人工知能でIT運用を改革する方法

IT 組織は、サポートの改善、インフラストラクチャの最適化、システム障害の予測のために AI ベースのツールを導入し、スタッフをより価値の高いタスクに振り向けられるようにしています。

人工知能は徐々に世界を席巻しつつあり、IT 運用も例外ではありません。

まだ導入の初期段階ではありますが、企業は AI と機械学習を使用して技術サポートと管理インフラストラクチャを改善しています。ここで、自然言語処理は貴重な IT ツールであることが証明されます。ほとんどのカスタマー サービス チャットボットを動かすテクノロジーは、技術サポートとユーザー インターフェイスを改善するために IT 運用の内部で使用されています。

[[234747]]

たとえば、クレディ・スイス・グループAGは、パスワードのリセットやコンピュータの再起動といった日常的なリクエストに対応するチャットボットを12月に導入した。

「当初は音声のみのサポートセンターでしたが、ユーザーからの問い合わせへの対応が非効率的でした」と、同社の認知・デジタルサービス担当ディレクター、ジェニファー・ヒューイット氏は語る。

問題を解決するために電話をかけた従業員は、次に対応可能なエージェントが来るまで順番を待たなければならず、この方法は拡張性が低かったと彼女は述べた。 「そこで私たちは、ヘルプデスクに新しいチャネルを提供し、チャット機能を導入して、ユーザーに迅速な応答とアクションを提供したいと考えました」と彼女は語った。

クレディ・スイスは2016年後半にこの問題の検討を開始し、2017年初めにIPソフトのアメリア・チャットボット・システムを選択し、6月に導入した。今年の終わりまでに、それは稼働しました。

「彼女を紹介したとき、彼女はまだ赤ちゃんでした」とヒューイット氏はチャットボットについて語った。 「彼女は今はまだ赤ちゃんだと思います。私たちはまだ彼女の脳を訓練するのに時間を費やしているところです。」

たとえば、チャットボットがリクエストを処理できない場合、そのリクエストを人間に転送します。チャットボットは会話を追跡してそこから学習し、銀行はチャットボットに入る前にコンテンツを確認して、エラーや偏見が入り込むのを防ぎます。

この新しいシステムは世界40カ国の76,000人のユーザーにサービスを提供しており、クレディ・スイスは80か所の技術サポートオフィスの一部をより高いレベルのサポートに移行できるようになる。 「私の目標は、今年末までにサービスデスクに寄せられる問い合わせの25％を自動的に処理できるようにすることです」とヒューイット氏は語った。

技術サポートスタッフの 3 分の 1 を解放するという最終目標を掲げる Credit Suisse の IT における AI の活用は、このトレンドを推進する要因を浮き彫りにしています。つまり、低レベルの作業をより適したマシンに引き継ぐことで、IT スタッフがより深いビジネス価値を生み出せるようになることです。

AIを使って保護し、刺激を与える

IT 部門で AI を活用している別の組織は、テキサス A&M 大学システムです。同大学では、新入社員が大学をサイバー攻撃から守れるよう、Endgame のインテリジェント アシスタント Artemi を導入しました。

「私たちは11の大学と7つの州政府機関のネットワークを監視しています」とテキサス大学のシステムセキュリティアナリスト、バーバラ・ギャラウェイ氏は語った。ギャラウェイ氏のチームには、セキュリティインシデントへの対応経験のないフルタイム従業員 9 名とパートタイム学生 8 名が含まれていました。

AIシステムにより、従業員は平易な英語で質問したり、副業として仕事のトレーニングをしたりできるようになります。 「これは仕事をしながらの実地訓練です」とギャラウェイ氏は語った。

「1月に新しい採用ラウンドがあったばかりで、彼らが何をすべきか理解するのに2時間かかり、その後すぐに仕事を始めた」と彼女は語った。 「しかし、彼らの学習速度は速くなり、質問をするフルタイム従業員は減りました。Google 検索も減り、学習ビデオの視聴時間も減りました。

AIは採用にもプラスの影響を与えていると彼女は語った。 2年前、セキュリティアナリスト3人を雇用しようとしたとき、十分な数の応募者が見つからなかった。

「今年1月には7つのポジションに対して88人の応募がありました」と彼女は語った。 「私たちのやっていることは興味深いし、すぐに広まります。」しかし、彼らはただ座って画面を見つめるだけではなく、実際にあらゆる種類の調査を行う必要があり、現実世界での経験を積む必要があるのです。サイバーセキュリティに興味を持つ人が増えればと思います。

インフラストラクチャ管理

アーカンソー州に本社を置くマーフィー・オイルは、米国、カナダ、マレーシアで事業を展開し、世界中で 1,200 人の従業員を擁する石油会社です。同社は過去1年間、従来のオンプレミスとホスティングからクラウドとSaaSにインフラストラクチャを移行してきましたが、最大の節約はクラウドインフラストラクチャにインテリジェントな管理を追加したことから生まれたと、マーフィー・オイルのデジタル変革担当ITディレクター、マイク・オー氏は語ります。

