見出し画像

FieldMind — AI Customer Delivery OS〜顧客デリバリー、ヘルススコア管理、高度なAgentic RAG、生成AIによる自動化を統合した、AI時代最先端の「Customer Delivery OS」〜

TWLV32

FieldMind — AI Customer Delivery OS 詳細マニュアル

第1章：システム概要とアーキテクチャ

FieldMindは、エンタープライズ製品の導入、カスタマーデリバリー、および顧客健全性（ヘルススコア）管理を、自律型AIエージェントおよび高度なRAG技術を用いて支援するプラットフォームです。

一般的なCRMやカスタマーサクセスツールと異なり、「Agentic RAG（LangGraph）による技術ナレッジ検索」「予測AIによるリスク事前検知」「生成AIによる顧客専用プレイブック生成」を内包し、デリバリー業務の工数削減とNRR（売上維持率）最大化を同時に実現します。

1-1. 基本ユーザーインターフェース構成

システム画面は、限られたリソースで複数の顧客を抱える担当者が効率よく情報を処理できるよう、以下の4つのエリアに分割されています。

  1. メインナビゲーション（左側シードバー）

    • 「ダッシュボード」「現場支援」「AIエンジン」「自動化&運用」の4セクション、計14個のメニューで構成されます。現在の契約プラン（例：PRO PLAN）や操作ユーザーのプロファイルが表示されます。

  2. トップバー（上部ヘッダー）

    • 現在表示中の機能タイトル（例：概要ダッシュボード）のほか、システムからの重要通知（通知数バッジ付きボタン）、プランアップグレード状況などを確認・切り替えることができます。

  3. メインコンテンツエリア（中央）

    • 各メニューの詳細情報、データテーブル、KPIチャート、設定画面などが集約され、タブレスで高速に切り替わります。

  4. AI Copilotサイドパネル（常時展開可能エリア）

    • すべての画面からアクセスできる「対話型AIアシスタント」です。画面ごとの文脈や選択されたデータを自動で引き継ぎ、即座にコマンドや分析を実行できます。

第2章：機能別詳細リファレンス

セクションA：ダッシュボード（顧客全体の俯瞰と予測）

【1】概要（dash）

  • 機能目的: ログイン後、担当者が最初に確認すべき重要指標、今日やるべきアクション、および顧客の全体状況を1画面で把握します。

  • 主要表示項目（5大メトリクス）:

    • 担当顧客数: 自身の持つアカウント数（例：8社、今月追加された新規顧客数などのデルタ推移も表示）。

    • 平均ヘルススコア: 全担当顧客の平均健全度（例：74、先月比推移）。

    • 解約リスク（高）: 緊急対応が必要なアカウント数（例：1社、アラート表記）。

    • 平均対応時間: 顧客対応に要した時間（例：2.1h、前月比の短縮時間）。

    • 今月 NRR（Net Revenue Retention）: 売上維持率（例：118%、前月比推移）。

  • データカード構成:

    • 顧客ヘルス一覧: 顧客名、個別ヘルススコア、解約リスク、次アクションがテーブル形式で表示されます。

    • 工数配分（今週）: どの顧客にどれだけの工数（時間）を割いたかを円グラフで視覚化します。

    • AI今日のアクション: 優先すべきタスクをAIが推奨します。

    • KPI推移（30日）: NRR%と平均ヘルスの直近30日間の推移を折れ線グラフで重ね合わせ、健康状態の因果関係を可視化します。

【2】顧客 & ヘルス（customers）

  • 機能目的: 各顧客のプロファイルと、AIが算出した最新のヘルススコア、および「契約更新（Renewal）」「拡大（Expansion）」の予測確率、リスク因子の詳細分析を行います。

  • 運用手順:

    1. ヘルススコアが低下している顧客（黄・赤のバッジ）を特定します。

    2. 「リスク因子分析」のテキストを確認し、プロダクトの利用頻度低下、問い合わせの長期化、ステークホルダーとのコミュニケーション不足など、どの要因がスコアを引き下げているかを解読します。

【3】予測AI（predict）

  • 機能目的: 機械学習エンジンがシステムログや会議録からテキスト感情、プロジェクト遅延傾向を多角的に分析し、4つのリスクを事前予測します。

  • 4大予測コンポーネント:

