Cosmo SmartPredict は、ユーザーが構成を完了するときに、コンテキストに応じた予測に関する迅速な推奨事項を提供します。SmartPredictは、 CPQ 環境に保存されている既存の構成またはCSVファイルを介してアップロードされたデータのいずれかでトレーニングできます。

Cosmo SmartPredict は強力な基盤となる AI モデルを活用しますが、トレーニングに提供されるデータの量と質によって異なります。

Cosmo SmartPredict の設定

Cosmo SmartPredictへのアクセスが制限されています。SmartPredict を CPQ 環境にプロビジョニングするには、サポートにお問い合わせください。プロビジョニングが完了すると、SmartPredict を個々のブループリントで選択的に有効にできます。ブループリントで SmartPredict を有効にするには、ブループリントに移動し、ブループリントの新しい [スマート予測] タイルをクリックして、SmartPredict 画面の切り替えボタンをクリックします。

SmartPredict モデルを作成するには、[ 作成 ] をクリックしてモデル パラメーターの定義を開始します。少なくとも、モデルには名前と変数名が必要です。いくつかの追加のモデル設定によって、モデルがトレーニングに使用するデータが決まります。

• ライブデータを使用したトレーニング

  ライブデータを使用してモデルをトレーニングすることを選択した場合、この詳細計画を使用する CPQ の既存および将来の構成が、詳細計画のフィールドのモデルを改良するための入力として機能します。開始日を定義し、フィールドの包含または除外を指定することで、トレーニングデータをさらに絞り込むことができます。フィールド値に基づいて追加のフィルターを作成できます。トレーニングデータのフィルタリングはオプションです。他のすべてのパラメーターを空白のままにすると、モデルは詳細計画の既存のすべての構成でトレーニングされます。パラメーターの設定が完了したら、[ 保存] > [トレーニング ] をクリックしてモデルのトレーニングを開始します。

  オプションのフィルタリングパラメーターは次のとおりです。

  • 開始日:トレーニング対象の構成の開始日 (この日を含む) を選択します。空白にすると、構成は作成日でフィルタリングされません。
  • フィールド:詳細計画の個々のフィールドは、含めるか除外するかを選択できます。
  • 追加のフィルター:トレーニング構成データをフィルター基準に一致するもののみに絞り込むには、個々のフィールドを選択して「等しい」基準を入力します。
• CSV ファイルのデータを使用したトレーニング

  データをフォーマットして CSV ファイルとしてアップロードすることで、外部ソースからのデータを使用してモデルをトレーニングすることもできます。CSV データでは、最初の行はフィールドの変数名である必要があります。CSV アップロードページから、詳細計画のすべてのフィールドを含むサンプル CSV ファイルをダウンロードできます。

  CSV ファイルをフォーマットするときに、詳細計画で使用可能なフィールドのサブセットのみを指定することを選択できます。

  • フィールド:列ヘッダーは、値が指定されるフィールドの変数名である必要があります。トレーニングでは、予測可能なタイプのフィールド (ブーリアン、数値、ピックリスト、セット、および製品ピッカー) のみが使用されます。テキストフィールドは予測されず、トレーニングには使用されません。
  • 複数選択選択リスト:スペースを入れずにカンマを使用して、複数の選択リストの値を指定します。
  • セットと製品ピッカー:セットおよび製品ピッカーフィールドの書式設定は SetVariableName_index_fieldVariableName または ProductPickerVariableName_index_fieldVariableNameで、インデックスには 0、1、または 2 を使用し、フィールド、セット、または製品ピッカーには変数名を使用します。

モデルが保存されると、アップロードされたデータまたはフィルタリングされたライブデータに基づいてトレーニングのためにキューに入れられます。トレーニングは提供されるデータの量に応じて変化しますが、通常は数時間、最大で 1 日かかります。モデルのトレーニングが完了したら、アクティブ化して展開できます。