「ワークロードをクラウドに移行するだけでは、1 ペニーも節約できません」と彼は言いました。 「さらにお金がかかるかもしれませんよ。」

クラウドは確かに多くの柔軟性を提供しますが、ワークロードを調整するには多くの人手が必要となり、ワークロードが増加します。そこで同社は、インフラストラクチャを最適化する方法に関する推奨事項を作成するために、Turbonomic の AI 搭載システムを採用しました。しかし、本当の成果が現れたのは、Murphy Oil 社がシステムに慣れ、レイアウトとサイズ設定を自動化できると信頼したときでした。

「そこには『これらの経験に基づいて、私たちはこれらの行動をとりますが、それでよろしいですか？』という設定があります。これをオンにすると、ソフトウェアは人間よりも優れた判断を下すことができることがわかりました」とオー氏は語った。 「直感や感情ではなく、データに基づいて意思決定を行うことができます。」

これまで、オール氏はフルタイムスタッフの4分の1をチケット発行業務のみに充てていた。 「今では10分の1しかかかりません」と彼は言った。

これにより、マーフィー オイルはスタッフを基本的な運用とメンテナンスからビジネス サポートに移行できるようになりました。たとえば、会社が成熟曲線をさらに進むことができるように、従業員がプロセスの自動化を学習しているとします。

「プロジェクトは常に滞留している」とオー氏は語った。 「しかし、従業員を解雇する予定はありません。」

接続性を確保する

オハイオ州のノース カントン スクールは、キャンパス全体のワイヤレス ネットワークの接続を維持するという、別のインフラストラクチャ管理の課題に直面していました。これには、ユーザーのラップトップやモバイル デバイスがネットワークに適切に接続できることの確認が含まれます。

ネットワークには約 4,400 人の学生、650 人の従業員、7 つの建物、6,000 ～ 8,000 台のデバイスがありますが、ネットワーク管理の責任者は 3 人だけです。昨年 8 月、同学区はワイヤレス ネットワーク管理を Mist Systems に切り替え、新しい AI 搭載インターフェースも導入しました。

「確かに速く感じますし、物事をより早く理解できます」とノース・カントンのシステム管理者、ジョン・ファノ氏は言う。「『アクセスポイント 1 で何が起こっているのか』と尋ねれば、すべての情報が示され、さらに詳しく調べることができます。」

自然言語インターフェースに加えて、バックエンドにはネットワークアクティビティを分析できる人工知能システムもあります。 「私たちは、ネットワーク上で起こっている、自分たちも気づいていなかった小さな出来事を見つけるために、一年中これを使用しています」と彼は語った。

たとえば昨年、彼のチームは、従業員のラップトップのワイヤレス カードが故障していることをベンダーに証明するために、パケットのキャプチャとトレースに 9 か月を費やしました。 「Mist を使用すると、すべてのパケットの情報を使用してほぼリアルタイムで問題を把握し、約 1 時間で問題を反復処理できます」と彼は述べています。

Mist は、組織独自のデータを分析し、データ共有に同意した他の顧客からの匿名の参照データと組み合わせることで、ネットワークの問題を発見します。ミストシステムズの最高技術責任者ボブ・フライデー氏は、特定のアルゴリズムに応じて学習は継続的かバッチ的かのいずれかになると述べた。他のアルゴリズムでは、時間ごとに絶えず変化する教師ありトレーニングモデルを使用していると彼は述べた。

AIは製品に組み込まれているため、社内にAIの専門知識を持たない企業でもこの技術の恩恵を受けることができるとフライデー氏は付け加えた。

予測可能なメンテナンス

東京に本社を置くコニカミノルタはかつてカメラで知られていましたが、2017年初頭に、どの機器が故障するかを予測するために、オフィスおよびITサービス事業をサポートするために、AI駆動型ITインフラストラクチャ管理ツール「ScienceLogic」を社内で使い始めました。

当初、予測の精度は約56％だったが、時間の経過とともにシステムの精度はどんどん高まったと、同社の副最高技術責任者デニス・カリー氏は語った。 「今後2週間以内に95％の障害を予測できるようになり、ダウンタイムを減らして全体的なコストを削減できるようになりました」と彼は語った。

同社はこの技術をWorkplace HubとScienceLogicベースのIT管理プラットフォームに追加しており、こちらも今年後半に提供開始予定だ。

Nlyte Software は、AI ベースの予知保全ツールも提供する予定です。 Nlyte は IBM の Watson テクノロジーを使用して顧客に関する一般的な情報を活用し、よく使用されるデバイスに関する情報を収集し、それを個々の顧客環境から得た学習と組み合わせます。

同社の最高戦略責任者、エンツォ・グレコ氏は「当社はモデルを構築しており、それを顧客に提供している」と語った。 「しかし、顧客環境はそれぞれ少しずつ異なるため、当社では顧客が独自のユースケースや AI モデルを作成するためのツールキットも提供しています。」

主な 2 つの用途は、冷却を最適化するために新しいサーバーをどこに配置するかなどのエネルギー最適化と、ワークロードをどこに配置するかというワークフロー最適化です。

