9月17日、私たちは Exploring Discourse Workflows を開催しました。これは、コミュニティが Discourse Workflows をどのように活用して、Discourse内でマルチステップのプロセスを自動化できるかを、実践的な観点から紹介するものです。
リプレイを見る:
ワークフローは、コミュニティ内で何かが起こったことに反応して、アクションを実行するビジュアルな自動化機能です。
最もシンプルな形では、トリガー → アクション → 結果 と考えてください。
より複雑なワークフローでは、条件分岐、ブランチ、保存されたデータ、AI、スケジュールされたアクション、外部サービスへの接続などを追加できます。
セッションでは、ワークフローの基本的な構成要素を分解して説明しました。その内容は以下の通りです：
- トリガー: ワークフローを開始するもの。新しいトピック、スケジュールされたイベント、受信したWebhookなど
- 条件: ワークフローがどの経路を取るべきかを決定するルール
- アクション: Discourseが次に実行すべきこと。投稿の作成、バッジの付与、誰かへの通知、外部APIの呼び出しなど
- フロー制御とユーティリティ: より複雑な自動化を接続し、管理するのに役立つ追加の構成要素
また、組み合わせることで特に有用になるいくつかの機能も探求しました：AIによる分類、データテーブル、グループ自動化。 これらは、コミュニティがコンテンツを分類し、ワークフローが後で必要とする情報を保存し、定義された条件に基づいてユーザーをルーティングまたは管理するのに役立ちます。
ワークフローの実例
セッションの大きな部分は、構成要素を超えて、自動化可能な実際のコミュニティの問題に目を向けることに費やされました。
いくつかの例としては、以下のようなものがありました：
- 自動レポートとフォローアップ: 繰り返し実行されるData Explorerクエリを実行し、結果を要約して、異なるチーム向けにレポートを作成します。
- 適切な質問を適切な人に届ける: 新しいトピックの内容を特定し、対応に最も適した人物やグループにルーティングまたはエスカレーションします。
- 未回答のディスカッションのクローズ: まだ対応が必要なトピックを見つけ、解決策をマークするよう人にリマインドしたり、未解決のままの会話をエスカレーションしたりします。
また、複数の要素が単一の自動化内でどのように連携して動作するかもデモしました。例えば、ワークフローは、データテーブルに保存された情報とAIを組み合わせることで、質問をどの専門家に届けるべきかを決定できます。スケジュールされたワークフローは、Data Explorerクエリを実行し、結果を要約して、トピックやチャットに定期レポートを送信することもできます。
ノードではなく、問題から始める
セッションからの最も大きな教訓の一つは、利用可能なすべてのワークフローノードを理解することから始める必要はないということです。
代わりに、改善したいものから始めてください。
次のことを問いかけてみてください：
何がトリガーになりますか？
新しいトピックですか？ スケジュールですか？ ユーザーのアクションですか？ 他のシステムから来るものですか？
Discourseは何を確認すべきですか？
コンテンツですか？ ユーザーやグループですか？ クエリ結果ですか？ ワークフロー内で以前に保存された情報ですか？
次に何が起きるべきですか？
タグ付け、送信、更新、ルーティング、遅延、リマインド、エスカレーションなど、何を行うべきですか？
まだ何を自動化すべきか確信が持てない場合、アイデアを見つけるための4つの場所を共有しました：
- 繰り返し: あなたやあなたのチームは何を何度も繰り返していますか？
- 摩擦: 望むように進まないことは何ですか？
- 模倣: 他のコミュニティが何を行い、「あ、それは賢い」と思いましたか？
- ユニークさ: 自動化によって、有用なリマインド、アンロック、結果、ゲーム、あるいは内部ジョークを生み出せますか？
今日のワークフローで自動化できるコミュニティのプロセスはすべてではありません。現在の制限や将来の追加機能に関するアイデアについても議論しました。しかし、目標は必ずしもすべてを自動化することではありません。自動化によって、コミュニティ運営を少し楽にできる、反復的、見落としやすい、または時間のかかるプロセスを特定することです。
cc 