モデルがライブデータを使用しているときにフィルター、フィールド、または開始日が変更された場合、モデルは再トレーニングされます。新しい CSV データがアップロードされると、モデルが再トレーニングされます。ライブデータを使用するモデルは、引き続きライブデータで定期的にトレーニングされます。モデルが新しいライブデータで自動的にトレーニングされている場合は、更新されたモデルを使用するために詳細計画を再展開する必要はありません。

Cosmo SmartPredictの使用

詳細計画用にモデルがトレーニングされると、そのモデルをアクティブ化できます。複数の SmartPredict モデルをトレーニングできますが、ブループリントで一度にアクティブにできるモデルは 1 つだけです。詳細計画のモデルが変更またはアクティブ化された場合、新しいモデルを使用するには詳細計画を再展開する必要があります。

エンド ユーザーが Cosmo SmartPredict から推奨事項をトリガーするには、フィールドの約 5% に値を入力する必要があります。

予測されるフィールドタイプには、数値、ピックリスト、ブール値、セット (数値、ピックリスト、ブールフィールドを含む)、製品ピッカー、およびこれらすべてのタイプのサブフィールドが含まれます。テキストフィールドは予測されません。

ユーザーには、3 種類の推奨事項 ([良好]、[より優れ]、[最適]) が提供されます。これらの推奨事項は、トレーニングデータに基づくモデル予測に対応しています。いつものように、データの品質は予測の品質に大きく影響します。

推奨事項は、入力されたフィールドに基づいて変更される可能性があります。ユーザーが編集したフィールドには予測はありません。

セットまたは製品ピッカーが予測に含まれている場合、セットまたは製品ピッカー行のすべてのフィールドに予測値があります。

SmartPredict V1 および V2

SmartPredictには、V1とV2の2つのモデルがあります。V1 モデルは引き続き使用できますが、V2 には優れた機能があります。

V2 モデルでは、前モデルと比較していくつかの重要な機能強化と変更が導入されています。

• 予測の信頼性の向上:V2 は、信頼性の高い予測を提供するように設計されており、通常は意思決定の指針となる確率の高い単一の推奨事項を提供します。
• より広範なフィールドのサポート:予測機能がセットと製品ピッカーフィールドを含むように拡張され、構成全体での適用範囲が大幅に広がりました。
• 拡張された予測オプション: V1 とは異なり、V2 はセットと製品ピッカーの 3 つのインデックスまたはオプションの予測に限定されないため、より包括的で柔軟な提案が可能になります。
• トレーニングデータのアクセシビリティ:アドミニストレーターは、あらゆるシナリオで使用される CSV トレーニングデータをプラットフォーム内からダウンロードできるため、透明性と制御性が向上します。

ただし、V2 モデルのトレーニング時間は大幅に長くなります。数千行のデータセットの場合、トレーニングは通常 30 分から 60 分の範囲です。さらに、モデルはシナリオリストページを介してアクティブ化する必要があります。トレーニングデータのサイズに関係なく、アクティブ化には一貫して 20 分から 40 分かかります。

V1 モデルは引き続き運用されているため、V2 を採用するかどうかを検討する際にスムーズな移行期間が提供されます。

V2 モデルの精度、パフォーマンス、および全体的なエクスペリエンスに関するご意見は、継続的な改善にとって非常に重要です。皆様の体験談をお聞かせいただき、構成に AI を活用したお客様の成功を祝います。フィードバックは、サポートチームまたは製品チームと共有してください。

メモと推奨事項

AI モデルインフラストラクチャには多大なリソースが必要です。キャパシティを効果的に管理するために、長期間アクセスされていないモデルや使用率が非常に低いモデルは自動的に非アクティブ化される場合があります。モデルを非アクティブ化した場合は、シナリオリストページから簡単に再アクティブ化できます。予測が再び使用可能になるまで、再アクティブ化プロセスが完了するまで約 20 〜 40 分かかります。

一般に、モデルをトレーニングするための堅牢なデータセットを作成するには、約 400 の構成が必要です。

他の AI モデルと同様に、トレーニング データの品質は予測の品質の主な要因です。