IT サービス管理における 3 つの主要な NLP 使用例

[[421132]]

[51CTO.com クイック翻訳]自然言語処理 (NLP) は、機械学習の専門的なサブフィールドです。通常、人間と機械の間のスムーズな対話を可能にするために、人間の話し言葉または書き言葉が使用されます。

NLP は大量のテキストを処理できるため、人間が大量のテキストを理解して処理するために多くの時間を費やす必要がなくなります。その結果、多くの組織が NLP を活用して、テキストや自由形式のデータからさまざまな有用な洞察を得始めています。

ITSM における NLP の使用

IT サービス管理 (ITSM) プロセスで NLP を使用すると、企業に多くのメリットがもたらされます。結局のところ、大量のデータを生成してキャプチャすることで、主要な企業資産の健全性、パフォーマンス、ユーザー エクスペリエンスを把握できるようになります。 ITSM チームが通常処理する必要があるデータの種類には、変更要求、インシデント、ナレッジベースの記事、電子メール、チャット ログなどがあります。場合によっては、組織はソーシャル メディア チャネルを使用して、自社製品の使用中に発生する問題や苦情を監視および追跡することもあります。

これらすべての ITSM データには共通の特徴があります。それは、すべてがテキスト データであり、構造化されていないということです。したがって、このようなデータに NLP を適用すると、良好な処理結果が得られ、ITSM の生産性が向上し、問題がより迅速に解決されます。

自然言語処理機能

NLP は、さまざまな機械学習の方法と機能を利用して、システム生成のさまざまなテキストとユーザー生成の音声を処理できるため、処理されたデータ結果には大きな実用的意義と価値があります。最も一般的に使用される NLP 手法は次のとおりです。

• 症状のクラスタリング
• 分類

1. 教師あり分類
2. 教師なし分類

• キーワードの要約と分類
• エンティティ（カスタム）の認識と抽出
• 感情分析

ITSM における NLP の 3 つの使用例

次に、企業が AIOps ツールを使用して NLP の支援を受けながらより優れた ITSM 配信を実現する方法について説明します。

ユースケース 1: 履歴データからの洞察

最も一般的かつ重要なアプリケーションシナリオとして、NLP を使用すると、履歴データのテキストフィールドからさまざまな隠れた洞察を掘り出し、操作とプロセスの変換と最適化のための直接的な参考資料を提供できます。

具体的には、上記のようなさまざまな典型的なデータに対して、NLP を使用してクラスタリング、キーワード抽出、感情分析、カスタム エンティティ認識などのさまざまな方法と機能を実装し、次のような重要な情報を取得できることがよくあります。

• IT サービスに関する一般的な問題と、問題がよく発生する領域を見つけます。
• 関連付けと抑制を通じてチケットクエリを削減し、自動化された前処理機能を改善します。
• 既存の知識ベースのソリューションと現実の問題や状況との間のギャップを狭めます。

履歴データを取得するにはどうすればいいですか?

通常、ServiceNow、Jira、Remedy などのさまざまな ITSM ツールのエクスポート機能を使用してデータを CSV または Excel ファイルに変換し、これに基づいてさまざまな API を使用してファイル内のデータに直接アクセスできます。

次の図は、ServiceNow からエクスポートされた 6,000 を超えるイベント セットのデータの例を示しています。これらを使用して分析を実行し、次のセグメントに関する洞察を得ることができます。

