---
sourceDocument: Xanadu で AI を有効にする
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ja-JP/xanadu/intelligent-experiences

 Release :

    - xanadu

ft:locale :

    - ja-JP

ft:publication_title :

    - Xanadu で AI を有効にする

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# ML アクションによりフローデザイナーで予測インテリジェンスを使用する

# ML アクションによりフローデザイナーで予測インテリジェンスを使用する {#ariaid-title1}

* リリースバージョン: Xanadu
* 
* 更新日 2024年08月01日
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 所要時間：8分

予測インテリジェンスアクションを使用すると、スクリプトエンコーディングの複雑さやオーバーヘッドを感じることなく、既存のモデルを使用して予測を行うことができます。

## 始める前に

* インスタンスで 予測インテリジェンス (com.glide.platform_ml)、 予測インテリジェンス Reporting (com.glide.platform_ml_pa)、および 予測インテリジェンス for ワークフロースタジオ (com.snc.ml_flowdesigner) プラグインがアクティブ化されていることを確認します。
* 既存のトレーニング済み ML ソリューションを作成または使用します。
* 必要なロール:admin または ml_admin、flow_designer または delegated_developer
{#use-predictive-intelligence-flow-designer-ml-actions__ul_sh5_z44_mnb}

## このタスクについて

予測 ML 機能を組み込んだフローを ワークフロースタジオ で作成して、デジタルワークフローで使用する予測を行います。

ワークフロースタジオ の 予測インテリジェンス を使用して、予測インテリジェンス分類、類似性、および回帰機能を使用できます。

このシナリオ例では、使用可能なバッチ予測アクション ワークフロースタジオ 回帰バッチ予測と分類バッチ予測のみです。

ワークフロースタジオ UI は、特定のデータ結果に対する複雑なエンコード処理を自動化するのに役立ちます。最初に確認する必要があるのは、自動化するプロセスです。このシナリオ例では、インシデントレコードへのカテゴリのアサインを自動化しています。フローを完了すると、この手順のステップ 24 に示すように、インスタンスに作成する次のインシデントレコードで、フローの \[簡単な説明 \] フィールドに入力したテキストに基づいてレコードの \[カテゴリ\] フィールドが更新されます。

ユースケースに基づいて、フローで必要なアクティブでトレーニング済みの分類、類似性、または回帰 ML ソリューションを使用できます。

この手順例では、ワークフロースタジオアクションで ml_incident_categorization ML ソリューションを使用するワークフロースタジオフローを作成します。このシナリオ例では、次の図に示すように、ML ソリューションテーブルで検索することで、この ML ソリューションを見つけることができます。使用するソリューションがトレーニング済みであり、その \[アクティブ \] 値が true に設定されていることを確認します。

作成する次のインシデントレコードで、この特定のフローがトリガーされます。

フローデザイナーの使用方法の詳細については、次のドキュメントを参照してください。 フロー [デザイナー](https://www.servicenow.com/docs/access?context=flow-designer&version=xanadu&pubname=xanadu-application-development&ft:locale=en-US)

