「データ品質が低い場合、データ内のバイアスが AI システムによって不注意に学習され、増幅される可能性があります。データ品質が低いということは、データが AI タスクに対して不正確、不完全、矛盾、無関係、または古くなっていることを意味します。データ品質が低いと、学習や正確な予測を行うための情報が不十分または正しくない可能性があるため、AI システムのパフォーマンスと信頼性に影響する可能性があります。データ品質が低いと、人間のバイアス、社会的バイアス、確証バイアスなどのデータ内のバイアスが導入されたり悪化したりすることも考えられ、AI システムの公平性と倫理に影響を及ぼす可能性があります。」

「予測スコアリング、予測、推奨は、CRM でよく使用される AI の 3 つの例です。
予測スコアリングは、コンバージョン、解約、購入の可能性に基づいて、リード、商談、顧客に優先順位を付けるのに役立ちます。予測は、履歴データと傾向に基づいて、将来の売上、収益、需要を予測するのに役立ちます。推奨は、顧客の好み、行動、ニーズに基づいて、各顧客に最適な製品、サービス、またはアクションを提案するのに役立ちます。

営業担当者がより迅速かつ正確に通話を記録するのに役立つ最適な機能は、AI 生成の通話要約を使用することです。この機能は AI を活用して営業通話の音声データを分析し、簡潔な要約と実用的な洞察を自動的に生成して CRM システムに記録します。これにより、通話の詳細を記録するプロセスが高速化されるだけでなく、キャプチャされたデータの精度も向上し、人為的エラーの可能性が減り、重要な詳細が見逃されることがなくなります。
Salesforce は、テレフォニー ソリューションと統合してこれらの機能を有効にし、営業業務の効率を高める AI ツールを提供しています。この機能をサポートする Einstein Call Coaching などの Salesforce AI 機能の詳細については、Salesforce Einstein Call Coaching を参照してください。

説明
「正確性、完全性、一貫性は、データ品質標準の主要な構成要素です。データ品質標準は、特定の目的またはタスクのデータの品質を定義および評価する一連の基準または尺度です。データ品質標準は、業界、ドメイン、またはアプリケーションによって異なる場合がありますが、共通の構成要素には、正確性、完全性、一貫性があります。正確性とは、データ値がデータ属性に対して正確かつ有効であることを意味します。完全性とは、データ値にデータ属性の関連情報が欠けていないことを意味します。一貫性とは、データ値が統一されており、さまざまなレコード、フィールド、またはソースにわたって共通の標準または形式に従っていることを意味します。」

「予測スコアリング、予測、および推奨は、CRM でよく使用される AI の 3 つの例です。予測スコアリングは、コンバージョン、解約、または購入の可能性に基づいて、リード、商談、および顧客に優先順位を付けるのに役立ちます。予測は、履歴データと傾向に基づいて、将来の売上、収益、または需要を予測するのに役立ちます。推奨は、顧客の好み、行動、およびニーズに基づいて、各顧客に最適な製品、サービス、またはアクションを提案するのに役立ちます。」