---
sourceDocument: Xanadu AI 활성화
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ko-KR/xanadu/intelligent-experiences

 Release :

    - xanadu

ft:locale :

    - ko-KR

ft:publication_title :

    - Xanadu AI 활성화

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# ML 작업과 함께 플로우 디자이너의 예측 인텔리전스 사용

# ML 작업과 함께 플로우 디자이너의 예측 인텔리전스 사용 {#ariaid-title1}

* 릴리스 버전: Xanadu
* 
* 업데이트 날짜 2024년 08월 01일
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 6분

예측 인텔리전스 작업을 사용하면 스크립트 인코딩의 복잡성과 오버헤드 없이 기존 모델을 사용하여 예측할 수 있습니다.

## 시작하기 전에

* 인스턴스 예측 인텔리전스 에서 (com.glide.platform_ml), 예측 인텔리전스 Reporting(com.glide.platform_ml_pa) 및 예측 인텔리전스 for 워크플로우 스튜디오 (com.snc.ml_flowdesigner) 플러그인이 활성화되어 있는지 확인합니다.
* 학습된 기존 ML 솔루션을 만들거나 사용합니다.
* 필요한 역할: admin 또는 ml_admin, flow_designer 또는 delegated_developer.
{#use-predictive-intelligence-flow-designer-ml-actions__ul_sh5_z44_mnb}

## 이 태스크 정보

예측 ML 함수를 통합하여 디지털 워크플로우에 사용할 예측을 수행하는 플로우 워크플로우 스튜디오 를 생성합니다.

분류, 유사성 및 회귀 기능에 사용할 예측 인텔리전스워크플로우 스튜디오예측 인텔리전스 수 있습니다.

이 예제 시나리오 워크플로우 스튜디오 에서 사용할 수 있는 유일한 일괄 처리 예측 작업은 회귀 일괄 처리 예측 및 분류 일괄 처리 예측입니다.

UI는 워크플로우 스튜디오 특정 데이터 결과에 대한 복잡한 인코딩 프로세스를 자동화하는 데 유용합니다. 가장 먼저 파악해야 할 것은 자동화할 프로세스입니다. 이 예시 시나리오에서는 인시던트 기록에 대한 범주 할당을 자동화합니다. 플로우를 완료하면 이 절차의 24단계에서와 같이, 인스턴스에서 생성하는 다음 인시던트 기록이 플로우의 간단한 설명 필드에 입력한 텍스트를 기반으로 기록의 범주 필드를 업데이트합니다.

사용 사례에 따라 플로우에 필요한 모든 활성 및 훈련된 분류, 유사성 또는 회귀 ML 솔루션을 사용할 수 있습니다.

이 예제 절차에서는 작업에서 워크플로우 스튜디오워크플로우 스튜디오ml_incident_categorization ML 솔루션을 사용하는 흐름을 생성합니다. 이 예제 시나리오에서는 아래 이미지와 같이 ML 솔루션 테이블을 검색하여 이 ML 솔루션을 찾을 수 있습니다. 사용하는 솔루션이 교육되었고 활성 값이 true로 설정되어 있는지 확인합니다.

시스템은 생성하는 다음 인시던트 기록에서 이 특정 플로우를 트리거합니다.

플로우 디자이너 사용 방법에 대한 자세한 내용은 다음 문서를 참조하십시오. [플로우 디자이너](https://www.servicenow.com/docs/access?context=flow-designer&version=xanadu&pubname=xanadu-application-development&ft:locale=en-US)