これらのツールは、多くの場合、企業が独自の業務に合わせてカスタム構築します。現在、既製のソフトウェアと事前に構築されたモデルを使用することで、企業は社内にディープ AI テクノロジーを導入することなく、すぐに稼働を開始できます。

オランダに拠点を置く Interxion は、機械学習を使用して業務を改善するメリットを実感しています。世界 13 都市で 50 のデータセンターを運営する同社は、数年前からシュナイダーエレクトリックのデータセンター インフラストラクチャ管理 (DCIM) テクノロジーである EcoStruxure の導入を開始しました。

「当社は毎年4つの新しいデータセンターを建設しています」と同社のデータセンター技術およびエンジニアリング最高責任者であるレックス・クアーズ氏は語った。 「これにより、EcoStruxure を導入していなかった古い顧客が何をしていたか、以前のバージョンの EcoStruxure で何をしていたか、最新バージョンで何をしていたかを振り返る機会が得られました。」

初期のバージョンは使いにくかったと彼は語った。これらは豊富な情報を提供しますが、データを理解して実装の決定を下すにはより多くのスタッフが必要です。

「新しいシステムでも、非常に多くの提案が提供される」と彼は語った。 「私は一日中これらの推奨事項を実践してきました。」

しかし、最新バージョンの製品には、よりスマートな機能が搭載され、コスト削減も実現していると彼は語った。

設備投資予算をリセットすることで、1% ～ 2% の節約ができました。 「メンテナンス運用予算が 10 パーセント削減され、すべての分析が成果を上げました。」

これは、会社が適切なタイミングで適切なメンテナンスを実施して機器の故障を回避し、エネルギー効率を最適化するための提案も行うことができるためです。

しかし、最新バージョンでも改善の余地があります。 「今日はこの温度に変更し、明日は別の温度に変更し、次の日は最初の温度に戻すように指示できます。なぜなら、それがその時の最善の判断だからです」と彼は語った。システムは長期予測に基づいて推奨事項を作成し、優先順位を付ける必要がある。彼の会社はシュナイダーと協力してシス​​テムの改善に取り組んでいます。

「DCIMシステムの機械学習機能はまだ限られている」と彼は語った。 「現在のデータセンターを見て、機械学習で何ができるかを考えてみると、十分ではないことは明らかです。」

しかし、DCIM における AI の技術的機能は今後も拡大し続けると思われます。

「これは全く新しい分野であり、業界における新たな発展であり、強力です」と彼女は語った。 451 Research のデータセンターおよび重要インフラ担当リサーチディレクターの Rhonda Ascierto 氏は、Eaton も DCIM 分野のベンダーであると述べています。 「これは、物理的なデータセンター管理と他の多くのサービスを統合する、長期にわたる進化の始まりだと私は考えています。テクノロジーが進化するにつれて、統合ワークロード管理、エネルギー管理、従業員サービス、セキュリティ、ネットワーク管理など、他のデータやサービスが追加される可能性があります。」

これらすべてが実現するには時間がかかるだろうが、ベンダーが収集できるデータが増えるほど、そのプラットフォームはよりスマートで価値が増すだろうと彼女は述べた。したがって、顧客はこれらのツールを非常に低コストで入手できます。

制限

しかし、IT運用のための汎用AIプラットフォームはまだ実現困難だと、フォレスター・リサーチのアナリスト、ミシェル・ゲッツ氏は言う。

「現時点では、データベース管理やシステム管理者に取って代わることができる真の AI システムは存在しません」と彼女は語った。 「これらの AI ソリューションが成熟し、組織が IT 環境に AI を導入するためのより良いビジョンを持つようになるまでには数年かかるでしょう。」

課題の 1 つは、AI には現在、特定の種類の問題にしか使用できない大量のトレーニング データが必要であることです。さらに、システム同士が通信する方法も改善する必要があるとIDCのアナリスト、シャノン・カルバー氏は述べた。

「技術的には、2～3年以内にITサービス管理とIT運用管理の統合を実現できる」と氏は語った。 「両者の間には技術的なつながりがあります。しかし、正直に言うと、そこにデザイン思考はあまり見当たりません。」

それは単にプロセスを自動化することだけではない、と彼は言った。 「現在、私たちは、サポート担当者や運用担当者の経験に頼って、すべてを理解し、結び付けています。あまり厳しく言いたくはありません。その目標に向かって取り組んでいるベンダーはいくつかありますが、まだそこまでには至っていません。」

彼はそれを手続き型抽象化レイヤー、つまり一種の統合インテリジェンスと呼んでいます。

Turbonomics Research が Red Hat および AppDynamics と共同で実施した 750 人の IT 運用管理者を対象とした調査によると、68% が IT 管理に AI をまだ使用していないと回答し、24% が AI を試用中であると回答しました。

しかし、84% は AI が自己組織化システムを作成することで複雑さを軽減できると考えています。

「これは多くの人が達成したいことだと思うが、誰もそこに到達したことがないのではないかと思う」とIDCのカルバー氏は語った。