ai-lens

ServiceNow AI Lens

概要

AI Lens は、ServiceNow のあらゆるレコードにコンテキストに応じたインテリジェンスを提供し、フォームやリストビューではすぐに確認できないインサイトを提示します。

• 関連情報：関連レコード、上流／下流の依存関係、および関連するナレッジ
• パターン分析：類似レコードの過去の傾向、繰り返し発生する問題、異常検知
• リスク評価：SLA リスク、エスカレーションの可能性、潜在的なビジネスへの影響
• 推奨アクション：レコードの状態、履歴、同種レコードの分析に基づく次善のアクション
• モジュール横断のコンテキスト：ITSM、CSM、HRSD、CMDB などのモジュールから得られる、理解を深める情報
• 予測的インサイト：推定解決時間、割り当て先の候補、推定される根本原因

使用する場面： エージェント、マネージャー、アナリストが、標準フォームに表示される内容を超えた、レコードの包括的なコンテキストビューを必要とするとき、または AI で拡張されたワークスペース体験を構築するときです。

前提条件

• ロール： itil、sn_customerservice_agent、sn_hr_core.case_reader、または admin
• プラグイン： プラットフォーム基盤（特定のプラグインは不要です。既存のモジュールデータを活用します）
• アクセス権： 対象テーブルおよび関連テーブル（CMDB、ナレッジ、SLA）への読み取りアクセス権
• 知識： ServiceNow のモジュール横断データモデル、テーブル間の関係パターン
• 関連スキル： アクティビティのコンテキストには itsm/incident-activity-summarization、アクションの推奨には genai/playbook-recommendations

手順

ステップ 1：対象レコードとテーブルを特定する

ユーザーが表示しているレコードと、そのテーブルのコンテキストを特定します。

MCP のアプローチ：

Tool: SN-Get-Record
Parameters:
  table_name: incident
  sys_id: <record_sys_id>
  fields: sys_id,sys_class_name,number,short_description,description,state,priority,impact,urgency,category,subcategory,assigned_to,assignment_group,opened_at,opened_by,caller_id,cmdb_ci,parent,caused_by,problem_id,rfc

REST のアプローチ：

GET /api/now/table/incident/<record_sys_id>
  ?sysparm_fields=sys_id,sys_class_name,number,short_description,description,state,priority,impact,urgency,category,subcategory,assigned_to,assignment_group,opened_at,caller_id,cmdb_ci,problem_id,rfc
  &sysparm_display_value=true

ステップ 2：コンテキストフィールドのテーブルスキーマを確認する

このレコードタイプで利用できるフィールドと参照先を確認します。

MCP のアプローチ：

Tool: SN-Get-Table-Schema
Parameters:
  table_name: incident

他のテーブルにリンクする参照フィールドを特定し、モジュール横断で情報を調べます。

ステップ 3：関連レコードを提示する

参照、リレーションシップ、共通属性を通じて対象に関連するレコードを検索します。

関連インシデント（同じ CI またはカテゴリ）：

MCP のアプローチ：

Tool: SN-Query-Table
Parameters:
  table_name: incident
  query: cmdb_ci=<ci_sys_id>^sys_id!=<current_sys_id>^active=true^ORDERBYDESCopened_at
  fields: sys_id,number,short_description,state,priority,opened_at,assigned_to
  limit: 10

CMDB リレーションシップ（上流／下流のサービス）：

Tool: SN-Query-Table
Parameters:
  table_name: cmdb_rel_ci
  query: parent=<ci_sys_id>^ORtype_id.name=Depends on::Used by
  fields: sys_id,parent,child,type_id
  limit: 20

関連するナレッジ記事：

Tool: SN-Query-Table
Parameters:
  query: workflow_state=published^123TEXTQUERY321=<short_description>
  table_name: kb_knowledge
  limit: 5

関連する変更リクエスト：

Tool: SN-Query-Table
Parameters:
  table_name: change_request
  query: cmdb_ci=<ci_sys_id>^state!=closed^ORstate=closed^closed_at>javascript:gs.daysAgo(7)
  fields: sys_id,number,short_description,state,type,start_date,end_date,risk
  limit: 5

問題レコード：

Tool: SN-Query-Table
Parameters:
  table_name: problem
  query: sys_id=<problem_id>^ORcmdb_ci=<ci_sys_id>^active=true
  fields: sys_id,number,short_description,state,root_cause,workaround
  limit: 5

ステップ 4：過去のパターンを分析する

過去の類似レコードからパターンを見つけます。

過去の類似インシデント：

MCP のアプローチ：

Tool: SN-Query-Table
Parameters:
  table_name: incident
  query: category=<category>^subcategory=<subcategory>^state=6^resolved_at>javascript:gs.daysAgo(180)
  fields: sys_id,number,short_description,resolved_at,resolution_code,close_notes,assigned_to,assignment_group,calendar_duration
  limit: 25