    1. 解約予兆スコア: 顧客の解約確率を予測。

    2. エスカレーション予測: 重大なクレームやトラブルへの発展リスクを検知。

    3. 遅延リスク予測: 製品の導入スケジュールやタスクの期日遅延リスクを算出。

    4. ステークホルダー離脱予測: 顧客側のキーマン（カウンターパートや決定権者）がプロジェクトから離脱、または関与を薄める兆候を予測。

  • 活用方法: スコアが高まった項目に対して、事前に「対策プレイブック」を起動するためのトリガーとして使用します。

【4】タイムライン（timeline）

  • 機能目的: 製品の導入開始から現在に至るまで、発生したすべてのイベント（システムアラート、会議、メール、障害など）を時系列で一元管理します。

  • 操作方法:

    1. ドロップダウンから対象顧客（例：株式会社アルファ、ベータ工業、ガンマ物流など）を選択します。

    2. 「AI分析」ボタンをクリックすると、タイムラインに蓄積された膨大な文脈をAIが読み解き、「解約リスクの前兆パターン」や「過去の成功・失敗パターンの抽出」を瞬時に実行します。

セクションB：現場支援（顧客デリバリーの効率化）

【5】RAG ナレッジ検索（rag）

  • 機能目的: 過去のトラブルシューティング、オンボーディングドキュメント、アーキテクチャ設計書、顧客固有のやり取りから、最適な回答を「引用付き（Citation）」で高速検索します。

  • 検索・処理パイプライン仕様（Agentic RAG）:

    1. ユーザーが検索ワードを入力すると、以下の自律型パイプラインが自動で走ります。

    2. Intent分類 ➔ Hybrid検索（キーワード+ベクトル） ➔ Grade（文書評価） ➔ Rewrite（クエリ再書き込み） ➔ Reflect（自己評価） ➔ Generate（回答生成）

  • 画面操作:

    1. クエリ入力欄に内容を入力（例: ERPカスタマイズ 在庫同期エラー）。

    2. 顧客フィルター（「全顧客」または「個別顧客名」）および、検索インテント（Auto、troubleshooting、onboarding、escalation、architecture）を選択して「検索」を実行。

    3. パイプラインのステータスログ（Agentic RAG実行中インジケータ）が表示された後、根拠となるドキュメントの引用元（Citation）が付与されたAIの回答が出力されます。

  • Human Feedback（AI学習ループ）:

    • 検索結果に対し、オペレーターが「役立った」「不正確」「顧客非公開（データマスキング・権限保護）」などのフィードバックをワンクリックで行うことで、RAGAS評価メトリクスと連携し、AIの検索品質が自動で改善されます。

【6】プレイブック（playbook）

  • 機能目的: 顧客の業種、プロダクトのバージョン、過去に発生した障害の歴史などをAIが総合的に考慮し、その顧客「専用」の導入・対応チェックリストを自動生成します。

  • プレイブック自動生成の手順:

    1. 「顧客（例: 製造業、金融など）」および「プロダクトバージョン（例: v3.2.1）」を選択。

    2. 「Playbookタイプ（ERP導入、API連携、Go-Live、エスカレーション対応など）」を選択。

    3. 「過去障害考慮（例: 在庫同期エラーの経験）」にチェック、または選択。

    4. 「AI Playbook生成」ボタンをクリックして、パーソナライズされたチェックリストを出力。

  • 進捗管理（タスク実行）:

    • 生成された「ERP Go-Live チェックリスト」や「API 認証チェックリスト」の進捗を管理。チェックを入れると進捗バー（%）がリアルタイムに更新され、デリバリーの現在地が可視化されます。

【7】ステークホルダー（stakeholder）

  • 機能目的: 顧客組織内のキーマンの関係性を「影響力 × 支持度」の4象限マトリクスでマッピングし、次にどの人物を巻き込むべきかの政治的・戦略的アプローチを最適化します。

  • マトリクス構造:

    • 横軸（左➔右）：低影響力から高影響力。

    • 縦軸（下➔上）：低支持から高支持。

    • 顧客（アルファ社、ベータ工業等）を切り替えることで、各マトリクスセル（quad-cell）に配置された「ステークホルダー（SHチップ）」が動的に変化。

  • AI戦略提案:

