# サポートワークフローの最適化

> サポートワークフローの最適化 - 生成型AIモデルを使用してレベル1のリクエストに対応し、サポートチームがより緊急で目立つリクエストに集中できるようにします。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-27T18:44:30.227505+00:00` (UTC).

## Primary page

- [サポートワークフローの最適化](https://docs.datarobot.com/ja/docs/api/dev-learning/accelerators/llm-and-genai-apps/customer-support.html.md): Full documentation for this topic (Markdown sidecar).

## Documentation content

[GitHubでこのAIアクセラレーターにアクセス](https://github.com/datarobot-community/ai-accelerators/blob/main/generative_ai/Optimizing%20Customer%20Support%20workflows%20with%20Gen%20AI/Optimizing%20Customer%20Support%20workflows%20with%20Gen%20AI.ipynb)

顧客サポートは、すべての組織にとって重要な部分です。 ソーシャルメディアの普及に伴い、顧客中心の組織はソーシャルメディアプラットフォームを使用して顧客サポートを提供しています。 プラットフォームにかかわらず、組織は顧客体験と忠誠心を向上させると同時に、サポートチームの負担を軽減するためにサポートの自動化を積極的に追求しています。

自動化された優先順位付けとルーティングは予測モデルを使用して解決されていますが、自動化された解決策は依然として研究が活発な領域です。 サポートリクエストの大半は、主に情報リクエスト（レベル1リクエスト）です。 これらのリクエストを処理すると、自動化のメリットが得られるでしょう。

このアクセラレーターでは、生成AIモデルを使用してレベル1のリクエストに対応しているため、サポートチームはより緊急で可視性の高いリクエストに集中できます。 過去のコミュニケーションから学習したジェネラティブAIの返答は、顧客が慣れ親しんだサポートコミュニケーションの同じ基準を維持することができます。

生成AIの使用にはリクエストあたりのコストがかかるので、計算時間、トークンあたりのコストが急激に増大する可能性があります。 この問題を軽減するために、予測MLモデルを使用して、標準のリクエストを生成AIモデルに転送し、優先度の高い重大なリクエストを人間のスタッフに転送できます。