Braze エージェント

Brazeエージェントは、Braze内で作成できるAI搭載のヘルパーだ。エージェントはコンテンツを生成し、インテリジェントな意思決定を行い、データを充実させることができるため、よりパーソナライズされたカスタマーエクスペリエンスを提供することができる。

なぜBraze Agentを使うのか？

Brazeエージェントは、余分な作業を増やすことなく、よりスマートでパーソナライズされたエクスペリエンスを提供するお手伝いをします。単にプロンプトに反応するだけでなく、文脈を理解し、決断を下し、目標に向かってアクションを起こすインテリジェントなアシスタントとして機能する。

実際には、エージェントは件名や商品内のテキストのようなメッセージコピーを自動的に作成することができるため、すべての顧客にその顧客に合ったコミュニケーションを提供することができる。また、嗜好や行動、その他のデータに基づいて、異なるキャンバス・パスに人々をルーティングするなど、リアルタイムで適応することもできる。

メッセージングだけでなく、エージェントは商品やプロファイルフィールドの値を計算または生成することでカタログを充実させ、データを新鮮でダイナミックなものに保つことができる。繰り返しのタスクや複雑なタスクを引き受けることで、チームは手作業によるセットアップではなく、戦略や創造性に集中することができる。Brazeエージェントは、バックグラウンドプロセスというよりも、共同作業者のような役割を果たし、お客様が問題を解決し、スケールの大きなインパクトを提供できるようサポートする。

Braze Agentと他のBrazeAI機能の使い分けは？

ユーザー固有のコンテキストを利用して、その場でコンテンツをパーソナライズさせるためにエージェントを使用する。例えば、エージェントが特定のユーザーの好きなアイスクリームのフレーバーがチョコレートで、好きなトッピングがグミだと知っていれば、キャンバスを通過するユーザーに対して、その組み合わせに特化したプッシュコピーを考えることができる。

しかし、エージェントは試行錯誤を通して学習するわけではないし、測定して最大化しようとする最終的なマーケティングゴールのアイデアもない。一般的にコンバージョンにつながるコピーを書くように指示したとしても、エージェントが書いたコピーがコンバージョンに与える影響を “モニター “し、そのデータを今後のエージェントの呼び出しに反映させる仕組みはない。これは報酬ベースのAIデシジョニングではなく、”バイブ “デシジョニングと考えることができる。

対照的に、他のBrazeAIツールは、測定しているメトリクスを最大化するように設計されている。例えば、エージェントは、ユーザーの特性が、あるイベントを行う可能性や傾向、ある商品を好む可能性や傾向にどのように影響するかを定性的に評価することに長けている。しかし、エージェントは試行錯誤を通じて学習するわけではないので、尤度の予測精度をどのように測定し、時間をかけてシグナルを改善するかというアイデアを持っていない。そのため、予測の精度と経時的な改善で判断した場合、Predictive Suiteの使用はAgentステップを上回る。

機能

Brazeエージェントの特徴は以下の通りである：

• 柔軟なセットアップが可能だ：Brazeが提供するLLMを使用するか、独自のモデルプロバイダー（OpenAI、Anthropic、Google Gemini、AWS Bedrockなど）を接続する。
• シームレスに統合される：キャンバスのステップやカタログフィールドにエージェントを直接配置する。
• テストとロギングツール：起動前にサンプル入力でテストして、エージェントの出力をプレビューする。エージェントが実行されるたびに、その実行の入力と出力を含むログを表示する。
• 使用コントロール：1日の上限は、パフォーマンスとコストの管理に役立つ。

Brazeエージェントについて

エージェントは、その動作を定義する指示（システム・プロンプト）とともに設定される。エージェントが実行されると、あなたの指示とあなたが渡したデータを使ってレスポンスを生成する。

キーコンセプト

用語	定義
モデル	エージェントの「頭脳」、この場合は大規模言語モデル（LLM）だ。入力を解釈し、レスポンスを生成し、推論を行う。より強力なモデル（より関連性の高いデータでトレーニング）は、エージェントをより有能で万能なものにする。
指示	あなたがエージェントに与えるルールやガイドライン（システムプロンプト）。これらは、エージェントが実行されるたびにどのように振る舞うべきかを定義する。明確な指示は、エージェントの信頼性と予測性を高める。
コンテキスト	ユーザープロファイルのフィールドやカタログの行など、エージェントが配置されている場所であればどこでも、実行時にエージェントに渡されるデータ。この入力は、エージェントが出力を生成するために使用する情報を提供する。
出力変数	キャンバスのステップで使用されたときにエージェントが生成する出力。出力変数は、コンテンツをパーソナライズしたり、ワークフローのパスをガイドするために、エージェントの結果を格納する。出力変数には文字列、数値、ブーリアンデータ型を指定できる。
実行	エージェントを1回実行する。これは1日の制限にカウントされる。
出力フォーマット	エージェントのレスポンスの定義済みデータ構造。
温度	エージェントのアウトプットの偏差レベル。これは、エージェントがどれだけ正確で創造的であるかを定義するものだ。

制限事項

ベータ期間中は、以下の制限が適用される：

• 各エージェントの1日あたりの実行回数はデフォルトで50,000回で、最大100,000回まで増やすことができる。
• デフォルトでは、各ランは15秒以内に完了しなければならない。15秒後、エージェントはnull レスポンスを返す。
  • エージェントが常にタイムアウトする場合は、Brazeアカウントマネージャーに連絡して、この制限を増やしてもらう。
• 入力データは1回のリクエストにつき25KBに制限されている。長い入力は切り捨てられる。

次のステップ

Braze Agentsのことがわかったところで、次のステップに進む：

• カスタムエージェントを作成する
• カスタムエージェントを導入する

サブプロセッサーまたは第三者プロバイダーとしてのモデルプロバイダー

顧客がBrazeサービスを通じてBrazeが提供するモデルとの統合（「Braze提供LLM」）を使用する場合、かかるBraze提供LLMのプロバイダーは、顧客とBrazeとの間のデータ処理補遺（DPA）の条件に従い、Brazeサブプロセッサーとして行動する。

顧客がBrazeのAI機能と統合するために独自のAPIキーを持参することを選択した場合、顧客自身のLLMサブスクリプションのプロバイダーは、顧客とBraze間の契約で定義されるサードパーティプロバイダーとみなされる。

私のデータはどのように使用され、Brazeが提供するLLMに送られるのか？

Brazeが提供するLLMを活用していると識別するBrazeのAI機能を通じてAI出力（「出力」）を生成するために、Brazeは、Brazeが提供するLLMに、必要に応じて、お客様のシステムプロンプトまたはその他の入力（「入力」）を送信する。該当するBrazeが提供するLLMに送られたデータは、Brazeが提供するLLMのトレーニングや改善のために使用されることはない。あなたとBrazeの間で、アウトプットはあなたの知的財産である。Brazeは、かかるOutputに関する著作権の所有権を主張しない。Brazeは、Outputを含め、AIが生成したコンテンツ全般に関していかなる保証も行わない。

Brazeが提供するBrazeエージェントのLLMは、”Auto “と識別子されており、Google Geminiのモデルを使用している。Googleは、Brazeを通じて送信されたインプットとアウトプットを55日間保持し、その後データは削除される。