アクションおすすめでワークフロー自動化を改善する

自動化プラットフォームは、ユーザーがワークフローを使って繰り返しのタスクを自動化するのを助けるんだ。ワークフローは、アクションの一連を起動するトリガーから始まる。例えば、メールが届くと、そのワークフローは添付ファイルをクラウドストレージサービスに保存したり、メールの件名をスプレッドシートに記録したりできる。

Microsoft Power Automate、Zapier、IFTTTみたいなプラットフォームは、ユーザーがコードを書く必要なしにワークフローを作成できるけど、プロセスはまだ面倒なんだ。ユーザーは必要なアクションを見つけるために長いリストをひたすら探さなきゃいけなくて、作業が遅くなっちゃう。この記事では、ユーザーの好みに基づいてアクションを提案することで、このプロセスを楽にする方法を探ってるよ。

#アクション選択の課題

ワークフロー自動化では、アクションを選ぶのが退屈なことがある、特に利用できるオプションが何千もあるときはね。ユーザーが長いフローを作るほど、正しいアクションを見つけるのにかかる時間が増えるんだ。コーディング環境での一般的な解決策は、レコメンデーションを使うこと。たとえば、関連するコードスニペットを提案するツールは、プログラマーがより速く作業できる手助けをする。ただ、同じような技術が自動化プラットフォームには欠けてるんだ。

私たちの目標は、ワークフローの次のアクションを提案するシステムを作ること。これにより、ユーザーは自分のフローをより効率的に開発できるんだ。各ステップで正しいアクションを探す必要がなくなり、カスタマイズされた提案が受け取れる。これによって、ワークフロー作成プロセスが速くなるだけじゃなくて、もっと楽しくなるんだ。

#レコメンデーションシステムの仕組み

アクションを提案するために、私たちはユーザーの行動や好みから学ぶモデルを開発したよ。このモデルは、最近の機械学習の進展に基づいていて、特にトランスフォーマーというタイプのモデルを使ってる。従来のモデルとは違って、私たちのシステムはユーザーが過去に何をしたかに焦点を当ててるから、今の状況だけじゃなくて個々のユーザーの履歴に基づいて提案がされるんだ。

ユーザーがワークフローを作るとき、私たちのモデルは彼らが過去に使ったアクションを見てる。これらのアクションの頻度やそれらの関連性を考慮して、次のステップのためのパーソナライズされた提案を作るんだ。これで、ユーザーはリストをひたすら探さなくても、関連する推薦を受け取れるようになるよ。

#パーソナライズの実践

パーソナライズは私たちのアプローチの鍵なんだ。私たちのモデルは、各ユーザーのプロファイルを構築して、頻繁に使うアクションを含める。まだプロファイルを持っていない新しいユーザーには、中立的なプロファイルを時々提供して、良い提案を受け取れるようにしてる。だから、プラットフォームに新しいユーザーでも、十分な情報に基づいた推薦を受けられるんだ。

私たちのパーソナライズされたモデルの効果をテストするために、Power Automateプラットフォームのユーザーからの実データを使ったよ。結果は、パーソナライズされた提案が推薦の精度を大幅に改善することを示した。実際、私たちのモデルを使ったとき、トップ提案が正しい確率は90%で、複数の提案を提供すると98%に上がったんだ。

#アプローチの比較

モデルの効果をより理解するために、アクション選択の他の方法と比較したんだ。そのうちの一つは、ユーザーの好みを考慮しないシンプルな統計パターンに基づいていた。私たちのパーソナライズされたモデルは、これらのシンプルなモデルよりもかなり優れていることが示されて、各ユーザーの習慣に合わせた推薦が重要だってわかったよ。

新しいユーザーが私たちのモデルを使ったときのパフォーマンスも調べたんだけど、結果は新しいユーザーでもシステムのパフォーマンスが一貫してたから、過去の履歴がなくても私たちのレコメンデーションシステムの利点を享受できるんだ。

#偽陽性への対処

もう一つの課題は、アクション推薦での偽陽性の問題だ。時々、モデルはユーザーにとって関連性がないアクションを提案することがあるんだ。この問題を減らすために、モデルが自信を持っているアクションだけを推薦する方法を検討中なんだ。提案の確率にしきい値を設定することで、あまり確信のない推薦をフィルタリングして、ユーザーに最も関連性のあるオプションだけを提供できるよ。

#結論

要するに、私たちはワークフロー自動化プラットフォームのためのパーソナライズされたアクション推薦モデルを開発したんだ。ユーザーの行動や好みから学ぶことで、私たちのモデルはタイムリーで関連性のある提案を提供して、ユーザー体験を大きく改善できる。実験で、パーソナライズがより良い推薦につながることが示されて、ユーザーがワークフローをより効率的に楽しく作成できるよう手助けしてる。

今後の研究は、特に確信のない推薦を抑制することに焦点を当てて、モデルをさらに洗練させていく予定だよ。ユーザーが最高の提案を受け取れるようにすることで、ワークフロー自動化プラットフォームの全体的な効率を向上させ、みんなにとって使いやすくすることを目指してる。自動化がますます重要になる中、これらの進展は、コーディングの専門知識がなくてもタスクを自動化しやすくしてくれるだろうね。