Einstein StudioとAIモデル連携 — Prompt Builder・予測モデル活用

導入

AIを活用したいとき、膨大な顧客データをどうやってAIに「読ませる」かが課題になります。Data CloudのEinstein Studioは、この橋渡しを担う機能です。

くわしく知ろう

Einstein Studioは、Data Cloud上でAIモデルを登録・管理し、顧客データとAI機能を接続するための統合環境です。活用できるAIには大きく2種類あります。まず「Predictive AI（予測AI）」は、過去のデータから将来の行動（解約リスク・購買確率など）を予測するモデルで、DataRobotやAmazon SageMakerなど外部で構築したモデルをData Cloudに持ち込む「BYOM（Bring Your Own Model）」方式も利用できます。次に「Generative AI（生成AI）」は、自然言語のテキストを生成する大規模言語モデル（LLM）を活用するものです。

Generative AIの重要な機能が「Prompt Builder」との連携です。Prompt Builderは、AIへの指示文（プロンプト）に顧客の属性や行動履歴などData Cloudのプロファイル情報を動的に埋め込む機能で、この仕組みを「Grounding（グラウンディング）」と呼びます。Groundingにより、「この顧客の過去購買履歴に基づいておすすめ商品を提案して」という個別文脈を持つプロンプトが自動生成され、汎用的なAIが顧客固有の文脈で応答できるようになります。

さらに、Predictive AIモデルが算出したスコア（解約確率・購買確率など）をUnified Individualのプロファイル属性として書き戻す「推論結果の書き戻し」機能もあります。これにより推論スコアをセグメント条件やCalculated Insightsで活用できます。Einstein StudioはEinstein Copilot（現Agentforce）とも連動し、AIエージェントが顧客に合った応答を生成する際の基盤となります。

具体例

たとえば「解約リスクが高い顧客」セグメントに対し、Prompt BuilderでGroundingを設定すると、顧客の契約期間・サポート問い合わせ回数・最終ログイン日などがプロンプトに自動挿入され、Einstein CopilotがそれぞれのSalesforce担当者に最適なフォローアップメッセージを提案できます。

まとめ・試験ポイント

• Einstein Studio＝Data Cloud上でAIモデルを登録・管理し顧客データと接続する環境
• Predictive AI＝過去データから将来行動を予測するモデル（解約リスク・購買確率など）
• BYOM（Bring Your Own Model）＝外部で構築した予測モデルをData Cloudに持ち込む方式
• Generative AI＝LLMを用いてテキストを生成するAI
• Prompt Builder＝プロンプトにData Cloudプロファイル情報を動的に埋め込む機能
• Grounding＝顧客属性・行動履歴をプロンプトに組み込み文脈を与える仕組み
• 推論結果の書き戻し＝予測スコアをUnified Individual属性として保存し、セグメントで活用可能にする