---
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


---

# 予測インテリジェンス の使用

# 予測インテリジェンス の使用 {#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：3分

予測インテリジェンスソリューションをトレーニングして使用することで、さまざまなタスクを実行し、ドキュメントインテリジェンス (DocIntel)やタスクインテリジェンスなどの他のServiceNow製品と統合します。

## 概要

予測インテリジェンス は、 ServiceNow AI Platform でモデルをトレーニングするためのインターフェースです。これらのモデルを使用すると、作業のルーティング、フォームフィールドへの入力、待ち時間の推定などに使用できるパターンを予測、推定、および特定できます。

* 関連記事の提案を表示します。
* タスクの割り当て、分類、優先順位付けを行います。
* 重大なインシデントを検出します。
* ケースの解決策を推奨します。
* 記事やアイデアの重複を防止します。
* フィッシングの試行を検出します。

利用可能なさまざまな種類のソリューションの詳細については、「 [Predictive Intelligence の詳細はこちら](https://servicenow-prod.fluidtopics.net/~6e_IRUn~rR3GomlkHBxBg "ServiceNow 予測インテリジェンス は、ServiceNowアプリケーション全体の機能を強化してより良い作業エクスペリエンスを提供する人工知能のレイヤーを提供するプラットフォーム機能です。")」を参照してください。

## ML ソリューションのトレーニング {#using-predictive-intelligence__section_xtt_hdh_j1b}

予測インテリジェンス では、インスタンスのデータを使用して適用できる予測モデルと機械学習ソリューションをトレーニングできます。作成したソリューションでは、フレームワークを使用してデータを予測、推奨、整理します。開始するには、「[ソリューションの作成とトレーニング](https://servicenow-prod.fluidtopics.net/M6yDZAZSpwjEgJZji83ABg "予測インテリジェンス (PI) フレームワークの 1 つを使用して、機械学習ソリューションを作成およびトレーニングします。各フレームワークは、データの結果を予測、推奨、および整理するためにシステムをトレーニングする、異なるソリューションタイプを提供します。")」を参照してください。  
また、次のような他のプロセスやアプリケーションに 予測インテリジェンス を拡張することもできます。

* インシデント分類 (Incident categorization)：簡単な説明に基づいてインシデントカテゴリを予測します。「 [インシデント管理の予測インテリジェンス](https://www.servicenow.com/docs/access?context=predictive-intelligence-for-incident&version=xanadu&pubname=xanadu-it-service-management&ft:locale=en-US)」を参照してください。
* CSM ケースアサイン (CSM case assignment)：簡単な説明に基づいてケースレコードのアサイン先グループを予測します。「 [ケース管理の予測インテリジェンス](https://www.servicenow.com/docs/access?context=agent-intelligence-case-mgmt&version=xanadu&pubname=xanadu-customer-service-management&ft:locale=en-US)」を参照してください。
{#using-predictive-intelligence__ul_of1_vqs_d1b}

詳細については、「[ServiceNow を使用するアプリと機能 予測インテリジェンス](https://servicenow-prod.fluidtopics.net/oLjWEOSYJiIi54KnFG_sbw "このトピックを参照して、予測インテリジェンス機能を活用するServiceNowアプリケーションと機能のサンプルを確認してください。")」を参照してください。

## 予測のテストと監視 {#using-predictive-intelligence__section_fvc_q32_ntb}

リューションの作成およびトレーニング後、Predictive Intelligence API を呼び出してソリューション予測を行います。結果を使用してソリューションのパフォーマンスを評価し、必要に応じて変更を加えます。  
ソリューション統計情報ダッシュボードを使用して、展開された予測モデルのカバレッジと精度を追跡できます。このダッシュボードでは、デフォルトでこれらの予測領域に関するレポートが提供されます。{#using-predictive-intelligence__table_gc5_4wj_ntb__entry__2}

| レポート | 説明 |
|-|-|
| 平均予測補償 (過去 30 日) | 試行された予測の合計数のうち、結果をもたらした予測の割合。範囲スコアをクリックすると、クラス別のブレークダウンが表示されます。 |
| 日次予測負担 | 特定の日に作成されたレコードのうち、ソリューションが結果を予測できたものの割合。 |
| 平均予測精度 (過去 30 日間) | レコードがクローズされたときに予測値がフィールドの最終値と同じであった予測の割合。精度スコアをクリックすると、クラス別のブレークダウンが表示されます。 |
| 日次予測精度 | 予測されたフィールド値が最終値と同じであった特定の日にクローズされたレコードの割合。 |
[ ]

{#using-predictive-intelligence__table_gc5_4wj_ntb}

詳細については、「[予測のテストと監視](https://servicenow-prod.fluidtopics.net/KoO7EQIgXsSrEUQuHuQkyg "機械学習 (ML) ソリューションをテストして、その範囲と精度を評価します。デプロイしたら、パフォーマンスを経時的に追跡して、ソリューションのパフォーマンスを確認します。この情報を使用してソリューションを変更し、予測を改善します。")」を参照してください。

## インスタンスを準備しています

予測インテリジェンスを最大限に活用するためには、準備が必要です。コードを記述したり計算したりする必要はありませんが、ソリューション定義で何を行うかを決めると、実装が容易になります。

* 予測インテリジェンスで解決する問題を特定します。
* 30,000〜300,000の高品質のレコードがあり、そこから 予測インテリジェンス 学ぶことができます。
* 期待値を設定します。

注:  
トレーニング データに不整合やギャップがあると、予測が不正確になったり、信頼性が低かったりする可能性があります。

## 実装プロセス

予測インテリジェンス 本番インスタンスでの実装には約 14 日かかります。

* 1 日目:本番インスタンスを非本番インスタンスにクローンします。
* 2 日目から 10 日目:ソリューション定義を作成し、履歴レコードでトレーニングし、ソリューションが非本番インスタンスで希望どおりに機能することを検証します。
* 11 〜 13 日目:ソリューションを本番環境に移行し、新しいインスタンスでトレーニングと検証を行い、再トレーニングの頻度を設定するためのインポートセットと更新セットを作成します。
* 14日目以降:ソリューションを監視します。

一般に、非本番環境では、ワークフローをテストしてフォーマットしてから本番インスタンスに移動し、モデルをさらにトレーニングして予測をテストできます。

予測インテリジェンスの開始の詳細については、以下を参照してください。 [の始め方に関するガイド 予測インテリジェンス](https://servicenow-prod.fluidtopics.net/_VbskPl_jlssr41Dbytl0Q#install-predictive-intelligence "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。").