Salesforce Einstein Vision: CRMにおけるAI駆動型画像認識の強化

背景とアプリケーションシナリオ

現代のビジネス環境において、企業は日々膨大な量のデータに直面しています。その中でも、画像データは単なる視覚情報に留まらず、顧客行動、製品の状態、ブランド認知など、多岐にわたる重要なインサイトを秘めています。しかし、これらの画像データを手作業で分析し、ビジネス価値を抽出することは、時間とコストがかかる非効率な作業でした。ここで登場するのが、Salesforce Einstein Vision (アインシュタイン・ビジョン) です。Einstein Visionは、SalesforceのAIプラットフォームであるEinstein Platformの一部として提供される、画像認識 (Image Recognition) サービスです。

Einstein Visionは、深層学習 (Deep Learning) 技術を活用し、画像内の物体、シーン、ブランドなどを識別・分類する能力を提供します。これにより、CRM (顧客関係管理) システム内で視覚データを活用し、これまで不可能だった自動化とインテリジェンスを実現します。具体的なアプリケーションシナリオは多岐にわたります。

製造業・サービス業における欠陥検出・品質管理: 製造ラインで撮影された製品画像から、自動的に傷や欠陥を識別し、品質管理プロセスを効率化します。
小売業における棚卸・商品認識: 小売店舗の棚画像を分析し、商品の配置状況、在庫不足、競合他社のプロモーションなどを自動で把握します。これにより、リアルタイムな在庫管理と店舗オペレーションの最適化を支援します。
保険業における損害査定: 事故現場の写真から車両の損傷状況を評価し、保険金請求プロセスを加速します。
マーケティング・ブランド管理: ソーシャルメディアに投稿された画像から自社ブランドのロゴや製品を検出し、ブランド露出の分析やインフルエンサーマーケティングの効果測定に活用します。
医療・ヘルスケア: X線やMRI画像などの医用画像を解析し、診断支援や病変の早期発見に貢献する可能性があります。

これらのユースケースは、Einstein Visionがビジネスプロセスにどれだけ深い変革をもたらすかを示しています。Salesforceと統合することで、画像認識の結果を顧客レコード、ケース、商談などに紐付け、よりリッチでインテリジェントなCRM体験を提供できるのです。

原理説明

Salesforce Einstein Visionは、Salesforce Platformの外部サービスとして提供されるAPI (Application Programming Interface) を通じて利用されます。これは、事前に学習済みのモデルを使用するか、またはユーザーが自身の画像データセット (Dataset) をアップロードしてカスタムモデル (Model) をトレーニング (Training) するかのどちらかの方法で動作します。基本的なワークフローは以下の通りです。

データセットの準備: 画像認識モデルをトレーニングするために、ラベル付けされた画像データ（例：「猫」の画像には「猫」というラベルを付与）を準備します。
モデルのトレーニング: 準備したデータセットをEinstein Vision APIに送信し、深層学習モデルをトレーニングします。このプロセスにより、モデルは特定の視覚的特徴とそれに対応するラベルとの関連性を学習します。
予測の実行: トレーニングされたモデルを使用して、新しい（未識別の）画像に対して予測 (Prediction) を実行します。APIに画像を送信すると、モデルは画像の内容を分析し、最も可能性の高いラベルとその信頼度を返します。

Salesforce Einstein Vision APIの仕組み

Salesforce Einstein Visionは、RESTful APIとして提供されており、任意のプログラミング言語からHTTPリクエストを通じてアクセスできます。Salesforce Apex (エイペックス) から利用する場合、主に2つの方法があります。

ConnectApi 名前空間の使用: Salesforceが提供するConnectApi.EinsteinVisionクラスは、Einstein Visionの特定の機能（例：画像分類の予測）を抽象化し、より簡単に呼び出せるように設計されています。ただし、このAPIは利用可能な機能が限定的である場合があります。
HttpRequest と HttpResponse クラスによる直接的なAPIコール: Einstein Vision APIは標準のREST APIとして提供されているため、ApexのHttpRequestクラスとHttpResponseクラスを使用して直接HTTP POSTリクエストを送信し、結果を解析することも可能です。この方法では、より多くのAPI機能（例：データセットの管理、モデルのトレーニング、カスタムモデルの予測）に柔軟にアクセスできます。通常、認証にはJWT (JSON Web Token) ベースの認証フローが使用されます。

