メール AI

AI ソリューション テンプレート > メール AI

注:

メール AI テンプレートは現在パブリック プレビューの段階です。

UiPath は製品の安定性と品質の向上に取り組んでいますが、プレビュー機能はお客様からのフィードバックに基づいて、いつでも変更される可能性があります。運用環境のデプロイでは、プレビュー機能の使用をお勧めしません。

既存のユーザーに対してはメール AI テンプレート ソリューションも引き続きサポートされますが、より複雑なユース ケースには Communications Mining ソリューションの使用を強くお勧めします。Communications Mining について詳しくは、公式ドキュメントをご覧ください。

概要

メール AI について詳しくは、こちらの動画をご覧ください。

メリット

このテンプレートを使用すると、独自のメール AI ソリューションを構築できます。このテンプレートは、次の目標を達成するのに役立ちます。

1. メールを整理して別の部門にルーティングするインテントを検出します。
2. ビジネス ニーズとセンチメントに基づいて、価値の高いメールと緊急のメールを発見します。
3. エンティティを抽出して、データ入力とエスカレーション ワークフローを実行します。
4. AI によって強化された自動化が Insights のダッシュボードに与える影響を示します。

テンプレートの内容

上記の 4 つの目標を達成するために、このテンプレートは以下を EmailAI.zip という 1 つの zip ファイルにバンドルしています。このファイルはこちらからダウンロードできます。

• マシン ラーニング (ML) モデル (UiPath AI Center™ で利用可能)
• サンプル データセット (classification_data フォルダーおよび ner_data フォルダー内)
• サンプル ワークフロー (SMA_SmartMailAutomation フォルダーおよび NER_Validation_Station フォルダー内)
• 標準分析
• 人間参加型の継続学習する ML モデル
• 構成ファイル (Config.xlsx)

マシン ラーニング モデル

• インテント分類のための Multilingual Text Classification (多言語テキスト分類)
• 関連する情報を抽出するための Custom Named Entity Recognition (カスタム固有表現抽出)
• メールの質問をナレッジ ベースにマッピングするための Semantic similarity (意味的類似性)
• 緊急性を発見するための Sentiment Analysis (センチメント解析)

サンプル データセット

サンプル データセットは、モデルをすばやくテストし、ユース ケースに固有の追加のデータセットを作成するために使用します。

メール AI テンプレート バンドルには、次の 2 つのサンプル データセットが含まれます。

• Multi-Lingual Text Classification (多言語テキスト分類) モデル用のサンプルのタグ付きメール データセット (Email_Classification_data.csv) - このサンプルは、メールを次のクラスに分類するために使用されます。
  • トランザクションの問題
  • ローンの問題
  • 誤った情報または説明に関する問題
• Custom NEF (カスタム NER) モデル用のサンプルのタグ付きメール データセット (Email_NER_data.txt) - 次のエンティティがラベル付けされます。
  • ID
  • PER
  • ORG
  • 金額

サンプル ワークフロー

サンプル ワークフローは、既成のワークフローでモデルを実行して AI の能力を確認し、追加のデータセットをキュレーションし、必要に応じてワークフローをカスタマイズするために使用します。

ビジネス シナリオ ワークフローのサンプル

オートメーションが最初に行うことは、フォルダー内のすべてのメールを読み取って、データをクリーンアップすることです。ワークフローは、CSV または Outlook のフォルダーからメールを読み取るように設定されていますが、新しい受信メールでトリガーされるように拡張できます。新しいメッセージを読み取った後、オートメーションはインテント、エンティティ、センチメントを予測し、メールをナレッジ ベースで質問にマッピングします (faq_data フォルダーでワークフローに提供)。信頼度が低い予測は Action Center に移動してから、AI Center データセットに移動します。

予測に応じて、次の 3 つのシナリオが考えられます。

ローンの問題: CSV ファイルにデータを入力し、10,000 ドルを超えるローンのメールに優先順位を付けます

トランザクションの問題: CSV ファイルにデータを入力し、10,000 ドルを超えるトランザクション金額のメールに優先順位を付けます

誤った情報または説明に関する問題: マッピングした質問についてナレッジ ベースから回答を抽出します

この実行ワークフローでは、Insights のダッシュボードのクエリで使用できるログも作成します。

予測が終了すると、受信メールに返信するためのサンプル回答が作成されます。サンプル回答は、Config.xlsx ファイルでも設定できます。

標準分析

提供されているデモの場合、Insights のデモの情報は以下のスクリーンショットのようになります。

メール AI 用の Insights のダッシュボードは、以下のウィジェットで構成されます。

ウィジェット名	ウィジェットの種類	説明
処理されたメールの数	入力	これまでに処理された全メールの累積合計を表示します。
オートメーションの分布	円グラフ	オートメーションの使用割合 (分布) 自動化済み 人間による修正 人間への引き渡し
インテントの分布	円グラフ	インテントの使用割合 (分布) トランザクションの問題 情報の要求 ローンの問題 人間による修正 人間への引き渡し
エンティティの分布	円グラフ	エンティティの使用割合 (分布) 日付 ユーザー 金額 ID 組織 人間による修正 人間への引き渡し
センチメントの分布	円グラフ	センチメントの使用割合 (分布) 人間への引き渡し 人間による修正 否定的 中立 肯定的 非常に否定的 非常に肯定的
よくある質問の分布	円グラフ	受け付けたよくある質問それぞれの使用割合