## 手順

1. 移動先 すべてプロセスの自動化Flow Designer.
2. クリック New (新規)フロー.  
3. \[フロープロパティ\] 画面で、次のフィールドを設定します。
   1. フロー名:フローの名前を指定します。このシナリオでは、「 <kbd class="ph userinput">Auto-assign Category to Incident</kbd>」と入力します。
   2. 説明:フローが提供する内容の簡単な概要説明を入力します。たとえば、次のように入力します。 <kbd class="ph userinput">インシデントが作成されると、このフローが自動的にトリガーされ、ML ソリューションを使用してインシデントの正しいカテゴリ</kbd>を予測します。
   3. アプリケーション:\[ グローバル\] を選択します。
   4. 保護: \[-- なし -- \] または \[読み取り専用\] を選択します。このシナリオでは、\[ -- なし --\] を選択します。
   5. 実行ユーザー:セッションを開始するユーザーを選択します
   6. ロールを使用して実行:空白のままにします。
   {#use-predictive-intelligence-flow-designer-ml-actions__substeps_vbj_kpk_qnb}
4. \[送信\] をクリックします。  
   \[フロー\] 画面が表示され、フローに割り当てた インシデント名にカテゴリを自動アサイン することが表示されます。\[ はじめに \] 画面が表示されたら、\[ ツアーをスキップ\] を選択します。
5. 画面の \[トリガー\] セクションで、次のフィールドを設定してフローのトリガーを作成します。
   1. トリガーを追加する: 「 作成済み」をクリックします。  
   2. テーブル: インシデント \[incident\] を選択します。  
      注:  
      \[ トリガー \] フィールドと \[テーブル \] フィールドの両方を設定すると、レコードデータピルが画面の \[データ \] セクションに表示され、フローで使用できるようになります。  
   3. 条件:フローに条件を追加する場合は、\[ フィルターの追加 \] をクリックします。
   4. **オプション:** \[ 詳細オプション \] パネルを開いて、フローに適用できる追加の条件を表示します。パネルを閉じるには、もう一度「詳細オプション」をクリックします。  
   5. \[完了\] をクリックします。
   {#use-predictive-intelligence-flow-designer-ml-actions__substeps_cl5_c4q_d4b}
6. 画面の \[アクション\] セクションで、次のフィールドを設定して分類予測アクションを作成します。
   1. Add an Action, Flow Logic, or Sub-flow (アクション、フローロジック、またはサブフローを追加):選択 アクション予測インテリジェンス分類予測.  
      ツールヒントをクリックすると、分類予測の説明が表示されます。
   2. ソリューション名 \[ML ソリューション\]: \[ml_incident_categorization\] を選択します。
   3. トップ N: <kbd class="ph userinput">3</kbd> を入力します。  
      3 などの数値を入力すると、予測信頼スコアが最も高い上位 3 つの ML 予測が使用されます。何も入力しない場合、デフォルト値は 1 に設定されます。
   4. 入力レコード: トリガー→インシデントレコード データピルを \[入力レコード\] フィールドにドラッグアンドドロップします。  
      \[アクション\]、\[ソリューション名\]、\[上位 N\]、および \[入力レコード\] の値は、カテゴリ予測の基礎となります。  
      注:  
      このレコードにドロップするデータピルもレコードである必要があります。たとえば、テーブルピルや日付/時刻ピルを \[入力レコード\] フィールドにドロップしないでください。
   5. \[完了\] をクリックします。  
      結果:フローで分類予測アクションが完了し、そのデータピルが画面の \[データ\] セクションに表示されます。  
   {#use-predictive-intelligence-flow-designer-ml-actions__substeps_bbf_s5k_qnb}
7. 画面の \[アクション\] セクションで、次の手順を使用して、インシデントの予測結果のアクションとフローロジックを作成します。  
   注:  
   ループを使用してすべての予測結果を反復処理できますが、このドキュメントで示すシナリオでは、比較的少数のアクションを使用します。より高度なフロー構成については、「 [フローデザイナー](https://www.servicenow.com/docs/access?context=flow-designer&version=xanadu&pubname=xanadu-application-development&ft:locale=en-US)」を参照してください。
   1. アイテムリスト内の各アイテムについて:予測結果データピルを \[アイテム\] フィールドにドラッグアンドドロップします。  
      注:  
      回帰予測アクションのアイテムリストにアクセスするために、フローロジックに For Each Item は必要ありません。
   2. \[完了\] をクリックします。  
      結果:フローで予測結果アクションが開始され、そのデータピルが画面の \[データ\] セクションに表示されます。
   {#use-predictive-intelligence-flow-designer-ml-actions__substeps_nbm_jvq_d4b}
8. 画面の \[アクション\] セクションで、 アクション予測インテリジェンスPI 信頼性チェック.  
   PI 信頼性チェックは、フロー内の値を比較するために使用できるツールです。このユースケースでは、予測結果の値を比較し、チェックからの出力は True または False のいずれかになります。  
9. 信頼度データピルを \[予測インテリジェンスからの予測数\] フィールドにドラッグアンドドロップします。
10. \[Comparison Threshold\] フィールドに <kbd class="ph userinput">50</kbd> を入力します。  
    このシナリオ例では、信頼スコアが 50% を超える予測を使用するようにシステムに指示する数値 50 を入力します。
11. \[完了\] をクリックします。  
12. クリック フローロジック変更内容 をクリックしてフローに条件を追加します。  
13. 次のフィールドを構成して、条件フローロジックの最初の部分を定義します。  
    * 条件:実行内容を定義する条件の名前を入力します。このシナリオ例では、「 <kbd class="ph userinput">信頼度が 50 より大きい</kbd>」と入力します。
    * 条件 1: \[Confidence To Predict (予測信頼性 )\] データピルをフィールドにドラッグアンドドロップします。\[ is\] を選択し、値「 <kbd class="ph userinput">True</kbd>」を入力します。このステップでは、条件フローロジックの最初の部分 (前提条件) を完了します。
    * \[完了\] をクリックします。

