Pegaの生成AI

Pega GenAI™ Autopilotは、設計時に利用できるすべての生成AI機能を説明します。Autopilotのメリットの1つは、ローコードアプリケーション開発プロセスを高速化できることです。たとえば、住宅ローン用アプリケーションを構築するアプリケーション開発者は、統合されたAutopilot機能を活用することで、ケースタイプ、データモデル内のフィールド、ペルソナなど、アプリケーションの構成要素に関する提案を受け取ることができます。デベロッパーは、AIを活用した推奨内容を確認し、修正してから、提案を生成することができます。

次のビデオでは、Pega InfinityにおけるAI支援の開発を説明しています。

動画のスクリプト

アプリケーション開発は、多くの場合、長い時間がかかります。Pega GenAI Autopilot機能の助けを借りることで、開発プロセス全体を通して、プロセスを加速させるための提案を得ることができます。

たとえば、Autopilotの支援により、ローン管理アプリケーションを作成する場合を考えてみましょう。ケースタイプを作成する場合、Autopilot機能により、アプリケーション名に基づくさまざまなケースタイプ名が提案されます。その後、Autopilotを使用して、開発を開始するための推奨ワークフローを生成できます。推奨されるステージ、プロセス、ステップは、確認し、修正する必要があります。Autopilotは、Picklistフィールドの選択肢の提案など、ケースタイプのデータモデルに関する提案を行うことができます。次に、Autopilotを使用して、ケースタイプとやり取りするユーザー（ペルソナ）への提案を提供できます。Autopilotを使用してデータオブジェクトのサンプルレコードを生成すると、テストが容易になります。ケースタイプを実行する際には、Autopilotを使用して、サンプルデータをフォームに入力できます。その後、自然言語プロンプトを使用して、推奨されるインサイトを生成し、アプリケーションデータを分析できます。

Pega GenAI Blueprint™は、ビジネスニーズを満たすアプリケーションの基盤を迅速かつ共同で設計できる強力なツールです。

Blueprintを使用すると、以下のタスクを短時間で完了できます。

• Blueprintは既存のPega Studiosとは別のSaaSツールとして独立して動作するため、Pegaインスタンスやログインを必要とせずに、チームでアプリケーション設計の共同作業を行うことができます。Pegaにログインしているプロジェクト関係者も参加できます。
• 構築しようとしているアプリケーションをビジネス用語で説明できます。Blueprintはその情報を使って、ケースタイプ、ケースライフサイクル、データモデル、データオブジェクト、ペルソナを提案し、ビジネス要件に合わせて設計を迅速に編集できるようにします。
• 機能性が高く詳細なベストプラクティスのアプリケーションテンプレートを即座に受け取ることができます。
• 完成したBlueprintをエクスポートし、ファイルを直接Pega Platformにインポートすることで、標準機能のアプリケーションをわずか数分で作成し、デモやプロジェクト構築を開始することが可能です。

Blueprintの設計は、App Studioなどの既存のPegaツールに取って代わるものではありません。その代わりに、ワークフロー変革のアイデアを機能的なアプリケーションに短時間で効果的に変換するための新たなコラボレーションの視点を提供することで、これらのツールを補完します。

Blueprintを作成するには、https://pega.com/ja/blueprintにアクセスしてください。 

生成AIの機能はPega Platformに直接組み込まれており、Pega GenAI Connectルールをカスタマイズしてアプリケーションのニーズに適応させることができます。 たとえば、Pega GenAI Connectルールを使用すると、苦情対応を行うカスタマーサービス担当者に対して、複雑なケースの詳細を要約して提供したり、顧客が苦情を解決するために提出すべき書類のリストを提示したりすることが可能です。 

Pega Infinity '24では、App StudioでConnect Generative AIオートメーションステップを構成できるようになりました。Connectルールの作成は、プロンプトを定義することから始まります。 プロンプトは、Pega GenAIエンジンに送信される情報要求を定義します。これは、特定のステップに固有のカスタムプロンプトでも、Dev Studioで作成された既存のプロンプトでも構いません。 

Pega GenAIは、プロンプトに対して次の3つの構造のいずれかで応答します。 

• 構造化 - シングル：応答は、短い段落を含んだ単一ページや対応する値を持つフィールドで構成されます。システムは、この応答をデータモデルに関連付けられたフィールドに自動的にマッピングすることができます。
• 構造化 - リスト：応答は、フィールドと対応する値の箇条書きリストで構成されます。システムは応答リスト内のフィールドに関連付けられた値を、データモデル内の埋め込みデータリストに関連付けられたフィールドに自動的にマッピングすることができます。
• 非構造化：JSONコードなどのように、応答が長い場合や複雑な場合は、フィールドタイプがテキスト（段落）のフィールドに応答をマッピングするのがベストプラクティスです。

最後に、応答データを書き込むためのターゲットフィールドをシステムで指定する必要があります。応答情報がアプリケーションのユーザーに表示されるように、ターゲットフィールドをアプリケーションのUIに追加する必要があります。

次の図は、App StudioにおけるConnect Generative AIルールの「要求」および「応答」セクションの両方を示しています。

Pega GenAI Connectルールには、要求/応答サイクル中に機密データをマスクする機能や、現在のユーザーのロケール設定に基づいて応答の言語を変更する機能などの追加機能があります。

次の問題に答えて、理解度をチェックしましょう。