AIOps とは?

AIOps は、機械学習とデータサイエンスの力を最新の IT 運用に導入します。

ハードウェアとソフトウェアの高性能化は同時に複雑化も招いており、そのため管理を任される IT 部門への要求も増大しています。 また、新しい技術や機能が現れるたびに、ツールもより複雑化します。 最近まで、複雑化が進む重要なテクノロジーに対処する場面で、IT 運用チームにはほとんど選択の余地がなく、IT データサイエンス技術者を新たに雇用し、部門のスタッフを増員するしかありませんでした。これはコスト効率がよいとは言えませんが、単純明快なソリューションでした。

しかし、IT 運用 (ITOps) の負担軽減に実際に役立つ先進技術もあります。 新たに登場したテクノロジー、運用のための人工知能 (AIOps) を考えてみましょう。

AIOps とは、人工知能 (AI) と運用 (Ops) の組み合わせです。 より具体的には AI と ITOps を統合したもので、機械学習、分析、データサイエンスを応用し、IT 運用上の問題の特定と解決を自動的に行う多層技術プラットフォームを意味します。

AIOps という用語は、2016 年、Gartner により考案され、デジタル変革により、一元化された IT から、クラウドや世界各地のオンプレミスにワークロードを設置するという場所を選ばない運用への移行の中で拡大していきました。 イノベーションのペースが速まるにつれ、テクノロジーの複雑化のペースも速まりました。 このため、新しいシステムや機器群の管理とサービスを担当する IT 運用部門にかなりの負担がかかることになりました。

AIOps は、IT 運用を管理するための新しいモデルをもたらしました。 機械学習が、現代のビジネスに革新を起こしたのです。 事実、The Global CIO Point of View によると、10 人中 9 人の CIO が、このテクノロジーをすでに採用しているか、まもなく導入の予定であると回答しています。

AIOps の機能と対応範囲の理解を深めるため、中心となる要素をご説明します。 AIOps には以下の機能が含まれます。

  • 広範な IT データ
    AIOps の主要な目標は、データのサイロ化を解消することです。 この目的で、AIOps では、IT サービス管理や IT 運用管理のさまざまなデータを集計します。 集計することで、根本原因の特定が高速化し、自動化の実現に役立てることができます。
  • 集計されたビッグデータ
    ビッグデータは、あらゆる AIOps プラットフォームの中心に存在しています。 AIOps は、サイロを解消し、利用可能なデータを解放することで、既存の保管データと、リアルタイムで進化するデータの両方について、先進の分析手法を取り入れることができます。
  • 機械学習
    分析するデータは大量に存在するため、AIOps では、人間による手作業をはるかにしのぐ機械学習の機能に一任します。 AIOps は、分析を自動化し、関連性やインサイトを見つけ出すことで、他の方法では不可能なスピードと精度で規模を拡大します。
  • 監視
    AIOps のプロセスは、データとデータの挙動を監視するプラットフォームの性能に大きく依存します。 AIOps は、データディスカバリを通じて、コンテナ、クラウド、仮想環境、また従来のインフラストラクチャなどを含むさまざまな IT ドメインやソースからデータを収集します。 データは、最新情報を基本として提供するために、できる限りリアルタイムで収集する必要があります。
  • エンゲージメント
    AIOps プラットフォームは、ITSM を含む複数の IT ドメインにわたり、コンピューターシステムおよびソフトウェアの構成、調整、管理を行う機能を提供します。 AIOps の分析により、データの信頼性と関連性の精度を向上させ、環境に関する情報を取り入れて、自動化を実現します。
  • アクション
    AIOps の最終目標は、機能がすべて自動化されたシステムを完成し、IT 運用チームを完全に解放して、他のタスクに取り組むことができるようにすることです。 現実には、AIOps はまだ開発途上で、AIOps の可能性をすべて受け入れることに抵抗感を覚えているチームもあります。 それでも、AIOps は単純な仕事も複雑な仕事も扱うことができ、AIOps プラットフォームにより重要な仕事を任せることで快適さを感じている組織も多くなっています。

AIOps は、独立して展開し、利用可能なすべての IT モニタリングソースからデータを収集および分析して、集中管理型のシステムオブエンゲージメントを提供することで最も効果的に機能します。 これを行うために、人間の認知機能で使われるプロセスと実質的に同じプロセスを踏みます。 関係する主要なアルゴリズムは、以下の 5 つです。

データの選択

AIOps は、所定の選択と優先順位付けの基準により、膨大な量の利用可能な IT データを調査および評価し、関連するデータ要素を特定することで、サイズがテラバイト級のデータの「干し草」の中から、重要な「針」を見つけ出すことができます。

パターンの発見

AIOps では、関連するデータを細部に至るまで精査して、データ要素間の相関を特定し、グループとしてまとめ、今後の分析に備えます。

推論

AIOps プラットフォームは、深い分析により、問題、イベント、傾向の根本原因を明確に特定し、アクションを伝えるのに役立つ明瞭なインサイトを作成することができます。