## 프로시저

1. 다음으로 이동 모두프로세스 자동화플로우 디자이너.
2. 먼저 신규플로우.  
3. 플로우 속성 화면에서 다음 필드를 구성합니다.
   1. 플로우 이름: 플로우의 이름을 제공합니다. 이 시나리오에서는 <kbd class="ph userinput">인시던트에 범주 자동 할당</kbd>을 입력합니다.
   2. 설명: 플로우가 제공하는 내용에 대한 간략한 요약 설명을 입력합니다. 예를 들어 다음을 입력합니다 <kbd class="ph userinput">. 인시던트가 생성되면 ML 솔루션을 사용하여 인시던트에 대한 올바른 범주를 예측하는 이 플로우가 자동으로 트리거됩니다.</kbd>
   3. Application(애플리케이션): Global(전역)을 선택합니다.
   4. 보호: --없음-- 또는 읽기 전용을 선택합니다. 이 시나리오에서는 --없음--을 선택합니다.
   5. 다른 사용자 이름으로 실행: 세션을 시작하는 사용자 선택
   6. Run with roles(s): 비워 둠.
   {#use-predictive-intelligence-flow-designer-ml-actions__substeps_vbj_kpk_qnb}
4. 제출을 클릭합니다.  
   플로우에 할당한 인시던트 이름에 범주 자동 할당 을 보여주는 플로우 화면이 나타납니다. 시작하기 화면이 나타나면 둘러보기 건너뛰기를 선택합니다.
5. 화면의 트리거 섹션에서 다음 필드를 구성하여 플로우에 대한 트리거를 생성합니다.
   1. 트리거 추가: 생성됨을 클릭합니다.  
   2. 테이블: 인시던트 \[incident\]를 선택합니다.  
      주:  
      트리거 필드와 테이블 필드를 모두 구성하면 기록 데이터 정제가 화면의 데이터 섹션에 나타나므로 플로우에서 사용할 수 있습니다.  
   3. 조건: 플로우에 조건을 추가하려면 필터 추가 를 클릭합니다.
   4. **옵션:** 고급 옵션 패널을 열어 플로우에 적용할 수 있는 추가 조건을 확인합니다. 패널을 닫으려면 \[고급 옵션\]을 다시 클릭합니다.  
   5. 완료를 클릭합니다.
   {#use-predictive-intelligence-flow-designer-ml-actions__substeps_cl5_c4q_d4b}
6. 화면의 작업 섹션에서 다음 필드를 구성하여 분류 예측 작업을 생성합니다.
   1. 작업, 플로우 논리 또는 하위 플로우 추가: 선택 작업예측 인텔리전스분류 예측.  
      도구 설명을 클릭하면 분류 예측에 대한 설명을 볼 수 있습니다.
   2. 솔루션 이름 \[ML 솔루션\]: ml_incident_categorization 선택합니다.
   3. 상위 N: <kbd class="ph userinput">3</kbd>을 입력합니다.  
      3과 같은 숫자를 입력하면 시스템은 예측 신뢰 점수가 가장 높은 상위 3개 ML 예측을 사용합니다. 아무 것도 입력하지 않으면 기본값이 1로 설정됩니다.
   4. 입력 기록: 트리거 → 인시던트 기록 데이터 알약을 입력 기록 필드로 끌어다 놓습니다.  
      작업, 솔루션 이름, 상위 N개 및 입력 기록 값은 범주 예측의 기본이 됩니다.  
      주:  
      이 기록에 놓은 데이터 알약도 기록이어야 합니다. 예를 들어 테이블 알약이나 날짜/시간 알약을 입력 레코드 필드에 놓지 마십시오.
   5. 완료를 클릭합니다.  
      결과: 분류 예측 작업이 플로우에서 완료되고 해당 데이터 알약이 화면의 데이터 섹션에 나타납니다.  
   {#use-predictive-intelligence-flow-designer-ml-actions__substeps_bbf_s5k_qnb}
7. 화면의 작업 섹션에서 다음 단계를 사용하여 인시던트의 예측 결과에 대한 작업 및 플로우 논리를 생성합니다.  
   주:  
   루프를 사용하여 모든 예측 결과를 반복할 수 있지만 이 설명서에 표시된 시나리오에서는 비교적 적은 수의 작업을 사용합니다. 고급 플로우 구성에 대한 자세한 내용은 [플로우 디자이너](https://www.servicenow.com/docs/access?context=flow-designer&version=xanadu&pubname=xanadu-application-development&ft:locale=en-US)를 참조하십시오.
   1. 항목 목록의각 항목에 대해: 예측 결과 데이터 알약을 항목 필드로 끌어다 놓습니다.  
      주:  
      회귀 예측 작업의 항목 목록에 액세스하기 위해 플로우 논리 의 각 항목에 대해 필요하지 않습니다.
   2. 완료를 클릭합니다.  
      결과: 예측 결과 작업이 플로우에서 시작되고 데이터 알약이 화면의 데이터 섹션에 나타납니다.
   {#use-predictive-intelligence-flow-designer-ml-actions__substeps_nbm_jvq_d4b}
8. 화면의 ACTIONS(작업) 섹션에서 작업예측 인텔리전스PI 신뢰도 검사.  
   PI 신뢰도 검사는 플로우의 값을 비교하는 데 사용할 수 있는 도구입니다. 이 사용 사례에서는 예측 결과 값을 비교하며 검사 출력은 True 또는 False입니다.  
9. 신뢰도 데이터 알약을 예측 인텔리전스에서 예측 수 필드로 끌어다 놓습니다.
10. 비교 임계치 필드에 <kbd class="ph userinput">50</kbd>을 입력합니다.  
    이 예제 시나리오에서는 신뢰 점수가 50%를 초과하는 예측을 사용하도록 시스템에 지시하는 숫자 50을 입력합니다.
11. 완료를 클릭합니다.  
12. 먼저 플로우 논리만약 을 클릭하여 플로우에 조건을 추가합니다.  
13. 다음 필드를 구성하여 조건 흐름 논리의 첫 번째 부분을 정의합니다.  
    * 조건: 수행하는 작업을 정의하는 조건의 이름을 입력합니다. 이 예제 시나리오에서는 <kbd class="ph userinput">50보다 큰 신뢰도를</kbd> 입력합니다.
    * 조건 1: 예측에 대한 신뢰 도 데이터 알약을 필드로 끌어다 놓습니다. is를 선택하고 <kbd class="ph userinput">True</kbd> 값을 입력합니다. 이 단계에서는 조건 플로우 논리의 첫 번째 부분(선행 작업)을 완료합니다.
    * 완료를 클릭합니다.

