次善のアクションエンジン：その仕組みを裏側から見る

「次善のアクション(ネクストベストアクション)」は、今やあらゆるベンダーのスライドデックに載っています。時にはそのラベルの裏にあるのはリードスコアにすぎません。時には2019年に誰かが作ったルールエンジンです。まれに、実際に担当領域全体にわたって推論するシステムのこともあります。ラベルはそのどれなのかを教えてくれませんし、デモも同様です。

こうしたものを評価しているなら、内部で本来何が動いているべきかを知っておくと役立ちます。段階を見分けられるようになれば、本物のレコメンデーションエンジンと着飾ったif-thenリストを見分けられ、パイプラインが混雑してきたときにそれが持ちこたえるかどうか、まともな推測ができるようになります。

4つの段階、そして近道が隠れている場所

本物のNBA(ネクストベストアクション)エンジンはパイプラインです。生の活動が一方の端から入り、具体的でランク付けされた推奨事項がもう一方の端から出てきます。その間に4つのことが起こります。

第一に、シグナルの取り込みです。エンジンはメール、ミーティング、プロダクト利用状況、サポートチケット、マーケティングの接点、CRMのフィールド変更、外部のファーモグラフィックデータとインテントデータを取り込みます。ここでは広さがすべてです。CRMのステージしか見ないエンジンは、案件で実際に起きていることのごく一部からしか動いていません。これはAIが人間の見逃すレベニューシグナルをどう読み取るかで扱ったのと同じ知覚のギャップです。

第二に、解釈です。出来事は意味に変わります。返信のない3通のメールは「チャンピオンが沈黙した」になります。元の案件になかったチームからの利用急増は「拡大の機会」になります。ここが機械学習がその存在意義を発揮する段階です。なぜなら、数千件の過去の案件にまたがるパターンは、人間が頭の中に保持できるものではないからです。

第三に、候補の生成とスコアリングです。エンジンは可能な行動(チャンピオンの再エンゲージ、経営層の巻き込み、ケーススタディの送付、人間へのエスカレーション、何もしない)をリストアップし、それぞれを目標に対してスコアリングします。その目標は、案件を前進させることかもしれませんし、更新を守ることかもしれませんし、アカウントを成長させることかもしれません。すべての候補には、推定される影響と確信度が付与されます。

第四に、ランク付けと配信です。最上位のアクションが、その理由とともに、適切な瞬間に適切な人物へ届けられます。優れた実装では、作業はあらかじめ下書きされているため、それに基づいて行動することはワンクリックで済みます。

おもちゃと本物のエンジンの違いは、すべての段階における深さですが、特に第二段階と第三段階です。そこが、弱いシステムがひそかに静的なルールへと崩れ落ちる場所です。

ルールエンジンと学習エンジン

これは、デモを見ているときに最も重要になる区別です。

ルールエンジンは、誰かの想定を符号化したものです。「ステージが交渉であり、活動からの経過日数が7日を超える場合、確認の連絡を推奨する」というようにです。それは透明で予測可能です。しかし、誰かが書き留めようと思ったことしか知りませんし、競合する優先順位をランク付けするのが苦手で、あなたのモーションが変化するにつれて古びていきます。古いツールにおけるほとんどの「次善のアクション」機能は、新しい塗装を施したルールエンジンです。

学習エンジンは、あなたの過去のデータから、実際に良い結果と相関するものを導き出します。それは何十ものシグナルを同時に評価し、明白ではない動きを表面化させ、より多くの案件のクローズと遅延を観察するにつれて改善していきます。

購入する価値のあるエンジンは、この両方を組み合わせています。学習されたモデルがパターン認識と優先順位付けを担い、明示的なルールとガードレールのレイヤーがビジネスに方針を強制させ、出力を制御可能に保ちます。純粋なブラックボックス学習は信頼しにくいものです。純粋なルールは本物の複雑さにスケールできません。両者を組み合わせることこそ、エンジンを賢く、同時に説明責任を果たせるものにします。これはレベニューAIを正確で説明責任のあるものに保つのテーマです。

難しいのは優先順位付け

もっともらしい次のステップを生成することは簡単です。難しい問題は、担当領域全体にわたって優先順位をつけることです。

40件のオープンな案件を抱える担当者には、40件の提案は必要ありません。彼らが必要としているのは、今日どの3件の案件に触れるべきか、そしてそれぞれに何をすべきかです。それによってエンジンは、案件ごとにではなく、全体を見渡して推論することを強いられます。

• どのアクションが最も高い期待レベニュー影響を持つか。
• どれが時間的に敏感で、どれが一週間待てるか。
• どこで小さな後押しが決定的になり、どこで案件はすでに勝ち取られている、あるいはすでに失われているか。
• 新規パイプライン、リスクのある更新、拡大プレイは、どのように一つのランク付けされたリストを共有するか。

これは最適化の問題です。それぞれの案件を独立に扱うエンジンは、たった一つの重要な問い、すなわち「最初に何をすべきか」に決して答えることなく、人間がこなせる以上の仕事を平然と担当者に割り当ててしまいます。そのトレードオフをうまく行うことこそ、AIネイティブなアーキテクチャが構築されている目的であり、通常、後付けの機能にはできないことです。

透明性こそ採用の代償

担当者が理解できない推奨事項は、担当者が採用しない推奨事項です。私たちは、ツールが説明なしに「このアカウントに電話しろ」とだけ言うために、担当者が完全に妥当な提案を無視するのを見てきました。したがって、本番稼働するエンジンは、答え以上のものを提供しなければなりません。それは推論(どのシグナルがこれを導いたか)、確信度(担当者が調整できるように、それがどれだけ確かか)、そして期待される結果(行動すればどう良くなるか)です。

これは単に採用の問題だけではありません。それは、エンジンが時に間違えたときに人々がそれを捉えられるようにするものでもあります。最も健全な導入は、まさにこの理由から、意思決定ループの中に人間を保持しています。ヒューマン・イン・ザ・ループモデルはエンジンが改善する仕組みであり、それを制約として扱うチームは、誰にも信頼されないエンジンを抱える結果になりがちです。

主なポイント

• 4つの段階：取り込み、解釈、候補の生成とスコアリング、ランク付けと配信です。ベンダーにそれぞれを見せてもらいましょう。
• ほとんどの旧来型「次善のアクション」機能はルールエンジンです。優れたものはその上に学習されたモデルを重ね、ビジネスがコントロールを保てるようガードレールレイヤーを維持しています。
• アクションを提案することは安価です。担当者が最初に何をすべきかを分かるように、担当領域全体をランク付けすることこそ本当の価値です。
• 推論、確信度、期待される結果は、すべての推奨事項とともに伝わる必要があります。さもなければ担当者はそれを信頼せず、誰も修正できません。
• エンジンは見えないものには行動できないため、シグナルの広さが下流のすべての上限を決めます。

その仕組みを知ることは、エージェントの衣をまとったルールエンジンを買わされないための最善の防御です。案件を一つずつではなく、レベニューの全体像にわたって推論する次善のアクションレイヤーを見たいなら、Revnewoは一見の価値があります。