コラボレーション

AIOps は、オペレーター同士が離れている場合であっても、適切なチームや個人に通知して関連情報を提供し、効果的なコラボレーションを促進する、コラボレーションプラットフォームとしても機能します。

自動化

AIOps は、最終的に問題の対応と修正を自動的に行うようデザインされているため、IT 運用の速度と精度を大きく向上させます。

前述の通り、AIOps への移行が推進される背後には、テクノロジーの複雑化が要因として存在します。 この進化の背後にある傾向と要望の具体例を以下に示します。

  • IT 環境の拡張
    新しい動的な IT 環境は、人間による手動の監視能力を大幅に上回ります。
  • ITOps データ量の急激な増大
    API、モバイルアプリ、IOT デバイスの導入により、機器のユーザーが生み出す貴重なデータが大量に流入します。 効果的な分析およびレポートを行うには、機械学習と AI を使用することが唯一の方法です。
  • インフラストラクチャの問題解決高速化の必要性が増大
    テクノロジーは、ビジネスにおいて事実上すべての分野の中心的な要因となっています。 IT で問題が発生すれば、問題の特定と解決に必要な時間が 1 秒増えるごとに、組織の評価と収益に対するリスクが高まります。
  • ネットワークのエッジに移動するコンピューティング能力が増加
    ネットワークは、クラウドコンピューティングとサードパーティのサービスの導入により分散型となりつつあり、末端部に多額の予算とコンピューティング能力が必要な IT エコシステムが作られています。
  • 開発者の影響力は増大するが、アカウンタビリティは変化なし
    アプリケーションが集中管理型になると、監視などの分野において、開発者が活躍する場面が増えます。 ただし基本的には、やはり IT 部門がしっかりと IT のアカウンタビリティを果たすことになります。 つまり、テクノロジーが進化するにつれて、ITOps は複雑化だけではなく、責任の増大にも対処しなければならないのです。

AIOps の効果的なアプローチは、3 つの段階で構成されます。

  1. 問題が発生する前に予測
  2. エンドユーザーへの影響を防止
  3. 修復と解決の自動化

Accenture の調査によれば、最前線のカスタマーサポート担当者は、最大で 12% の時間をチケットの対応に費やしており、IT サービスデスク対応係の 43% が、100 以上ものアサイン先グループを選択しなければならないことを負担に感じているとのことです。 簡単に言えば、現代の IT サービス部門が効率的に処理するには、データや情報が多すぎるということです。 AIOps は、このような負担の軽減に役立ちます。

AIOps プラットフォームを使用する主なメリットを以下に示します。

データの価値の増大

AIOps は、インテリジェントな自動化をビッグデータと組み合わせ、見えない関連性や、サービス、運用、リソース間の思いがけない関係を見つけ出し、実用的なインサイトを提供します。 わかりやすい結果として、データのユーザビリティが向上し、データ分析活動によるリターンが改善します。

コストの削減

AIOps は、IT スタッフやデータサイエンティストを集団で雇用する代わりとなる、コスト効率のよい手段です。 さらに、IT 運用チームは日常のタスクに費やす時間と注意力を大きく削減できるとともに、場合によっては無用なアラートの発生も低減することができます。 これは全体的な効率の向上とコストの削減につながります。 最終的に、AIOps は、多額のコストが発生するサービス中断から企業を保護するのに役立ちます。

IT 運用の合理化

AIOps は高速かつ正確で、エラー発生率を低下させ、一方でサービスに影響する問題の解決までの時間を短縮します。 同時に、AIOps はデータのサイロ化を解消し、状況に合わせた IT 環境全体の単一のビューを提供します。 AIOps の積極的なパフォーマンス監視とデータ分析により、より迅速かつ正当な意思決定を行うことができます。

従業員のエクスペリエンスと生産性の改善

適切なツールで効率的に仕事ができると、従業員の満足度は高まります。 AIOps は、重要でありながら繰り返しで時間のかかる幅広いタスクを自動化することで、従業員の生産性を向上させ、従業員エクスペリエンスを改善します。

多数の AIOps プラットフォームが利用可能で、それぞれに独自のツールセットが付属しています。 ここでは、各ツールの一覧ではなく、機械学習分析および AIOps インサイトという 2 つの重要な機能に絞って説明します。

AIOps インサイトを活用する

ログ、測定基準、発見、マッピングなどのデータを確実に理解することで、AIOps の基礎を適切に構築し、AIOps インサイトを採用して、ビジネスの利益につなげることができます。 ダッシュボード表示、自動化、DevOps ツール、AIOps インターフェイスがすべて組み合わされて動作し、運用に対する深いインサイトを提供します。

AIOps:機械学習分析

分析モデル構築を自動化することで、組織は機械学習を利用してデータから学習し、関連パターンを特定して、最小限の人間の入力でアクションを起こすことができるインテリジェントなシステムを作成することができます。 機械学習分析は、高度なデータ収集、ETL、複数のデータソース、フロー、仮想エージェント、リアルタイムアプリケーションなどを取り入れ、AIOps のインサイトが提供する基盤を土台にして、それらのインサイトを信頼性が高くアクションに移すことのできる結論へと変換します。

