次の方法で共有


エージェントのトピックを定義する

エージェントに最適なトピックを定義するには、ユーザーが尋ねる可能性のある質問や達成しようとしているタスク、提供する必要がある情報と自動化の種類を理解する必要があります。

たとえば、小売店のエージェントは、ユーザーにまず、店舗検索、注文、注文状況の確認、購入商品の返品という 4 つのうちから、やりたいことを選んでもらうことから始めることも想定されます。 その回答に基づいて、それぞれ独自のトピック対話が用意された 4 つのトピックのいずれかに導きます。

この情報の初期ソース セットは、次を含みます。

  • 既存のよくある質問 (FAQ) またはサポート情報 (KB)。
  • 社内や顧客サービスのシナリオで、従業員や顧客が提起する一般的な話題。 顧客サービス エージェントを構築する場合は、既存のサービス担当者と話し合って、最も一般的な質問の内容と、通常の質問の順序を確認します。

トピックの別のタイプ

通常、エージェント ユーザーには、対処したい特定の質問や問題、または解決したい問題 (「タスク」) があります。 エージェント ユーザーが実行するタスクの種類 (作成する必要のあるエージェント トピックの種類) は、次の 3 つのカテゴリに分類されます。

  • 情報に関する: 例: 「何ですか?」、「いつ……ですか?」、「なぜですか?」
  • タスクの完了: 「~したい」、 「どうやって~するの?」
  • トラブルシューティング: "何かが動作していません..."、"エラー メッセージが表示されました。.."

また、"ヘルプが必要です" や "ショッピング" など、あいまいなユーザーの質問を処理するためにエージェント トピックを作成する必要がある場合もあります。これらのトピックでは、エージェント ユーザーに説明を求めるので、正しいトピックにルーティングできます。

トピックの設計プロセス

  1. トピックを特定する

    • エージェント ユーザーが質問するトピックを選択します。
    • 効果的なトピックから始めます。
    • ユーザーの視点からトピックについて考えます。 その際は、エンドユーザーは社内の担当者よりも、その分野に習熟しておらず、ナレッジが少ない可能性に留意します。
  2. すべてのシナリオをリストアップする

    • 考えられるシナリオをすべてリストします。
    • シナリオを、情報タスクの完了トラブルシューティング に分類します。
    • トピックの階層化: ユーザーが最初に尋ねる質問は何ですか?
  3. 重要な会話ツリーの設計

    • 会話ツリーを描きます。
    • それぞれのトピックで尋ねられる質問の階層を定義します。
    • 状況を把握して適切なソリューションを提供する上で、最小限の質問を定義します。
  4. 設計を検証して、これを繰り返す

    • 公開する前に対話を声に出して読み上げ、口調や言葉遣いに問題があるかどうかを確認します。
    • 分析を取得してセッションのトランスクリプトを読み取り、さらに最適化します。
    • オーサリングの反復ごとにエージェント ユーザーと エージェント のやり取りを観察することで、エージェント トピックを継続的に反復して改良します。

重要

  • Web サイトやアプリで既に実行できることをレプリケートしないでください。 顧客は Web サイトやアプリに慣れているので、エージェントと対話しなくても、一般的なタスクを自分で実行できます。
  • まず、大量のチャットや通話が発生する問題やシナリオのトピックを作成することに重点を置きます。 その他の重要度の低い問題のロングテールには、一定の期間をかけて取り組みます。
  • 設計はできる限り徹底的に行い、ユーザーが質問したりサポートが必要になったりする可能性のあるすべてのシナリオを考慮してください。

シングル ターンとマルチ ターンの対話を両方とも計画する

単純な対話の場合は、1 つの質問と 1 つの回答だけでシングル ターンの会話を作成します。 しかし、より本質的なトピックでは、ユーザーとエージェントの間で何度もやり取りするマルチターンの会話が必要です。

たとえば、ユーザーが小売店の エージェント に近くに店舗があるかどうかを尋ねた場合、エージェントは可能な回答を絞り込むための質問で応答する場合があります。 これらの応答は、"どの市区町村に住んでいるか" または "郵便番号は何ですか?ユーザーの応答によって、会話内のエージェントの次の応答が決まります。

ネイティブ生成型 AI 機能を使用する

エージェントをデザインする際は、エージェントユーザーが尋ねるすべてのタイプの質問を予測できない場合があります。 これを軽減するために、Copilot Studio は強力な AI を活用した機能を搭載しており、自然言語理解 (NLU) モデルによる最新の進歩を利用できます。

エージェントを公開されているBingインデックス付き Web サイトに接続し、 生成応答 機能を使用して、わかりやすいプレーン言語の応答を自動的に生成できるようにします。 すべての結果または "エッジ ケース" に対してトピックを作成する必要はありません。

膨大なシングルターンの質問と回答のペアをオフロードする

Copilot Studio エージェント を 1,000 トピックに制限します。

FAQ またはナレッジ ベースが多数ある場合は、Copilot Studio トピックの外部にオフロードすることで、質問と回答のペアごとに 1 つのトピックを作成しないようにし、 フォールバック トピックを使用して Copilot Studio で単一のユーザー エクスペリエンスを提供できます。

チップ