正解は B. Einstein Discovery フローアクションを使用して、Flow 内で予測を行う です。


---

✅ 理由と背景

🌟 正しい選択 — Einstein Discovery フローアクション

Flow Builder に標準で提供されている 「Einstein Discovery core action」 を利用することで、事前に展開されたモデルに基づいてフロー内で直接予測を取得できます 。

このアクションをフローに組み込むと、入力項目（例：Case の詳細やフィーチャ）を渡し、予測スコアやトップの要因、改善提案を返すことができます。

その後、取得した予測結果を使って、ケースの優先度判定や ルーティング、 通知処理などの自動化ロジックに組み込むことが可能です。



---

❌ 誤った選択肢の理由

A. Apex クラスを作成して Einstein Discovery Predictions を呼び出す

Apex で呼び出すことも 技術的には可能ですが、より複雑・冗長で保守性が低いというデメリットがあります 。

標準機能として Flow アクションが提供されているため、Apex での実装は不必要に重い手段です。


C. Case オブジェクトにトリガーを作成し REST API を使って予測を取得

こちらも実現可能ではありますが、API の呼び出し設定、認証、HTTP コード管理などが必要となり、導入や運用コストが大幅に増加します。

公式には、主要なユースケースとして Flow からのコネクタ利用（標準アクション） が推奨されています 。



---

🧭 まとめ：最適なアプローチ

実現手段 主なメリット 注意点

Einstein Discovery フローアクション（選択肢 B） 標準機能、導入しやすく保守性高い、リアルタイム処理可能 モデルが展開済みである必要がある
Apex 経由で Predictions 呼び出し 完全制御が可能 複雑・冗長、保守コスト高
REST API + Apex トリガー 柔軟な実装が可能 設定やセキュリティ、エラー処理などの負荷が大きい



---

⚙️ 実装手順（一例）

1. Einstein Discovery でモデルを作成および展開


2. Salesforce Setup → Flow Builder を開く


3. Record‑Triggered Flow（例：新規 Case 作成時）を設定


4. Action 要素で「Get Einstein Discovery Prediction」（Flow Action）を挿入し、必要な入力項目をマッピング


5. 取得した 予測スコアや 改善提案 を変数に格納


6. 条件判断や通知、所有者変更などに予測結果を活用


7. Flow を保存して有効化




---

この方法により、ケースの満足度...