今注目されるAIOps（エーアイオプス）とは？　～活用できるシーンまでご紹介～

AIOps（エーアイオプス）とは、Artificial Intelligence for IT Operations（IT運用のための人工知能）の頭文字を取ったもので、AI（人工知能）の特にML（機会学習）でビッグデータを解析して、IT業務の効率化を図ろうという概念です。

「DevOps」や「DataOps」など、近年、さまざまな「xOps」が登場しています。
本コラムでは、AIOps（エーアイオプス）についての概要と注目される理由、活用シーンをご紹介いたします。

 

 

 

1. AIOps（エーアイオプス）とは？

AIOps（エーアイオプス）とは、Artificial Intelligence for IT Operations（人工知能活動）の頭文字を取ったもので、AI（人工知能）の、特にML（機会学習）でビッグデータを解析することで、IT運用やIT業務を効率化しようという概念です。

2016年に、IT分野の調査会社である米ガートナー社が提唱した造語で、ビッグデータの収集からデータ分析までを自動化することで、システム運用における障害発生のパターンなどを把握し、原因の特定や予防に役立てます。

AIOps（エーアイオプス）の特徴・メリット

AIOps（エーアイオプス）には、「複数のデータソースからデータを取り込める」「機械学習を活用してデータを分析できる」という二つの特徴・メリットがあります。

複数のデータソースからデータを取り込める

AIOps（エーアイオプス）では、サーバーやネットワーク機器をはじめ、クラウド、ファイアウォールなど、さまざまなデータソースからデータを取り込み、総合的にデータを分析します。また、過去のログ情報なども併せて分析することで、将来の障害発生予測などに役立ちます。

複数のデータソースからデータを取り込むことで、データの種類や量が増え、より精度の高い分析が可能になるという特徴があります。

機械学習を活用してデータを分析できる

AIOps（エーアイオプス）では、上でお伝えした定義の通り、収集した運用データを、機械学習を活用して分析します。

機械学習とは、AI（人工知能）の一分野で、（1）機械自身が学習する（2）プログラムされたデータを蓄積・整理して最適化するという特徴があります。

このため、AIOpsでは、上記2点の特徴を活かして分析を行うことができます。

【関連記事】
機械学習モデルとは？　～主な種類と選ぶポイント～

 

2. AIOps（エーアイオプス）が注目される理由

2016年にAIOps（エーアイオプス）が提唱されてから6年が経ちますが、今なぜ注目されているのでしょうか？大きく、情報システムで生成されるデータの量や種類が増えたことと、生成されたデータを取得し、分析するためのインフラが整ったことが挙げられます。

企業の情報システムで生成されるデータが大量・多様になった

理由の一つは、企業の情報システム活用が進み、導入されるシステムや機器の種類と数が増加したことです。全社共通で利用するシステムに加え、部門ごとに異なるツールを利用しているケースも少なくありません。

企業で利用する情報システムの構成が複雑になれば、その分、運用する情報システム部門などの管理者の業務も煩雑になり、負担が増します。その上、各社で情報システム活用が多様化しているため、統一的に利用できるような運用のナレッジも多くはないのが泣き所です。

そこで、各システムや機器類から生成される多様かつ大量のデータを収集し、AIの機械学習を活用して分析を自動化し、運用業務を効率化しようというのがAIOpsです。

ビッグデータを蓄積・分析できるインフラが整った

とはいえ、サーバーやネットワーク機器などがいくらデータを生成しても、これを収集・蓄積できなければ活用にまでは至りません。数値以外の文書や画像、音声、動画といった非構造化データを扱えるようにコンピュータが進歩し、インメモリデータベースの登場によりデータベースの処理速度が高速化し、さらに、ビッグデータを分析する機械学習の進化や、膨大なデータ処理が行えるクラウドの普及といったさまざまなインフラが整ったことで、ビッグデータを蓄積・分析できる環境が整ったことが、もう一つの理由です。

 

3. AIOps（エーアイオプス）が活用できるシーン

AIOps（エーアイオプス）をどのように情報システム運用に役立てれば良いのか、具体的なイメージをお持ちいただくために、活用シーンをいくつかご紹介いたします。

パフォーマンスの監視・分析

情報システムの運用では、サーバーのCPUやメモリの使用率、ネットワークのリンク速度など、パフォーマンスの監視・分析を行いますが、AIOpsを活用することで、これを自動化できます。人手による監視・分析とは異なり、リアルタイムに監視・分析が行え、対応までのスピードアップが可能です。

既存の監視・分析ツールも利用できますが、監視項目や閾値の設計など事前に分析の定義が必要で、そこに手間がかかります。AIOpsの場合、機械学習を利用できるため、複雑な設定なしで監視・分析が行え、システム構成が変わっても設定変更などは不要です。

異常検知

情報システム機器の監視において、異常を検知することで、いち早く故障に気付くことができます。その結果、メンテナンスに素早く着手でき、故障を回避することも可能です。
また、機械学習のおかげで、未知の異常についても検知できます。

アラートの原因分析・特定

アラートや障害が発生した際は、復旧のためにその原因を特定する必要がありますが、AIOpsを活用することで、人手を介さずに自動化できます。過去の運用データも参照しつつ、自動で原因の切り分けを行ってくれるため、対応までのスピードが向上し、その分、運用コストの抑制にもつながります。

ITサービスの最適化

AIOpsを活用して、自社の情報システムの設備の過不足や最適ではない構成を改善し、最適化できます。情報システム機器から得られたデータの分析結果からリソースの最適な割り当てを行ったり、ユーザー部門へ提供するITサービスのボトルネックを見つけて解消したりすることで、全体の最適化が可能です。

 

4. まとめ

AIOpsの概念そのものは、2016年に米ガートナー社によって提唱されていますが、実際に日本にAIOps製品が上陸したのはこの2～3年のことで、日本においてAIOpsはまだ黎明期です。

今のうちにAIOpsによって実現できることを押さえ、自社の情報システム運用における課題を明らかにし、最適なAIOps製品を導入できるよう、準備しておくと良いでしょう。