Einstein Trust Layer は、機密データを Large Language Model (LLM) に送信する前にマスクし、応答中にマスクを解除することで、機密データが保護され、有用で意味のある応答が生成されることを保証します。
仕組み:
* リクエストジャーニーにおけるデータマスキング:
* 機密データの識別: プロンプトを LLM に送信する前に、Einstein Trust Layer は入力内容をスキャンして、個人を特定できる情報 (PII)、機密ビジネス情報、その他の機密データなど、機密データが含まれているかどうかを確認します。
* 機密データのマスキング: 識別された機密データはプレースホルダーまたはマスクに置き換えられます。これにより、LLM は生の機密情報を受け取らないようになり、潜在的な漏洩から保護されます。
* LLMによる処理:
* マスクされた入力:LLM はマスクされたプロンプトを処理し、マスクされたデータに基づいて応答を生成します。
* 機密データの漏洩なし:LLM は実際の機密データを受信することはないため、そのデータが誤って出力に含まれるリスクはありません。
* 対応の過程でのマスク解除:
* 機密データの再挿入: LLM が応答を生成した後、Einstein Trust Layer は応答内のプレースホルダーを元の機密データに置き換えます。
* 意味のある回答の提供: このマスキング解除プロセスにより、適切な場合には必要な機密情報も含め、最終的な回答が意味があり完全なものになることが保証されます。
* データ セキュリティの維持: 機密データが LLM または意図しない受信者に公開されることはなく、データのセキュリティとコンプライアンスが維持されます。
オプション A が正しい理由:
* 応答中のマスキング解除: LLM が応答を生成した後にマスキング解除プロセスが実行され、機密データが最終段階でのみ安全かつ適切に出力に再導入されることが保証されます。
* セキュリティと実用性のバランス: このアプローチにより、システムはデータのセキュリティを損なうことなく、必要な機密情報を含む有用で意味のある応答を生成できます。
オプション B と C が間違っている理由:
* オプション B (マスクされたデータはリクエストの過程でマスク解除されます):
* 不適切なプロセス: リクエストの過程でマスクを解除すると、機密データが LLM に到達する前に公開され、マスクの目的が達成されず、データのセキュリティが損なわれます。
* オプション C (関連性のしきい値を満たさない応答は自動的に拒否されます):
* データ保護とは無関係: Einstein Trust Layer は関連性のしきい値を適用して不適切または無関係な応答を除外しますが、このメカニズムは機密データの保護に直接関係しません。これは、データ セキュリティではなく、応答の品質に対処します。
参考文献:
* Salesforce AI スペシャリスト ドキュメント -Einstein Trust Layer の概要:
* 信頼レイヤーがプロンプト内の機密データをマスクし、LLM 処理後にそれを再挿入してデータのプライバシーを保護する方法について説明します。
* Salesforce ヘルプ - データ マスキングとデマスキングのプロセス:
* LLM に送信する前の機密データのマスキングと、応答中のマスキング解除プロセスについて詳しく説明します。
* Salesforce AI スペシャリスト試験ガイド - AI におけるセキュリティとコンプライアンス:
* AI 実装における Einstein Trust Layer などのデータ保護メカニズムの重要性について説明します。
結論：
Einstein Trust Layer は、LLM にプロンプ​​トを送信する前に機密データをマスクし、応答中にマスクを解除することで機密データが保護されるようにします。このプロセスにより、Salesforce は AI 処理中にデータを公開することなく、必要な機密情報を含む有用で意味のある応答を生成できるため、データのセキュリティとコンプライアンスが維持されます。

顧客サポート プロセスを合理化し、応答時間を改善することが目標である場合、Salesforce Service Cloud での Einstein Copilot の実装は最も有利になります。Einstein Copilot は、リアルタイムの提案を提供し、反復タスクを自動化し、コンテキスト応答を生成することでエージェントを支援し、サービスの効率性を高めます。
オプション B (データ セキュリティ) は、運用効率の向上を重視する Einstein Copilot の主な焦点ではありません。
オプション C (マーケティング キャンペーン) は、顧客サービスとケース管理の改善を目的とした Service Cloud と Einstein Copilot の主な利点の範囲外です。
詳細については、Einstein Copilot for Service Cloud とそれがサポート プロセスを改善する方法についての Salesforce ドキュメントを参照してください。

サポート チームは、Einstein Reply Recommendations を使用して、組織のナレッジ ベースに基づいた、顧客からの問い合わせに対する迅速かつ適切な回答を提供する必要があります。この機能は AI を活用して、過去のやり取りとシステムに保存されている知識に基づいて正確で一貫性のある回答を推奨し、回答が組織の標準に準拠していることを保証します。
Einstein Service Replies (オプション A) は、返信の生成に重点を置いていますが、ナレッジベースでの応答の基盤化にはそれほど重点を置いていません。
Einstein Knowledge Recommendations (オプション C) は、エージェントにナレッジ記事を提案します。これは、顧客に自動または AI によって生成された応答を提供するというよりも、エージェントが関連する記事を見つけるのを支援することに重点が置かれています。
Salesforce AI スペシャリストリファレンス:
Einstein Reply Recommendations の詳細については、https://help.salesforce.com/s/articleView?id=sf.einstein_reply_recommendations_overview.htm をご覧ください。

Universal Containers は、Einstein Trust Layer と Einstein Generative AI Audit Data の使用を検討しています。Einstein Trust Layer は、データ マスキングや毒性評価などの機能を提供することで、AI を安全かつ準拠した方法で使用できるようにします。
Einstein Trust Layer を通じて利用できる監査データには、機密情報が公開されないようにするマスクされたデータに関する情報と、生成されたコンテンツに不適切または有害な言語が含まれていないかを評価する毒性スコアが含まれます。
参考文献:
* Salesforce AI スペシャリスト ドキュメント - Einstein Trust Layer: コンプライアンスと信頼を維持するための、マスクされたデータのログ記録や生成された応答の毒性評価などの監査機能について詳しく説明します。

以前のコミュニケーションに基づいてパーソナライズされたメールを作成する必要のある営業担当者には、AI スペシャリストは Einstein Copilot アクション「営業メールの下書きまたは修正」を推奨する必要があります。このアクションは AI を使用してメール コンテンツを生成または修正し、過去の成功したコミュニケーションを活用して、見込み客や顧客に対するパーソナライズされた関連性の高いアウトリーチを作成します。
* 「類似の機会の検索」は、電子メールの作成ではなく、機会のマッチングに使用されます。
* 「レコードの要約」は顧客データの概要を提供しますが、電子メールの下書きに直接役立つわけではありません。
詳細については、営業チームの標準アクションに関する Salesforce の Einstein Copilot ドキュメントを参照してください。