実際のタスクを実行
すでにお持ちのアカウント、キャンペーン、チケットの情報をご用意ください。そのチームで有効なプロンプトとモデルが下書きを作成します。
UnifyAI RSI は、日々の営業・マーケティング・サポート業務を、効果を測定できるループに変えます。タスクを実行し、回答を一度修正するだけで、その修正が未知の例を使った評価で競い合い、新たなデフォルトの座を目指します。
ループ
多くの AI ツールは評価を集めて改善を期待するだけです。UnifyAI RSI は修正後の回答を収集して候補プロンプトに変え、既存のものを上回るまでは決して採用しません。
すでにお持ちのアカウント、キャンペーン、チケットの情報をご用意ください。そのチームで有効なプロンプトとモデルが下書きを作成します。
下書きを承認するか、本来あるべき形に書き直します。学習のシグナルとなるのは「いいね」ではなく、この修正です。
修正内容をもとに改訂版のプロンプトが提案されます。未知のホールドアウト例で、現行プロンプトと比較して採点されます。
並べて表示された根拠を確認し、候補がゲートをクリアした場合にのみ昇格させます。昇格はすべて元に戻せます。
1 つのワークスペース
営業、マーケティング、サポートは評価される観点が異なるため、プロンプト、フィードバック、実験をそれぞれ個別に管理します。あるチームの改善が、知らないうちに別のチームに影響することはありません。
商談を前に進める
アカウントのメモから、実際の会話内容を踏まえたフォローアップを作成します。価格、日付、確約を勝手に作り出すことはありません。
デモ後のフォローアップを作成し、ディスカバリーコールを依頼してください。
すべてのメッセージを価値あるものに
明示された製品情報をもとにローンチやライフサイクル向けのコピーを作成し、編集内容から自社のトーンを次の下書きに反映させます。
フィードバックレビュー機能のローンチメールを作成してください。
顧客の信頼を獲得する
ポリシーの記載に基づいて回答し、ポリシーに記載がない場合はエスカレーションします。システムが実行していない対応を約束することはありません。
二重請求の返金を求めるお客様への返信を作成してください。
昇格ゲート
候補プロンプトと現行プロンプトは同じホールドアウトタスクに回答し、同じ固定された評価基準で採点されます。4 つの条件をすべて満たす必要があり、強制的に通過させるボタンはありません。
ベースラインと候補の出力を、スコアやトークン数とともに並べて表示します。
ロールバックにより、そのチームの以前のプロンプトとモデルが復元されます。完了済みのタスクには影響しません。
score >= 80candidate >= basebetter || cheapersafe == trueデスクトップアプリ
ブラウザーと並んで動作し、ワークスペースのアカウントでサインインし、自動で更新されます。
モバイルアプリ
アシスタントへの質問、エージェントからのメッセージの確認、顧客の検索、タスクのレビューをスマートフォンから。
Android では、確認が表示されたらブラウザによるアプリのインストールを許可してください。iPhone では、リンクから Apple の先行版アプリ TestFlight が開きます。
セキュリティとデータ
キーは現在のブラウザタブ内にのみ保持され、モデルの呼び出し時にのみ HTTPS で送信されます。ストレージやログに書き込まれることはありません。
すべての読み取りと書き込みは、認証済みの ID に紐づけられます。変更操作ではリクエスト元を確認し、プリペアド SQL を使用し、レコードのリビジョンを検証します。
学習によって更新されるのは、お客様自身のワークスペース内のプロンプトとモデル選択のみです。共有の重みはなく、アカウント間でデータが混ざることもありません。
実行、レビュー、評価、昇格が記録されるため、現行プロンプトが採用されている理由を確認できます。 プライバシーとデータに関するページをご覧ください。
今回のリリース
本製品は、お客様の顧客について事実に基づかない主張を作り出しません。製品自身について誇張するのもおかしな話です。
よくある質問
はい。UnifyAI RSI は、お客様が選択したプロバイダー(Unify API または OpenAI)を、ブラウザタブごとに入力されたキーを使って呼び出します。モデルの利用料金はプロバイダーから直接請求され、その請求書が正式なものとなります。
1 つのチームでレビュー済みのタスクが 6 件以上あれば実験を開始できます。前半のタスクは学習用の例となり、最後の 2 件はホールドアウトとして取り分けられ、候補は未知のタスクで採点されます。
ロールバックできます。昇格時に以前のプロンプトとモデルが保存され、ロールバックによってそのチームで復元されます。実行済みのタスクには影響しません。
いいえ。最適化はワークスペース内のプロンプトとモデル選択のレイヤーで行われます。アカウントをまたいでデータが集約されることはなく、モデルの重みも更新されません。ただし、プロバイダーに送信したデータには、そのプロバイダー独自のデータ取り扱い規約が適用されます。
いいえ。これは意図的な設計です。プロンプトとモデルの変更は内容を確認でき、低コストで評価でき、即座に元に戻せます。だからこそ昇格ゲートが意味を持つのです。
ワークスペースを作成し、どのみち手作業で書くはずだったタスクを実行して、これまでなら捨てていた修正を残しましょう。