | フィールドの予測をオフにします。 |
   [ ]

   {#csm-task-intel-create-cat-solution__table_arg_4fd_d5b}
2. \[サンプル結果を表示 (View sample results)\] を選択して、各予測フィールドのサンプル結果を表示します。
3. \[保存して続行\] を選択します。
{#csm-task-intel-create-cat-solution__ol_ukw_rfz_g5b}

## モデルの展開 {#csm-task-intel-create-cat-solution__section_w13_k2z_g5b}

前のページの選択内容と、モデルのトレーニング方法に関する情報を確認します。次に、\[展開\] を選択してモデルを展開できます。