人間参加型の継続学習

提供されているサンプルのビジネス シナリオ ワークフローでは、信頼度の低いデータを Action Center にプッシュして人間による検証を行った後、AI Center にプッシュします。Custom NER (カスタム NER) モデルの場合、NER_Validation_Station ワークフローが提供されています。このワークフローを使用してカスタム エンティティを検証してから、データを AI Center にプッシュできます。

メール AI を設定する

	説明
ステップ 1: ML スキルをトレーニングしてデプロイする	以下の ML スキルをトレーニングしてデプロイする必要があります。 Multilingual Text Classification (多言語テキスト分類) Custom Named Entity Recognition (カスタム固有表現抽出) Semantic similarity (意味的類似性) Sentiment Analysis (センチメント解析)
ステップ 2: すべての ML スキルを公開して、URL と API キーをコピーする	デプロイした ML スキルの URL と API キーをコピーします。
手順 3: ワークフロー SMA_SmartAutomationMail を使用して環境変数を設定する	必要な構成が指定された状態でワークフローを実行できます。
ステップ 4: Insights ダッシュボードに移動してクエリを実行する	Insights ダッシュボードで次のクエリを設定します。 まもなく追加される予定です。 まもなく追加される予定です。 まもなく追加される予定です。
ステップ 5: NER に人間参加型を設定する	実行ワークフローの実行後、Custom NER (カスタム NER) モデルから信頼度の低いデータが NER_Validation_Station フォルダー内の training_data サブ フォルダーに収集されます。そこでワークフローを実行してデータを検証し、必要に応じて変更します。このデータを AI Center に手動でアップロードできるようになりました。または、データを AI Center のデータセット フォルダーにアップロードするように検証ステーションを設定できます。
ステップ 6: メール AI をニーズに合わせて拡張する	メール AI で受信トレイを自動化する方法について確認してきました。次に、会社の一般的な受信ボックスについて検討し、このソリューション テンプレートをソリューションに拡張します。

ステップ 1: ML スキルをトレーニングしてデプロイする

1. Text Classification (テキスト分類) データセット モデルをトレーニングし、ML スキルとしてデプロイします。
2. NER データセット モデルをトレーニングし、ML スキルとしてデプロイします。
3. Semantic Similarity (意味的類似性) モデルを ML スキルとしてデプロイします。
4. Sentiment Analysis (センチメント解析) モデルを ML スキルとしてデプロイします。

ステップ 2: すべての ML スキルを公開して、URL と API キーをコピーする

ML スキルを公開して、URL と API キーを生成する方法について詳しくは、「ML スキルを管理する」をご覧ください。

ステップ 3: メール AI のデモを設定する

1. Config.xlsx の ML Config シートで、ML スキルとデータセット フォルダーの API URL とキーを設定します。
2. 次のパラメーターを設定します。
   1. UnreadLocalMailFolder をフォルダー demo_emails に設定します。
   2. OrchestratorFolderPath を Orchestrator 内のフォルダーに設定します。
   3. FAQDataPath をフォルダー faq_data に設定します。
3. ワークフローで、ConfigFilePath 引数を、提供された Config.xlsx ファイルに設定します。
4. ワークフローを実行し、ワークフローが一時停止したら、Action Center に移動してデータを検証します。

ステップ 4: Insights ダッシュボードに移動してクエリを実行する

この情報はまもなく追加される予定です。現時点では、この手順はスキップしてください。

ステップ 5: 人間参加型を設定する

1. NER_Validation_Station フォルダーからワークフローを開きます。
2. パッケージ マネージャーから、NER_Validation_Station フォルダー内にある UiPathTeam.CustomNER.Activities.1.0.0.nupkg の依存関係を追加します。
3. config 環境変数を、外部フォルダーで提供されている Config.xlsx ファイルのファイル パスに設定します。
4. データを検証し、必要に応じて編集します。
5. データは、Config.xlsx で設定した AI Center フォルダーに書き戻されます。

ステップ 6: メール AI をニーズに合わせて拡張する

メール AI ソリューション テンプレートは、プロジェクトのニーズに合わせて設定できます。そのために、Config.xlsx ファイルで設定パラメーターを変更できます。

独自のデータを使用してトレーニングする場合は、少なくとも以下の設定パラメーターを設定してください。

1. Classifications
2. NamedEntities
3. SemanticSimilarityOnlyIfType
4. UrgencyEntityType
   最後に、NER_Validation_Station を新しいワークフローに拡張するために、NER_Validation_Station フォルダーの DocumentProcessing サブフォルダーにある taxonomy.json ファイルを更新します。