エージェントコンソールのBrazeエージェント

Brazeエージェントは、Braze内で作成できるAI搭載のヘルパーです。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判断を下し、データを充実させることで、よりパーソナライズされた顧客体験を提供できるようにします。

エージェントコンソールのBrazeエージェントの概要については、こちらの動画をご覧ください。

Brazeエージェントを使用する理由

Brazeエージェントは、チームが余分な作業を増やすことなくパーソナライズされた体験を提供するのを支援します。エージェントはコンテキストを理解し、意思決定を行い、単一のプロンプトに応答するだけでなく、目標に向かってアクションを実行します。

実際には、エージェントは件名やアプリ内テキストなどのメッセージコピーを自動的に作成できるため、すべての顧客が自分に合わせてカスタマイズされたようなコミュニケーションを受け取ることができます。また、好み、行動、その他のデータに基づいて、異なるキャンバスパスを通じてユーザー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ます。

メッセージングにとどまらず、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してカタログを拡充し、データを新鮮でダイナミックな状態に保つことができます。反復的で複雑なタスクを引き受けることで、手動の設定作業の代わりに戦略やクリエイティビティに集中する時間をチームに提供します。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コラボレーターのように機能し、問題解決やインパクトの大規模な提供を支援します。

Brazeエージェントと他のBrazeAI機能の使い分け

送信時に1人のユーザーのコンテキストに基づいて推論する必要がある場合（自由テキストや判断が求められる場合など）は、エージェントを使用してください。例えば、エージェントが特定のユーザーのお気に入りのアイスクリームのフレーバーがチョコレートで、好みのトッピングがグミベアだと知っていれば、そのユーザーがキャンバスを通過する際にその組み合わせに合わせたプッシュコピーを作成できます。

Brazeエージェントは渡されたコンテキストに基づいて推論します。出力が効果的だったかどうかから学習することはないため、結果から自律的に改善することはありません。

測定結果からの学習が必要な場合は、他のBrazeAI機能を使用してください。

目的	代わりに使用する機能
ユーザーが離脱またはアクションする可能性をスコアリングする	予測スイート
大規模なカタログからアイテムを選択する	アイテムレコメンデーション（その後、エージェントを使用してそれらのアイテムに関するコピーを作成します）
時間の経過とともに指標に対する結果を改善する、またはオファーを決定する	Decisioning Studio
ダッシュボードで構築中にコンテンツを下書きまたは改善する	BrazeAI Operator

BrazeAI機能の完全な比較については、BrazeAIを参照してください。

機能

Brazeエージェントの機能には以下が含まれます。

• 柔軟な設定： Brazeが提供するLLMを使用するか、独自のAIモデルプロバイダー（OpenAI、Anthropic、Google Gemini、Databricks Mosaicなど）を接続します。
• シームレスな統合： エージェントをキャンバスステップまたはカタログフィールドに直接デプロイします。
• テスト、ログ、バージョン履歴： ローンチ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します。エージェントが実行されるたびに、その入力と出力を含むログを確認できます。バージョン履歴タブを使用して、過去のバージョンやインストラクション変更のインラインdiffを確認します。
• 使用量コントロール： 日次制限により、パフォーマンスとコストを管理できます。
• エージェントスタンダード： エージェントコンソールでルールとルールセットを定義し、キャンペーンやキャンバスをローンチする前にエージェント評価を実行して、ブランド・ガイドライン、組織の規則、技術要件を確認します。

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インストラクション（システムプロンプト）で構成されます。エージェントが実行されると、インストラクションと明示的に渡されたデータを使用してレスポンスを生成します。エージェントは、設定したデータ（Liquid変数、エージェントコンテキスト選択、キャンバスコンテキスト変数、コンテキストステップの値）以外のユーザーデータにはアクセスできません。エージェントはプロファイルを検索したり、データが不足している場合に警告を出したりしません。詳しくは、エージェントが受け取るデータを参照してください。

主要な概念

用語	定義
モデル	エージェントの「頭脳」であり、この場合は大規模言語モデル（LLM）です。入力を解釈し、レスポンスを生成し、推論を実行します。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されたもの）は、エージェントの能力と汎用性を高めます。
インストラクション	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）です。実行のたびにエージェントがどのように動作すべきかを定義します。明確なインストラクションにより、エージェントの信頼性と予測可能性が向上します。
コンテキスト	デプロイ先に関わらず、実行時にエージェントに渡されるデータです。ユーザープロファイルフィールドやカタログの行などが含まれます。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します。
キャンバスコンテキスト変数	特定のキャンバスを通じたユーザーのジャーニー内で作成・使用できる一時的なデータです。
出力変数	キャンバスステップで使用される際にエージェントが生成する出力です。出力変数はエージェントの結果を保存し、コンテンツのパーソナライズやワークフローパスの誘導に使用します。出力変数のデータ型は、文字列、数値、またはブーリアンです。
呼び出し	エージェントの1回の実行です。1日の上限にカウントされます。
出力フォーマット	エージェントのレスポンスの事前定義されたデータ構造です。
ナレッジソース	カタログからデータを取得するために使用されるエージェントコンテキストの一種で、エージェントのインストラクションでカタログを直接参照するよりも正確にデータを取得できます。
会話型エージェント	マルチターンのユーザー会話のためのチャネルです。ツールを使った会話ワークフローを定義することで、ユーザーがSMS、RCS、WhatsApp、またはWebチャットを通じてタスクを完了できるようになります。