    {#use-predictive-intelligence-flow-designer-ml-actions__ul_rpg_nrk_l4b}  
14. 동작을 클릭한 다음 검색 필드에 <kbd class="ph userinput">worknote</kbd>를 입력합니다. 선택 ITSM작업 메모 추가 조건의 두 번째 부분(결론)으로 작업 메모를 추가합니다.  
15. 다음 필드를 구성하여 조건 플로우 논리의 두 번째 및 마지막 부분을 정의합니다.  
    * 작업: 위의 14단계를 수행한 결과 이 필드에 작업 메모 추가 가 자동으로 나타납니다.
    * 작업 \[task\]: 인시던트 기록 데이터 알약을 필드로 끌어다 놓습니다.
    * 작업 메모: predicted_value 데이터 알약을 필드로 끌어다 놓습니다. 이 단계에서는 조건 플로우 논리 결론을 완료합니다.
    * 완료를 클릭합니다.

    {#use-predictive-intelligence-flow-designer-ml-actions__ul_tqh_rvz_l4b}  
16. Action(작업)을 클릭한 다음 검색 필드에 <kbd class="ph userinput">update record(레코드 업데이트</kbd>)를 입력합니다. 기록 업데이트를 선택합니다.  
17. 다음 필드를 구성하여 인시던트 기록을 업데이트합니다.  
    * 작업: 위의 16단계를 수행한 결과 이 필드에 기록 업데이트가 자동으로 표시됩니다.
    * 기록: 인시던트 기록 데이터 알약을 이 필드로 끌어다 놓습니다.
    * 테이블: 인시던트 \[incident\]를 선택합니다.
    * 필드: 범주를 선택합니다. 그런 다음 predicted_value 데이터 알약을 범주 값 옆에 있는 이 필드로 끌어다 놓습니다.
    * 완료를 클릭합니다.  
    {#use-predictive-intelligence-flow-designer-ml-actions__ul_ocn_zyz_l4b}
18. 저장을 클릭합니다.
19. 활성화를 클릭합니다.  
    결과
    * 인시던트에 범주 자동 할당 플로우가 활성화되고 완료됩니다.  
    * 또한 홈 화면의 플로우 열 워크플로우 스튜디오 에 게시됨으로 표시됩니다.  
    {#use-predictive-intelligence-flow-designer-ml-actions__ul_j41_5v1_m4b}
20. 인시던트로 이동합니다.
21. 신규를 클릭하여 인시던트 테이블에 임의의 인시던트 기록을 생성합니다.  
    이 예시 시나리오에서는 INC0010011 기록을 만듭니다.  
22. 만든 레코드의 다음 이미지에서 범주 값이 문의/도움말로 설정되어 있는 것을 확인합니다.
23. 간단한 설명 필드에 <kbd class="ph userinput">Email not working</kbd>을 입력합니다.
24. 제출을 클릭합니다.  
    결과  
    시스템이 인시던트 기록을 업데이트하여 범주 값이 문의/도움말 에서 이메일로 변경되었음을 보여줍니다.
    * 
    * 
    {#use-predictive-intelligence-flow-designer-ml-actions__ul_udm_wt1_m4b}
**관련 정보**   

* [플로우 디자이너용 예측 인텔리전스](https://www.servicenow.com/docs/access?context=predictive-intelligence-spoke&version=xanadu&pubname=xanadu-build-workflows&ft:locale=en-US)