本記事のサンプルコードでは、より一般的なカスタムモデルの予測に焦点を当て、HttpRequestとJWT認証フローを組み合わせた方法を示します。これにより、Salesforce組織からEinstein Visionの強力な画像認識機能を最大限に活用する方法を理解できます。

サンプルコード

Einstein Visionによる画像予測のApexコード例

以下のApexコードは、Einstein Vision API (/v2/vision/predictエンドポイント) を呼び出し、与えられた画像URLに対して予測を実行する例です。このコードは、JWT (JSON Web Token) を使用して認証トークンを取得し、そのトークンを使ってEinstein VisionサービスにAPIリクエストを送信します。この例では、事前にEinstein Visionにトレーニングされたモデルが存在し、そのモデルIDが利用可能であることを前提としています。

前提条件:

Einstein Platform Servicesアカウントが設定されており、関連するPEM形式の秘密鍵がSalesforceにアップロードされている必要があります（詳細については、「注意事項」セクションを参照）。
Connected App (接続アプリケーション) がSalesforceで作成されており、そのConsumer Key (コンシューマキー) がこのApexコードで使用されます。
Einstein Visionにカスタムモデルがトレーニングされており、そのModel ID (モデルID) が利用可能です。

public class EinsteinVisionPredictor {

    // Einstein Platform ServicesのAPIエンドポイント
    private static final String EINSTEIN_PREDICT_ENDPOINT = 'https://api.einstein.ai/v2/vision/predict';
    // Connected AppのConsumer Key (コンシューマキー)
    // 実際にはカスタム設定やカスタムメタデータに保存すべき
    private static final String CONNECTED_APP_CONSUMER_KEY = 'YOUR_EINSTEIN_CONNECTED_APP_CONSUMER_KEY'; 
    // Einstein Platform Servicesに登録した秘密鍵のCertificate Name (証明書名)
    // 実際にはカスタム設定やカスタムメタデータに保存すべき
    private static final String EINSTEIN_CERT_NAME = 'Einstein_Platform_Services_Cert'; 

    /**
     * 指定された画像URLとEinstein VisionモデルIDを使用して画像を予測します。
     * @param imageUrl 予測対象の画像URL
     * @param modelId 使用するEinstein VisionモデルのID
     * @return 予測結果を表すJSON文字列、またはエラーメッセージ
     */
    @AuraEnabled
    public static String predictImage(String imageUrl, String modelId) {
        try {
            // 1. Einstein Platform ServicesのアクセスJWTトークンを取得
            String accessToken = getEinsteinAccessToken();
            if (accessToken == null) {
                return '{"error": "Failed to obtain Einstein Platform Services access token."}';
            }

            // 2. HTTPリクエストの作成
            HttpRequest req = new HttpRequest();
            // Named Credential (名前付き認証情報) を使用する場合
            // req.setEndpoint('callout:Einstein_Vision_Named_Credential/v2/vision/predict');
            // Named Credentialを使用しない場合は、直接エンドポイントを設定
            req.setEndpoint(EINSTEIN_PREDICT_ENDPOINT); 
            req.setMethod('POST');
            req.setHeader('Authorization', 'Bearer ' + accessToken); // 認証トークンを設定
            req.setHeader('Content-Type', 'application/json'); // JSON形式のボディを指定

            // リクエストボディの作成
            Map requestBodyMap = new Map();
            requestBodyMap.put('modelId', modelId);
            requestBodyMap.put('sampleLocation', imageUrl); // 予測対象の画像URL
            
            // オプション：カスタムトレーニングされたモデルの場合、numResultsやwithProbabilityなどを設定可能
            // requestBodyMap.put('numResults', 5); 

