予測ルーティングのためのAIモデルによるエージェントのスコアリング方法

GenesysのPredictive Routingは、人工知能（AI）を利用して、インタラクションを最適なエージェントにルーティングします。予測ルーティングで得られるエージェントスコアは、エージェントのスキルレベル、顧客とのコンタクト履歴、ある時間帯のエージェントのパフォーマンスなど、さまざまなデータに基づいています。説明可能性という概念を理解することで、このデータをより良く解釈し、ルーティングの意思決定にどのような影響を与えるかを理解することができます。

説明可能性とは何か、なぜそれが重要なのか？

説明可能性とは、AIによる意思決定の根拠を非技術系ユーザーに説明する能力です。説明可能性は、組織が処理するデータに対する道徳的・法的義務を果たすのに役立ちます。利用可能なデータを使用することで、説明可能性は、データの誤用や利用可能なデータによるバイアスの導入の恐れを軽減するのに役立ちます。これは、AIモデルが使用するデータや機能、およびそれらの機能の重要性について透明性を提供することで実現されています。

意思決定プロセスにおける機能の重要性とは？

特徴の重要度は、入力された特徴がターゲット変数の予測にどの程度有用であるかに基づくスコアである。特徴量の重要度は、意思決定に最も影響を与えるデータを示すが、必ずしもそのデータが意思決定を引き起こしたことを示すものではない。例えば、ある日の気温を予測するための2つの入力特徴があるとする。は、その年の月と前日の気温を表します。両方の入力が可能であれば、今日の気温の予測は±1度程度の誤差で的中することになる。もし前日の気温しか入力がなかったら、予測値は±2度以内に収まるかもしれません。しかし、入力が月だけだった場合、±4度の範囲でしか気温を予測できないかもしれません。

したがって、前日の気温の入力特徴量の重要性は、月の重要性よりも高く、単独では他の入力と比較してより良い予測を提供するのに役立つからである。

相関関係は因果関係を意味するのか？

相関関係は因果関係を意味するものではありません。ある特徴の値は結果を予測するのに役立つかもしれないが、それが特定の結果を引き起こしたと仮定することはできない。アイスクリームの売り上げと日焼けの発生率は高い相関があり、アイスクリームの売り上げが高いときは、日焼けの発生率が高いと予測できる。しかし、アイスクリームを食べると日焼けをする、アイスクリームを禁止すると日焼けがなくなる、ということにはならない。したがって、重要な機能の値を変更しようとすると、他の指標に影響を及ぼすと仮定してはならないのです。

なぜ予測ルーティングで説明可能なのか？

プレディクティブ・ルーティングは、機械学習モデルを用いて、対話に最も効果的に対応できそうなエージェントをスコアリングします。スコアリングを行うために、このモデルはエージェントのプロファイルデータ、集計された顧客データ、過去のインタラクションデータなど、さまざまな内部ソースから作成された機能を使用します。

説明可能性とは、予測ルーティングがエージェントのスコアに影響を与えた要因を解明しようとするものである。これにより、管理者、監督者、ビジネスオーナー、データサイエンティスト、ソリューションコンサルタントなどのステークホルダーが、AIによる意思決定に利用されるデータを理解することができます。

説明可能性をよりよく理解するために、例えば、インタラクションが特定のエージェントのプールに定期的にルーティングされているのを見て、その背後にある理由を調査することを選択したとします。キューに設定するKPIが平均処理時間であると仮定し、そのキューの予測モデルにとって、最も重要な特徴の1つがアフターコールワーク（ACW）時間であることを観察するとしましょう。説明可能性の特徴から、ACWにかける時間が少ないエージェントは、処理時間が少ないと予測されるため、上位にランクされることが理解できます。

Genesys Cloudの説明可能性はどこで見ることができますか？

予測ルーティングが有効な各キューは、独自の予測モデルを持っています。各モデルにおいて、説明可能性はエージェントスコアリング機能を3つのバケットに分別している。エージェント機能、カスタマー機能、その他の機能。 KPIセットに関してエージェントのスコアに影響を与えた特徴を、重要度の高い順に並べました。

予測モデルのページでは、機能関連の情報以外に、モデルが最後にトレーニングされた日付の情報も提供されます。フィーチャーの重要度の解釈の詳細については、予測ルーティングの決定に影響を与えたフィーチャーの表示を参照してください。

Predictive Modelのページでは、以下のように機能別に分かれています。

現在の説明可能性データをもとに、AIの判断をどのように変えることができるのか。

プレディクティブ・ルーティングでは、モデルのトレーニングにGenesys Cloudプラットフォームですぐに利用できるデータを使用します。モデルで使用されるデータのほとんどは変更できませんが、いくつかのオプション機能があり、それらを入力することで予測値を向上させることができます。詳しくは、予測ルーティングのデータ要件をご覧ください。