ServiceNow が提供する AIOps

AIOps ツールを紹介するグラフィック

AIOps の本質は、IT 運用データをインテリジェントに収集および分析するようデザインされたプラットフォームです。 しかしながら、この 2 つの主要なタスクのため、AIOps はさまざまなアクションやソリューションにおける貴重な資産となります。 AIOps の一般的な使用事例は以下の 9 つです。

インシデントとイベントの相関

AIOps は、インシデントアラートを迅速に処理および分析し、インシデントが制御不能になる前にソリューションを生成することができます。

例外検出

AIOps は、データを常に分析し過去の傾向と比較することで、潜在的な問題を示している可能性のあるデータの外れ値を特定することができます。

予測分析

AIOps のデータ収集および分析機能は、問題の早期特定に加え、現在および過去のデータ傾向に機械学習を適用して、将来的な結果を高精度で予測することができます。

根本原因分析

また、AIOps は、問題の潜在的原因を正確に診断するため、数百万のデータポイントの相関関係を確認し、ユーザーとビジネスのコンテキストを提供して、イベントのパターンを追跡するなど、根本原因の分析に役立ちます。

サポートの合理化

AIOps の根本原因分析機能は、企業だけではなく顧客にとってもメリットがあります。 サポートエージェントは、より迅速に問題の特定と解決が可能になるため、顧客により良いエクスペリエンスを提供することができます。 同時に IT デスクは、より高い精度で、より多くのチケットに対応することができます。

自動インシデント応答

AIOps は、適切なデータと指令を与えることで、問題の発生時に自動で対応するよう設定できます。 自動インシデント応答により、人間のオペレーターよりはるかに素早く、高精度の問題特定、診断、修復を行うことができます。

デジタルトランスフォーメーション

AIOps は、ITOps の新しいテクノロジーや複雑さによる負担を効率的に取り除き、制約のないデジタルトランスフォーメーションを実現します。 企業は、IT 部門が負担の増加に対応できるかどうかを心配することなく、戦略的目標達成に向け、新しい技術を柔軟に導入することができます。

クラウドの採用および移行

AIOps は、クラウドの採用および移行の相互依存性の変更を明確に可視化します。 この機能により、移行に関連する運用上のリスクを大きく低減できます。

DevOps の導入

最終的に効率的な自動化と明確なデータの可視性を提供することで、AIOps は IT 部門が DevOps インフラストラクチャのサポートを改善できるよう支援します。

AIOps を立ち上げるタスクには、組織とその能力および需要によって、独自のアプローチが要求されます。 ただし、異なる企業の間でも、一般的に基本のステップのいくつかは共通しています。

導入に対する一般的な障壁の理解と対処

組織によっては、AIOps のアプローチを推進する際に抵抗が生じる場合があります。 導入に対する一般的な障壁には、以下の内容が含まれます。

  • チームにデータサイエンティストが不在
  • 関連するスキルの不足
  • データが不十分または低品質
  • インサイトに対するアクションが不統一

幸いにして、効率性の高い AIOps プロバイダーならこれらの問題を解消できます。 ServiceNow では、堅牢なデータサイエンスサービスを提供し、既存のスキルセットを使いやすいツールで補強して、価値ある次のステップを提案します。 ServiceNow により、データサイエンティストの雇用は不要となり、AIOps 導入の成功を妨げる問題を心配する必要がなくなります。

ビジネスケースを作成

AIOps のビジネスケースを作成することで、管理およびリーダーシップ促進を支援します。 IT 運用内の改善が可能な領域を特定し、AIOps が提供する、信頼性と効率性の高いソリューションについて共有します。

AIOps スタックを選択

AIOps プラットフォームを選択するには、ビジネスに関する深い知識と、使用可能なオプションに関する専門的な調査が必要です。 多数の利用可能なオプションを理解する必要があるため、選択する際は必ずデモを見て、関連のレビューに目を通してください。

ロールアウトプランを立てる

お好みの AIOps ソリューションを選択した後は、詳細なロールアウトプランを作成することで、時間やその他のリソースを無駄にすることなく移行を正しいペースで実行することができます。

従業員を巻き込む

この新しいアプローチでどんなメリットを得られるのか、最も興味を持っているのは従業員です。 インテリジェントな予測型セルフサービスの先を読んだサポートでエージェントのケースを引き受け、自動化によって時間のかかる繰り返しのタスクを解消できることを説明しましょう。

デジタルトランスフォーメーションのペースは加速しており、この勢いはすぐには止みそうにありません。 この成長に伴い、対障害性や精度の高いタイムリーな IT 運用への要求も増大しています。 ServiceNow IT Operations Management (ITOM) がそのソリューションを提供します。

ServiceNow の Now Platform には包括的な AIOps の機能が組み込まれているため、組織は ITOps をインテリジェントかつ積極的なプロセスに変えることができます。 信頼できる自動化の確立、摩擦の撤廃、データのサイロ化の解消などを、ServiceNow で実現しましょう。

ビジネスに合わせて拡張できる機能

ServiceNow で、問題を発生前に予測しましょう。