            String requestBody = JSON.serialize(requestBodyMap);
            System.debug('Request Body: ' + requestBody);
            req.setBody(requestBody);

            // 3. HTTPコールの実行
            Http http = new Http();
            HttpResponse res = http.send(req);

            // 4. レスポンスの処理
            if (res.getStatusCode() == 200) {
                System.debug('Prediction Success: ' + res.getBody());
                return res.getBody(); // 成功した予測結果を返す
            } else {
                System.debug('Prediction Error: ' + res.getStatusCode() + ' - ' + res.getBody());
                return '{"error": "Prediction failed.", "statusCode": ' + res.getStatusCode() + ', "responseBody": ' + res.getBody() + '}';
            }

        } catch (Exception e) {
            System.debug('An unexpected error occurred: ' + e.getMessage());
            return '{"error": "An exception occurred.", "message": "' + e.getMessage() + '"}';
        }
    }

    /**
     * Einstein Platform ServicesのアクセスJWTトークンを取得します。
     * SalesforceのAuth.JWTBearerTokenExchangeクラスを使用します。
     * @return アクセストークン文字列、またはエラーが発生した場合はnull
     */
    private static String getEinsteinAccessToken() {
        try {
            // JWTBearerTokenExchangeのインスタンスを作成
            Auth.JWT jwt = new Auth.JWT();
            // Connected AppのConsumer Key (クライアントID)
            jwt.setAud('https://api.einstein.ai/v2/oauth2/token'); // Einstein Platform Servicesのトークンエンドポイント
            jwt.setIss(CONNECTED_APP_CONSUMER_KEY); 
            jwt.setSub('YOUR_EINSTEIN_USER_EMAIL'); // Einstein Platform Servicesに関連付けられたユーザーメールアドレス
            jwt.setExp(Datetime.now().addMinutes(5).getTime() / 1000); // 5分間の有効期限

            // JWTBearerTokenExchange を使用してトークンを取得
            Auth.JWS jws = new Auth.JWS(jwt, EINSTEIN_CERT_NAME); // 証明書名
            Auth.JWTBearerTokenExchange bearer = new Auth.JWTBearerTokenExchange(jws);

            // トークン取得を実行
            String accessToken = bearer.getAccessToken();
            System.debug('Einstein Access Token: ' + accessToken);
            return accessToken;

        } catch (Exception e) {
            System.debug('Error getting Einstein Access Token: ' + e.getMessage());
            return null;
        }
    }
}

コード解説

このApexクラスEinsteinVisionPredictorは、主に2つのメソッドで構成されています。

predictImage(String imageUrl, String modelId):
このメソッドは、実際のEinstein Vision予測APIコールを実行します。まず、プライベートヘルパーメソッドgetEinsteinAccessToken()を呼び出して、認証に必要なJWTトークンを取得します。次に、HttpRequestオブジェクトを作成し、Einstein Visionの/v2/vision/predictエンドポイント、HTTPメソッド（POST）、認証ヘッダー、およびJSON形式のリクエストボディを設定します。リクエストボディには、使用するmodelIdと予測対象のimageUrlが含まれます。

Http.send()メソッドでリクエストを送信し、HttpResponseを受け取ります。ステータスコードが200であれば成功とみなし、レスポンスボディ（予測結果のJSON）を返します。それ以外の場合はエラーメッセージを返します。エラーハンドリングはtry-catchブロックで行われています。
getEinsteinAccessToken():
このプライベートメソッドは、Einstein Platform Servicesへのアクセスに必要なJWT Bearerトークンを生成し、取得します。SalesforceのAuth.JWTクラスとAuth.JWSクラスを使用してJWTを構築し、Auth.JWTBearerTokenExchangeクラスを使用してアクセストークンを取得します。このプロセスには、設定されたConnected AppのConsumer Key、Einstein Platform Servicesに関連付けられたユーザーのメールアドレス、およびSalesforceにアップロードされたPEM形式の秘密鍵の証明書名が必要です。これらの値は、本番環境ではカスタム設定やカスタムメタデータに保存し、コードに直接ハードコードしないことが推奨されます。

jwt.setAud('https://api.einstein.ai/v2/oauth2/token') は、Einstein Platform Servicesのトークンエンドポイントを指定します。jwt.setIss() はConnected AppのConsumer Keyを、jwt.setSub() はEinstein Platform Servicesのユーザーメールアドレスを設定します。jwt.setExp() はトークンの有効期限（ここでは現在時刻から5分後）を設定します。