    {#use-predictive-intelligence-flow-designer-ml-actions__ul_rpg_nrk_l4b}  
14. \[ アクション\] をクリックし、検索フィールドに「 <kbd class="ph userinput">作業メモ</kbd> 」と入力します。選択 ITSM作業メモを追加 条件の 2 番目の部分 (結論) として作業メモを追加します。  
15. 次のフィールドを構成して、条件フローロジックの 2 番目と最後の部分を定義します。  
    * 処置: 上記のステップ14の結果として、このフィールドに「 作業メモの追加 」が自動的に表示されます。
    * タスク \[task\]: インシデントレコード データピルをフィールドにドラッグアンドドロップします。
    * 作業メモ: predicted_value データピルをフィールドにドラッグアンドドロップします。このステップにより、条件フローロジックの結論が完了します。
    * \[完了\] をクリックします。

    {#use-predictive-intelligence-flow-designer-ml-actions__ul_tqh_rvz_l4b}  
16. \[ Action (アクション)\] をクリックし、検索フィールドに <kbd class="ph userinput">「update record (レコードの更新</kbd> )」と入力します。\[Update Record (レコードを更新)\] を選択します。  
17. インシデントレコードを更新するには、次のフィールドを設定します。  
    * 処置: 上記のステップ 16 の結果、このフィールドに \[レコードの更新 \] が自動的に表示されます。
    * レコード: インシデントレコード データピルをこのフィールドにドラッグアンドドロップします。
    * テーブル: インシデント \[incident\] を選択します。
    * フィールド: \[カテゴリ\] を選択します。次に、 predicted_value データピルをこのフィールドの \[カテゴリ \] 値の隣にドラッグアンドドロップします。
    * \[完了\] をクリックします。  
    {#use-predictive-intelligence-flow-designer-ml-actions__ul_ocn_zyz_l4b}
18. \[保存\] をクリックします。
19. \[Activate (アクティブ化)\] をクリックします。  
    結果
    * \[Auto-assign Category to Incident (インシデントにカテゴリを自動アサイン)\] フローが有効になり、完了です。  
    * また、 ワークフロースタジオ ホーム画面の \[フロー\] 列に公開済みとして表示されます。  
    {#use-predictive-intelligence-flow-designer-ml-actions__ul_j41_5v1_m4b}
20. \[インシデント\] に移動します。
21. \[ 新規 \] をクリックして、インシデントテーブルにランダムなインシデントレコードを作成します。  
    このシナリオ例では、レコードINC0010011を作成します。  
22. 作成したレコードで、次の画像の \[Category (カテゴリ)\] 値が \[Inquiry / Help (照会/ヘルプ)\] に設定されていることに注意してください。
23. \[簡単な説明\] フィールドに、「<kbd class="ph userinput">メールが機能していません</kbd>」と入力します。
24. \[送信\] をクリックします。  
    結果  
    インシデントレコードが更新され、\[Category\] の値が \[Inquiry / Help \] から \[Email\] に変更されたことが示されます。
    * 
    * 
    {#use-predictive-intelligence-flow-designer-ml-actions__ul_udm_wt1_m4b}
**関連情報**   

* [フローデザイナー用予測インテリジェンス](https://www.servicenow.com/docs/access?context=predictive-intelligence-spoke&version=xanadu&pubname=xanadu-build-workflows&ft:locale=en-US)