ServiceNow プラットフォームの過去のイベント

• 10 の主要な問題領域: クラスタリング アルゴリズムを通じて、現在の IT インフラストラクチャで発生しているさまざまな主要な問題やエラーの根本原因を把握できます。このタイプの分析は、運用および保守チームが問題自体ではなく、問題が発生する環境と現場に重点を置くのに役立ちます。徹底的な調査を行うことで、タスクオーダー間に一定の相関関係があるかどうかをすぐに発見し、より合理的に優先順位を付けて、システム内のタスクオーダーの総数を削減できる場合が多くあります。
• What-if 分析: 問題領域を理解したら、その領域内のパターンを探し、同様の問題が発生しているかどうかを確認し、それらをグループ化して分類することができます。つまり、相互相関を通じて、さまざまな問題の分類と重複排除をさらに完了し、抑制を通じてそのような問題の再発を減らすことができます。
• 感情分析: テキスト内のデータについては、絶望、否定性、肯定性など、テキストの背後にある感情に応じて分類および分析できます。また、ビジネス ユニット、割り当てグループ、地理的位置などのさまざまな条件に基づいてフィルターを使用し、詳細なマイニングを通じて適切な担当者に割り当てて適切な処理を行い、送信者の気分を改善することもできます。
• ナレッジ ベース内のソリューションを分析する: ナレッジ ベース内のさまざまなソリューションとレコードに対して、NLP キーワードおよびエンティティ認識方法を使用することもできます。このタイプのアプローチにより、さまざまな主要カテゴリ (概念、キーワード、トピックなど) におけるナレッジ ベース ソリューションのカバレッジとヒット率が向上し、運用および保守チームがそれをキャプチャされた実際の問題の主要な機能と比較できるようになります。これにより、ナレッジ ベースと現実のギャップが狭まり、KB の利用率と再利用率が向上します。

ユースケース 2: NLP とテキスト処理を使用して MTTR を短縮し、予測モデルを構築する

このユースケースでは、主に分類（教師ありまたは教師なし）を使用して、イベント テキスト データのコンテキストに基づいて次に最適なアクションを予測します。一般に、教師あり分類は割り当てられたグループの予測に適していますが、教師なし分類は知識ベースのシナリオでの推奨に適しています。もちろん、分類モデルは、顧客の実際の環境や利用可能なデータの種類によって異なる場合があります。 ここでも ITSM ツール ServiceNow を例に挙げ、その履歴データと利用可能なナレッジ ベース ソリューションに基づいてケースについて説明します。

次の図は、分類方法を使用してコンテキスト データを通じてイベントの背後にある詳細な情報を掘り出し、ITSM チームがイベントを迅速に分類して解決策を見つけるのに役立つ方法を示しています。

ServiceNowプラットフォームの新しいイベント

上記の例では、タスク チケットが作成または送信されると、NLP エンジンは、上記の割り当てグループ、テキスト内の感情、ナレッジ ベース内の推奨ソリューションを自動的に選択、分析、更新します。

NLP テクノロジーを使用した AIOps は、さまざまな貴重な洞察を提供できるだけでなく、インシデント解決プロセスをスピードアップし、現実的で実現可能な運用上の提案も提供できることがわかります。これに基づいて、対応する自動ワークフローを設定し、問題をより迅速に解決および修正することもできます。さらに、イベントの数が増えるにつれて、NLP によって構築されたモデルはより正確になるようにトレーニングされ、運用および保守チームが平均応答時間 (MTTR) を短縮するのに役立ちます。

ServiceNowプラットフォームで解決されたインシデント

ユースケース 3: エンティティベースの知識データと運用データの抽出 (非構造化データから構造化データへ)

このユースケースを通じて、非構造化データから重要な情報を抽出し、構造化形式で提示する方法について説明します。この機能により、ITSM チームは専門的な背景知識がない場合やシステム移行中に、トラブル チケットに記載されている特定の状況を迅速に理解できるようになります。

以下の例では、主に NLP のテキスト処理機能とカスタム エンティティ認識機能を使用しました。この中で、NLP エンジンは非常に複雑なトラブル チケットに添付されたログ ファイルを分析しました。 NLP は重要な情報を抽出し、イベントに関連する所定のフィールドがユーザー インターフェイスに表示されます。これに基づいて、ITSM チームはより便利かつ迅速に行動できるようになります。同時に、企業固有のエンティティ辞書を構成することで、抽出する必要がある情報をカスタマイズすることもできます。

ServiceNow ログデータとそのカスタマイズされたエンティティタスクリスト

上図は、ServiceNow タスク チケット処理のキー情報の効果を示しています。アプリケーション、キー ID などのエンティティが抽出され、ユーザーに表示されます。

原題: ITSM における NLP 使用例トップ 3、著者: Gurubaran Baskaran

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]