このサンプルコードは、SalesforceとEinstein Vision間の強力な連携を可能にする基盤となります。LWC (Lightning Web Components) や Aura Components からこのApexメソッドを呼び出すことで、ユーザーインターフェースから直接画像認識機能を利用することが可能になります。

注意事項

認証と権限

Einstein Vision APIをSalesforce Apexから呼び出すには、適切な認証と権限の設定が不可欠です。前述のコード例はJWT Bearer認証フローを使用していますが、これを機能させるためには以下の準備が必要です。

Einstein Platform Servicesアカウント: まず、Einstein Platform Servicesのアカウントが必要です。
PEM形式の秘密鍵: Salesforce組織で認証に使用するPEM形式の秘密鍵 (Private Key) を生成し、Salesforceの「設定 (Setup)」->「セキュリティ (Security)」->「証明書と鍵の管理 (Certificate and Key Management)」にアップロードする必要があります。この鍵の「証明書名」がApexコードで使用されます。
Connected App (接続アプリケーション): Salesforce内でConnected Appを作成し、そのConsumer Key (コンシューマキー) を取得します。Connected Appの設定で、Oauthスコープに「アクセストークンを管理する（api）」を含める必要があります。
リモートサイトの設定 (Remote Site Settings) または名前付き認証情報 (Named Credentials):
- Auth.JWTBearerTokenExchangeはSalesforceドメイン内のサービスを呼び出すため、通常はリモートサイトの設定は不要です。
- しかし、Einstein Vision API本体 (https://api.einstein.ai) へ直接コールアウトを行う場合は、「設定 (Setup)」->「セキュリティ (Security)」->「リモートサイトの設定 (Remote Site Settings)」でhttps://api.einstein.aiを許可する必要があります。
- ベストプラクティスとしては、外部システムへの接続には「名前付き認証情報 (Named Credentials)」を使用することが推奨されます。これにより、認証情報をApexコードから分離し、管理を簡素化できます。名前付き認証情報を使用する場合、エンドポイントはcallout:Your_Named_Credential_Name/v2/vision/predictのようになります。
プロファイル・権限セット: Apexクラスを実行するユーザープロファイルまたは権限セットに、Apexクラスの実行権限と、必要に応じてConnected Appへのアクセス権限を付与する必要があります。

API制限

Einstein Vision APIには、いくつかの制限が存在します。これらの制限を理解し、設計に組み込むことが重要です。

Einstein Platform ServicesのAPIコール制限: Einstein Platform Servicesには、組織単位でのAPIコール数制限があります。通常、画像予測APIのコールは有料であり、契約プランによって利用可能なコール数が異なります。過度な利用は追加料金が発生するか、一時的なサービス停止につながる可能性があります。
ファイルサイズ制限: 予測APIに送信できる画像ファイルのサイズには上限があります（例: 20MB）。大きな画像を扱う場合は、リサイズや圧縮を検討する必要があります。
リクエストタイムアウト: Apexコールアウトは最大120秒のタイムアウト制限があります。画像処理の複雑性やネットワークの遅延によっては、この制限に達する可能性があります。非同期処理（例: Futureメソッド、Queueable Apex）を検討し、ユーザーエクスペリエンスに影響を与えないように設計する必要があります。
データセット・モデルの制限: 作成できるデータセットの数、各データセットの画像数、トレーニング時間などにも制限があります。