制限事項

以下の制限事項が適用されます。

• 各エージェントにはデフォルトで1日あたり250,000回の呼び出し制限があり、最大1日あたり1,000,000回まで増やすことができます。この制限の引き上げにご興味がある場合は、カスタマーサクセスマネージャーにお問い合わせください。
• エージェントコンソールには、各エージェントの1日あたりのアクションクレジットコスト上限が表示されます。これは、モデルの1回あたりの呼び出しクレジット比率と1日の呼び出し制限に基づいた推定最大クレジット数です。1日あたりの呼び出しとクレジットの上限を参照してください。
• デフォルトでは、各実行は20秒以内に完了する必要があります。20秒を超えると、エージェントは使用箇所でnullレスポンスを返します。
  • エージェントが頻繁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引き上げてください。
• 入力データはリクエストあたり25KBに制限されています。これを超える入力は切り捨てられます。

ベストプラクティス

エージェントが最大の投資対効果（ROI）を発揮できる価値の高いユースケースをターゲットにし、反応する可能性が高いオーディエンスを選びましょう。小規模でも機会の大きいオーディエンスは、機会の少ない大規模なオーディエンスよりも高い成果を上げることがよくあります。例えば、最近検索したがコンバージョンに至らなかったユーザーをリターゲティングする方が、エージェント生成のコピーをユーザー群全体に送信するよりも効果的です。

スケールする前にROIを検証するには、実験パスステップを使用して、オーディエンスの一部のみをエージェントステップに通します。小規模なテストで良い結果が出たら、エージェントをターゲットオーディエンス全体に拡大し、1日あたりの呼び出し上限を引き上げて、送信中に呼び出しが制限されないようにします。オーディエンス全体にスケールする前に、推定クレジット消費量に問題がないことを確認してください。デプロイに関する詳細なガイダンスについては、カスタムエージェントをデプロイするを参照してください。

エラーハンドリング

キャンバスステップエージェントまたはカタログエージェントの呼び出し中に、接続されたモデルがLLMプロバイダーからレートリミットエラーを返した場合、Brazeは指数バックオフを使用してリクエストを継続的にリトライします。

その他の障害（タイムアウトや無効なAPIキーなど）の場合、エージェントコンソールでフォールバック値が設定されていない限り、キャンバスステップエージェントの出力はnullに設定されます（キャンバスステップエージェントのみ）。カタログエージェントは、レートリミット以外の障害をリトライしません。エージェントが1日の呼び出し上限に達した場合、Brazeは設定済みのフォールバック値が存在すればそれを適用します。そうでない場合、出力はnullに設定されます。

レートリミットエラー、モデルの利用不可、および1日の呼び出し上限による障害はBrazeクレジットを消費しません。タイムアウトはクレジットを消費します。詳しくは、クレジットが消費されるタイミングを参照してください。

多数のユーザーが同時にエージェントステップに入ると、呼び出しフロー制御により処理に時間がかかることがあります。呼び出しが失敗した場合でもユーザーが出力を受け取れるように、エージェントコンソールでキャンバスステップエージェントのフォールバック値を設定するか、下流のメッセージステップでLiquidのデフォルト値を使用してください。

Brazeが提供するLLMに対して、データはどのように使用・送信されますか？

Brazeが提供するLLMを活用していると識別されるBraze AI機能を通じてAI出力（「アウトプット」）を生成するために、Brazeは該当するシステムプロンプトまたはその他の入力（「インプット」）をBraze提供のLLMに送信します。該当するBraze提供のLLMに送信されたデータは、そのLLMのトレーニングや改善に使用されることはありません。お客様とBrazeとの間において、アウトプットはお客様の知的財産です。Brazeはそのアウトプットに対して著作権の主張を行いません。Brazeは、アウトプットを含むAI生成コンテンツ全般に関して、いかなる種類の保証も行いません。

Brazeエージェント向けのBraze提供LLMは「Auto」として識別され、Google Geminiモデルを使用しています。GoogleはBrazeを通じて送信されたインプットおよびアウトプットを55日間保持し、その後データは削除されます。

次のステップ

Brazeエージェントについて理解できたら、次のステップに進みましょう。

• 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デプロイする
• Agentic Standards
• 会話型エージェント