    • 「AI戦略提案」ボタンを押すと、マトリクス上の配置（例：影響力が高いが支持度が低い『批判的キーマン』など）をAIが検知し、具体的な攻略・関係構築プランを提示します。

【8】会議AI（meeting）

  • 機能目的: Web会議（Zoom、Teams等）の文字起こしテキストを入力するだけで、議事録の作成、決定事項、未解決の宿題、潜在的リスクをAIが自動で抽出・仕分けします。

  • 利用手順:

    1. 「会議テキスト入力」エリアに、文字起こしデータを貼り付けます。

      1. (入力例: 「田中CIO: 在庫同期の件ですが、来週中に解決しないと本番稼働を延期します。鈴木PM: 山田さんが対応中です...」)

    2. 対象の顧客および会議日程（例: 株式会社アルファ — 2026/05/16）を選択し、「AI解析」を実行。

    3. 「解析結果」カードに「決定事項」「未解決宿題」「リスク」が構造化されて出力されます。

  • 過去の会議ログ:

    • 過去の会議ごとの参加者数、決定事項数、未解決宿題の残数、およびリスクレベル（高・中・低のカラーバッジ）がテーブル形式で集約され、推移を追跡可能です。

セクションC：AIエンジン（高度な設定と評価品質管理）

【9】LangGraph — Agentic RAG（langgraph）

  • 機能目的: 自律型AIエージェントの推論ループおよびGraphRAG（グラフ構造ナレッジ検索）の挙動をノーコード/ローコードで制御・チューニングします。

  • 主要設定項目:

    • LLM選択: Claude 4.x (Sonnet/Haiku), GPT-4o, Gemini 2.0 Flashなど、マルチプロバイダーの切り替え。

    • Vector DB選択: Qdrant（Hybrid検索推奨）, pgvector/Supabase, Pinecone, Amazon OpenSearchの指定。

    • Rewrite ループ上限: AIが「検索クエリが不適切」と判断して再検索をかける上限回数（1〜5回）をスライダーで制限。

    • アドバンスド機能のON/OFF: HyDE（仮想文書生成による検索精度向上）、Re-ranker、GraphRAG、HITL（Human-in-the-loop：人の承認挟み込み）、Self-RAGのチェックボックス制御。

  • データスキーマ（AgentState）:

    1. Pythonの TypedDict を用いた状態管理（messages, customer_id, project_type, issue_severity, documents, revision_number, intent, graph_context, next）のスキーマが定義されており、エージェントが次にどのノード（retrieve, grade, generate, rewrite, end）に遷移すべきかをプログラム制御します。

【10】LangSmith — トレース & 監視（langsmith）

  • 機能目的: 実行されたすべてのAIプロンプト、LLM呼び出しのレイテンシ、トークンコスト、エラー率をミリ秒単位でデバッグ・監視します。

  • コアメトリクス:

    • 平均レイテンシ（例：3.1s）、Rewrite発生率（例：19%）、トークンコスト/日（例：¥790）、エラー率（例：0.9%）。

  • A/B Experiment機能:

    • 旧プロンプト（v1）と新プロンプト（v2）のパフォーマンスを比較検証。改善が確認された場合、「v2 デプロイ計画」ボタンから本番への切り替え手順やロールバック計画を自動生成できます。

【11】RAGAS 評価（ragas）

  • 機能目的: RAG（検索生成）の出力品質を、LLM-as-a-judge（評価者としてのLLM）アルゴリズムを用いて客観的・数学的に測定します。

  • 4大評価メトリクス:

    1. Faithfulness（忠実性）: 生成された回答が、検索された根拠文書（コンテキスト）にどれだけ忠実か（捏造がないか）。

    2. Answer Relevancy（回答適合性）: ユーザーの質問に対し、回答が的を射ているか。

    3. Context Recall（文脈網羅性）: 必要な情報が検索によって漏れなくヒットしているか。

    4. FDE Solution Quality: 技術的な解決策としての質が保たれているか（カスタムメトリクス）。

  • ダッシュボード可視化:

