説明
「組織は、AI を使用してオンライン顧客のショッピング体験をパーソナライズすることで顧客満足度を高め、メリットを得ることができます。AI は、顧客の好み、行動、ニーズに基づいてカスタマイズされた関連性の高い製品の推奨、オファー、コンテンツを提供するのに役立ちます。また、AI は、自然言語処理 (NLP) やコンピューター ビジョン技術を使用して、より魅力的でインタラクティブなショッピング体験を生み出すのにも役立ちます。パーソナライズされたショッピング体験は、顧客の期待、ニーズ、関心を満たすことで顧客満足度を向上させることができます。」

データ品質が低いと、不正確で信頼性の低い結果につながり、予測および生成 AI モデルのパフォーマンスに重大な影響を及ぼします。不完全なデータ、不正確なデータ、不適切な形式のデータなどの要因により、学習フェーズで AI モデルが誤った仮定を行ったり、不適切なパターンを学習したり、新しいデータに適切に一般化できなかったりする可能性があります。この不正確さは、売上予測や顧客行動分析の予測分析など、精度が重要なアプリケーションでは有害となる可能性があります。
Salesforce は AI ベスト プラクティス ガイドで AI モデルの有効性に対するデータ品質の重要性を強調しており、Salesforce AI ベスト プラクティスで確認できます。

説明
「AI アプリケーションで低品質のデータを使用すると、AI モデルが偏った結果や誤った結果を生成する可能性があります。低品質のデータとは、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。低品質のデータは、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 モデルのパフォーマンスと信頼性に影響を与える可能性があります。低品質のデータは、人間の偏見、社会的偏見、確証バイアス、過剰適合または不足適合などの AI モデルの偏見やエラーを引き起こしたり、悪化させたりすることもできます。」

データの不一致が特定された場合、最も適切なアクションは、これらの不一致を調査し、データ品質技術を適用することです。低品質のデータに対応するために AI モデルを調整したり、根本的な問題に対処せずに単にデータの量を増やしたりしても、問題は解決されず、AI 出力の信頼性が低下する可能性があります。適切なデータのクリーニング、正規化、検証は、AI モデルに取り込まれるデータが正確で信頼できるものであることを保証し、モデルのパフォーマンスを向上させるために必要な手順です。
Salesforce では、データの不整合に対処するための実用的な手順など、データ品質を管理および改善する方法に関するガイドラインを提供しています。詳細は、「Salesforce でのデータ品質の改善」をご覧ください。

信頼できる AI システムの説明可能性の重要性は、AI モデルがどのように決定を下すかを説明することです。説明可能性は、AI システムの信頼と説明責任を構築し、ユーザーと関係者が AI によって生成された意思決定プロセスと結果を理解できるようにするために不可欠です。これは、クレジット スコアリングやヘルスケア診断など、AI の決定が個人または財務状況に影響を与えるシナリオで特に重要です。Salesforce は、倫理的な AI の実践を通じて説明可能な AI の重要性を強調し、AI システムの透明性と理解可能性を高めることを目指しています。倫理的で説明可能な AI に対する Salesforce のアプローチの詳細については、Salesforce AI 倫理リソース (Salesforce AI 倫理) を参照してください。