予測インテリジェンス のインストール

  • リリースバージョン: Australia
  • 更新日 2026年03月12日
  • 所要時間:3分
  • インスタンスで 予測インテリジェンス をアクティブ化し、基本構成を開始します。

    始める前に

    必要なロール:admin

    このタスクについて

    予測インテリジェンス プラグイン (com.glide.platform_ml) はベースシステムに含まれていますが、必要に応じて次の手順を使用してアクティブ化できます。

    その他の関連プラグインやストアアプリケーションが利用可能です。たとえば、 予測インテリジェンス for フィールドサービス管理 (FSM) (com.snc.fsm_ml) は、 FSMに関連するソリューションを提供します。これらのプラグインの中には、別のライセンスが必要なものもあります。

    インスタンスで初めて 予測インテリジェンス プラグインを有効にすると、ホームページが起動します。ホームページには、分類、類似性、クラスタリング、および回帰フレームワークにおけるソリューション定義の概要が表示されます。ソリューションの作成、トレーニング、テストは、ホームページで直接行うことができます。最新のトレーニング済みソリューションの概要も入手できます。

    手順

    1. 移動先 システム定義 > プラグイン.
    2. 検索バーを使用して、 予測インテリジェンス (com.glide.platform_ml) プラグインを見つけます。
    3. [ インストール ] を選択し、[プラグインのアクティブ化] ダイアログボックスで [アクティブ化] を選択します。
      プラグインをアクティブ化すると、依存するプラグインが自動的にアクティブ化されます。
    4. アクティベーションによって sharedservice.worker ユーザーが正常に作成されたことを確認します。
      ソリューションをトレーニングするとき、 予測インテリジェンス はこのユーザーとして動作します。
      注:
      sharedservice.worker ユーザーには、次のロールが含まれます。
      • platform_ml_read
      • platform_ml_write
      • platform_ml_create
      これらのロールは、ソリューションを作成、トレーニング、および表示するために必要です。これらは内部ロールであり、編集したり他のユーザーにアサインしたりするためのものではありません。

    実装 予測インテリジェンス

    過去のレコードデータに基づいて予測を行う機械学習 (ML) アルゴリズムをトレーニングするための 予測インテリジェンス の初期セットアップと構成手順を実装します。

    始める前に

    必要なロール:admin または ml_admin

    このタスクについて

    トレーニングプロセスでは、最寄りのデータセンターのトレーニングサービスにレコードデータを送信する必要があります。すべてのデータセンターには専用のトレーニング サーバーがあり、データはデータセンターから送信されないため、このサービスはデータ主権要件のある顧客も利用できます。プロセスの詳細については、「予測インテリジェンスの詳細」を参照してください。

    初期構成とセットアップに関するよくある質問については、「 KB0781894」を参照してください。

    手順

    1. 非本番インスタンスで 予測インテリジェンス をアクティブ化します。
    2. 本番インスタンスから、 予測インテリジェンス ソリューションで処理するレコードをエクスポートします。
      たとえば、12 か月分のインシデントレコードを非本番インスタンスにエクスポートします。
    3. 非本番インスタンスで、エクスポートしたレコードをインポートします。
    4. 非本番インスタンスで、デフォルトのソリューション定義レコードを確認して、フィルター、入力フィールド、および出力フィールドがインシデントまたはタスクレコードを予測するのに十分かどうかを確認します。
      必要に応じて、予測する各レコードセットの ソリューション定義を作成します
    5. 非本番インスタンスで、ソリューション定義レコードをトレーニングします。
    6. テストレコードを作成するか、本番環境からさらにレコードをインポートして、非本番インスタンスでソリューション予測をテストします。
    7. 分類ソリューションの場合は、予測レポートを確認して、ソリューションと個々のクラスの精度と範囲を判断します。
    8. 類似性ソリューションの場合は、類似例を確認し、必要に応じて類似スコアのしきい値を更新します。
    9. 必要に応じて、ソリューション定義フィルターを更新して、より異なるトレーニングレコードを含めます。
    10. 更新されたソリューション定義レコードを再トレーニングして再テストします。
    11. ソリューションに満足したら、本番インスタンスで 予測インテリジェンス を有効にします。
    12. カスタムソリューション定義レコードを再作成してソリューションをトレーニングするか、非本番インスタンスから本番インスタンスにソリューションをインポートします。