    • 週次でのオフライン評価、およびリアルタイムでの推移をバーチャートで確認し、システムの退化（デグラデーション）を防ぎます。

セクションD：自動化 & 運用（ガバナンスと契約）

【12】Workflow Builder（workflow）

  • 機能目的: 「ヘルススコアが60を下回ったらSlackと電子メールで担当者に通知し、自動でエスカレーション予測プレイブックを作成する」といった、イベント駆動型の自動化ワークフローを視覚的に構築・確認します。

  • 内部で定義された自動化ノード（Trigger, Condition, Action）が、顧客の状態変化に応じてリアルタイムに実行されます。

【13】Customer Portal（portal）

  • 機能目的: 顧客側（クライアント）に対して、プロジェクトの進捗や共有ナレッジの一部を安全に共有するための「外部公開用ポータル」の表示・同期設定を管理します。

  • セキュリティポリシーに則り、インシデントログや社内用メモ（RAGソース）をポータル側に露出させないデータマスキングの境界線を制御します。

【14】監査 & 権限（audit）

  • 機能目的: 誰が、いつ、どの顧客のデータにアクセスし、どのようなAI操作（プロンプト実行、エクスポート、設定変更など）を行ったかをすべてログとして記録し、ガバナンスを担保します。

  • 不正なデータアクセスや、ロール（権限）に基づかない情報のRAG検索をブロックする設定を含みます。

【15】プラン & 課金（billing）

  • 機能目的: FieldMindの利用プラン（FREE, TEAM, PRO, ENTERPRISE）および、LLMのトークン使用量、APIリクエスト数に応じた現在の課金状況をモニタリングします。

  • 予算上限（バジェットアラート）の設定や、組織全体の利用効率（ROI）の測定に活用します。

【16】通知（notifications）

  • 機能目的: 予測AIが検知した高リスクアラート、ワークフローの自動実行結果、ナレッジベースの更新通知など、システム全域から発生する重要性の高い通知メッセージをタイムライン形式で一括管理・処理します。

第3章：業務シナリオ別クイックガイド（逆引き）

シナリオ1：朝一番の「危ない顧客」の特定と対策

  1. 左メニューで【概要】を開き、「解約リスク(高)」が「1」以上になっていないか、あるいは「平均ヘルス」が急落していないか確認する。

  2. 【予測AI】タブへ遷移し、「解約予兆スコア」「ステークホルダー離脱予測」のインジケータから、どのリスクが急上昇しているかを特定する。

  3. 【タイムライン】に移動し、「AI分析」を実行して、直近数週間で何がトリガー（例：システム連携エラーの放置など）になったかを把握する。

  4. 【プレイブック】を開き、その顧客のバージョンと事象に応じた「エスカレーション対応プレイブック」をAI生成し、今日のアクションに組み込む。

シナリオ2：顧客から技術的な「エラー問い合わせ」が届いた場合

  1. 【RAG ナレッジ検索】に移動する。

  2. 検索窓に、届いたエラーログやキーワード（例: OAuth2 認証エラー 502）を入力し、対象の顧客名を選択する。

  3. インテントを troubleshooting に指定して検索をかける。

  4. パイプラインが走り、過去の類似障害や設計書から「引用コード・対策手順付きの回答」が生成されるため、それをベースに顧客への回答メールを作成する。

  5. 回答の正確性を確認後、画面下部の「Human Feedback」で「役立った」等の評価を押し、AIの検索精度向上ループに貢献する。

シナリオ3：クライアントとの会議（定例会・緊急ミーティング）が終わった直後

  1. 会議のレコーディングツールから「文字起こしテキスト」をコピーする。

  2. 【会議AI】を開き、テキストエリアに文字起こしをそのまま貼り付ける。

  3. 対象顧客と日付を指定して「AI解析」をクリックする。

  4. 生成された決定事項・未解決の宿題（Action Item）を確認し、タスク管理システムやチームの共有チャネルへワンクリックで転送・同期する。

  5. 抽出された「リスク」の度合いに応じて、【顧客&ヘルススコア】の再計算が自動で走るのを確認する。

本マニュアルをチーム内で共有し、FieldMindの「AI駆動型オペレーション」の標準プロセスとしてご運用ください。

ここから先は

367字 / 1ファイル

¥ 2,000

Amazon Payで支払うと最大2%還元のチャンス！ 9/30まで
ログイン

この記事が気に入ったらチップで応援してみませんか？