エラーハンドリング

外部APIとの連携では、ネットワークエラー、認証エラー、API制限の超過、不正なリクエスト、サービス側のエラーなど、様々な問題が発生する可能性があります。堅牢なアプリケーションを構築するためには、適切なエラーハンドリングが不可欠です。

try-catch ブロック: Apexのtry-catchブロックを使用して、例外（CalloutException、JSONExceptionなど）を捕捉し、適切に処理します。
HTTPステータスコードの確認: HttpResponse.getStatusCode()をチェックし、200 (OK) 以外のステータスコードが返された場合は、エラーとして処理します。4xx (クライアントエラー) や5xx (サーバーエラー) のコードに基づいて、ユーザーへのフィードバックやログ記録を行います。
レスポンスボディの解析: エラーレスポンスがJSON形式で詳細なエラー情報を含んでいる場合が多いため、HttpResponse.getBody()を解析してエラーメッセージを抽出・表示することが役立ちます。
リトライメカニズム: 一時的なネットワーク問題やAPIのレート制限に遭遇した場合に備え、Exponential Backoff (指数バックオフ) を伴うリトライメカニズムを実装することを検討します。
ログ記録: 失敗したAPIコールや発生した例外に関する詳細情報を、Salesforceのデバッグログやカスタムオブジェクトに記録し、問題のトラブルシューティングを容易にします。

まとめとベストプラクティス

Salesforce Einstein Visionは、CRMデータを視覚情報と結びつけ、ビジネスプロセスに新たなインテリジェンスと自動化をもたらす強力なツールです。カスタムモデルのトレーニングにより、特定のビジネスニーズに合わせた高度な画像認識能力を実現できます。

Einstein Visionを最大限に活用するためのベストプラクティスをいくつかご紹介します。

ユースケースの明確化: 画像認識を導入する前に、解決したいビジネス課題と期待される成果を明確に定義します。全ての画像データがAIによる分析に適しているわけではないため、ROI (投資収益率) が最大化される領域に焦点を当てるべきです。
データ品質の重視: モデルの精度は、トレーニングデータの品質に大きく依存します。多様で、正確にラベル付けされた大量の画像データを用意することが成功の鍵となります。不均衡なデータやノイズの多いデータは、モデルの性能を低下させる可能性があります。
インクリメンタルな改善: 最初から完璧なモデルを目指すのではなく、小さな成功を積み重ねるアプローチを取ります。初期モデルで得られた予測結果を評価し、必要に応じてデータセットを拡張し、モデルを再トレーニングすることで、継続的に精度を向上させます。
非同期処理の活用: 大量の画像処理や複雑な予測タスクには時間がかかるため、ユーザーインターフェースの応答性を保つためにApexのFutureメソッドやQueueable Apex、Batch Apexなどの非同期処理機能を活用します。
エラーハンドリングとモニタリング: 前述のように、堅牢なエラーハンドリングと、APIコール、応答時間、成功率、エラー率などを監視するシステムを実装し、問題発生時に迅速に対応できるようにします。
セキュリティの確保: 認証情報（Consumer Key、証明書名など）はコードに直接ハードコードせず、カスタム設定 (Custom Settings) 、カスタムメタデータ (Custom Metadata) 、または名前付き認証情報 (Named Credentials) を使用して安全に管理します。
ユーザーインターフェースとの統合: SalesforceのLightning Web Components (LWC) やAura Components、Flow (フロー) などを活用し、Einstein Visionの機能をエンドユーザーが直感的に利用できるインターフェースに統合します。これにより、ビジネスユーザーは技術的な知識なしに画像認識の恩恵を受けられます。

Salesforce Einstein Visionは、単なる画像認識サービスではなく、Salesforce Platformの豊富な機能群と連携することで、企業がよりスマートな意思決定を行い、顧客との関係を強化し、オペレーションを最適化するための新たな可能性を開きます。この技術を適切に導入し活用することで、ビジネスに大きな競争優位性をもたらすことができるでしょう。

にゃんこのSalesforce日記

このブログを検索