2019年度 人工知能学会全国大会（第33回）インダストリアルセッション資料

1. 日付： 2019/6/5
所属： ソフトバンク株式会社
氏名： 小島 一憲
AI解析による業務自動化の現実

2. サーバ数 10000台（物理）
ユーザ数 20000人
ネットワーク
機器数 30000台(200機種)
社内ネットワーク規模

4. AIを取り入れた
運用業務の自動化

5. 業務比率
6割が
運用業務費

6. 仮想エンジニア
文字解析
ルール
エンジン
NW
Zabbix
NW
Controller
予兆検知
制御
システム
一般情報Infa等
Casper(in)
Melchior
Balthasar
処理実行
Casper(out)
認知
判断
実行

7. R&D企画概要(4W2H)
Why
何故やるのか？ ・Half&Twice実現の為、運用業務の省力化を目指す。
What
何に取り組むのか？
・既存のNW機器設定業務をコード化し、自動化する。
・AIを使った、認知・判断の自動化を目指す。
How
実現する方法は？
・オープンソースを活用しAPI化を推進・開発する。
・認知・判断を自動化出来るAI製品の導入
Who
誰とやるのか？ ・外部の協力会社
When
スケジュールは？
・Phase1(実行) 作業の自動化：6ヵ月
・Phase2(認知・判断) AI：2年
How much
投資対効果は？ ・もし実現できた場合、ROI：50%以上の試算

8. Phase1 実行
割と出来た
https://www.slideshare.net/KazunoriShimura/sbif-then-stack-storm

9. Phase2 認知・判断
Loom
systems

10. Loom-systemの利点
・ログフォーマットを気にすることなく、
時系列データのまま取り込んでオート
パースしてくれる。(AIの分類)
・このログは「障害」、このログは「障害
ではない」とWEB画面から教師有学
習させることが出来る。
・3rdパーティのソリューションにAPI
連携出来る。
Loom
systems

11. Log
こんなログが出ています
が問題ありませんか？
障害が起きそうな
傾向がみれます。
Loom-systemの構成
RT
SW
LogLog
認知 判断 実行
Chat
Loom
systems

12. PoCで実現できたこと
気になるログ
が出てます
仮想エンジニア
人間の目で探すのが難しい膨大なログの中から
注意が必要なものをレコメンドしてもらえる
監視員
朝9時～
監視員
24h/365d

13. 違うらしい

14. 求められているAI
明日
障害おきます
謎のAI
監視員
ここ故障していたので
対処しておきました
障害は発生しましたが、
原因は特定済みなの
で対処してあります
障害予兆検知の的中率50%以上である事・・・

15. 見えてきた課題
・ネットワーク以外のサーバー/アプリケーションのログも含めて
分析しないと効果が薄い
→現在備中
・現時点で判断は人が行っている(Chatで操作)
完全自動には抵抗感がある
→コンフィグ変更は抵抗感があるが、ステータス自動取得は
完全自動で良い
・Loomのロジック/検知出来なかった時のリスク等
運用部隊から求められる。
→完全にLoomに頼り切るのではなく、保険のような
イメージで良いと考える。

16. 見えてきた課題
・ネットワーク以外のサーバー/アプリケーションのログも含めて
分析しないと効果が薄い
→現在InfraDataLakeを整備中
・現時点で判断は人が行っている(Chatで操作)
完全自動には抵抗感がある
→コンフィグ変更は抵抗感があるが、ステータス自動取得は
完全自動で良い
・Loomのロジック/検知出来なかった時のリスク等
運用部隊から求められる。
→完全にLoomに頼り切るのではなく、保険のような
イメージで良いと考える。

17. 解決策の見えない課題
・NW障害の予兆検知が難しい
→・障害時の教師データが無い
・そもそも障害が発生する頻度が少ない
・ログの種類・形式が多すぎる
・複数の要素から複合的に障害発生を
予測するアプローチが難しい

18. EoF

19. appendix