集計統計：

REST のアプローチ：

GET /api/now/stats/incident
  ?sysparm_query=category=<category>^subcategory=<subcategory>^resolved_at>javascript:gs.daysAgo(180)
  &sysparm_avg_fields=calendar_duration,reassignment_count
  &sysparm_count=true

パターン分析を作成します：

=== PATTERN ANALYSIS ===
Based on 47 similar incidents (same category/subcategory, last 180 days):

Resolution Statistics:
- Average Resolution Time: 4.2 hours
- Median Resolution Time: 2.8 hours
- 90th Percentile: 12 hours
- Current Incident Age: 1.5 hours (below average)

Common Resolution Methods:
1. Service restart (42%) - Average 1.5 hours
2. Configuration change (28%) - Average 3.2 hours
3. Vendor escalation (18%) - Average 18 hours
4. Patch deployment (12%) - Average 8 hours

Assignment Patterns:
- Most frequently resolved by: Network Operations (38%)
- Second: Application Support (25%)
- Current assignment: Database Team (resolves 15% of similar incidents)

Recurrence:
- Same CI has had 3 similar incidents in 90 days
- Same category averages 8 incidents per month

ステップ 5：リスク要因を評価する

レコードの現在のリスク指標を評価します。

SLA の状態：

MCP のアプローチ：

Tool: SN-Query-Table
Parameters:
  table_name: task_sla
  query: task=<record_sys_id>
  fields: sys_id,sla,stage,has_breached,planned_end_time,percentage,business_percentage
  limit: 5

エスカレーションリスク：

=== RISK ASSESSMENT ===

SLA Risk:
- Response SLA: 45% elapsed, 55% remaining (ON TRACK)
- Resolution SLA: 35% elapsed, target in 6.5 hours (ON TRACK)
- Breach Probability: 15% (based on similar incident resolution times)

Escalation Indicators:
- VIP Caller: No
- Business-Critical CI: Yes (production database)
- Priority: P2 (escalation at 4 hours if unresolved)
- Current Age: 1.5 hours
- Reassignment Count: 0 (good)

Impact Assessment:
- Affected Users: ~200 (based on CI dependency mapping)
- Dependent Services: 3 (Order Processing, Reporting, Auth)
- Business Impact: Medium-High (production service, business hours)
- Revenue Impact: Potential (Order Processing affected)

ステップ 6：推奨アクションを生成する

収集したすべてのコンテキストに基づいて、次のステップを推奨します。

=== RECOMMENDED ACTIONS ===
Record: INC0067890 - Database connection pool exhaustion

IMMEDIATE ACTIONS:
1. [HIGH PRIORITY] Check current connection pool status
   - Similar incidents resolved 42% of the time by service restart
   - Run diagnostic: Query connection pool metrics via monitoring API

2. [RECOMMENDED] Review recent changes on this CI
   - CHG0012340 was implemented 2 hours ago on related app server
   - Potential correlation with incident timing

3. [SUGGESTED] Engage Network Operations
   - This team resolves 38% of similar incidents (highest rate)
   - Current team (Database) resolves 15% of similar incidents

KNOWLEDGE RESOURCES:
4. Review KB0012345: "Database Connection Pool Troubleshooting"
   - Rating: 4.5/5, used to resolve 12 similar incidents
   - Key procedure: Connection pool drain and restart (Section 3)

5. Review KB0013001: "Application Server Health Checks"
   - Related to recent change CHG0012340

PREVENTIVE ACTIONS:
6. Create Problem record to investigate recurrence
   - 3 similar incidents on this CI in 90 days suggests systemic issue
   - Link to existing Problem PRB0004567 if related

COMMUNICATION:
7. Notify affected service owners
   - Order Processing team (primary dependency)
   - Send proactive status update via major incident channel

ステップ 7：モジュール横断で情報を拡充する

他の ServiceNow モジュールからコンテキストデータを取得します。

顧客のコンテキスト（CSM ケースの場合）：

MCP のアプローチ：

Tool: SN-Query-Table
Parameters:
  table_name: sn_customerservice_case
  query: account=<account_sys_id>^active=true
  fields: sys_id,number,short_description,priority,state,product
  limit: 10

HR のコンテキスト（従業員関連レコードの場合）：

Tool: SN-Query-Table
Parameters:
  table_name: sn_hr_core_case
  query: subject_person=<caller_sys_id>^active=true
  fields: sys_id,number,short_description,hr_service,state
  limit: 5

CMDB 資産のコンテキスト：

Tool: SN-Query-Table
Parameters:
  table_name: alm_hardware
  query: ci=<ci_sys_id>
  fields: sys_id,display_name,model,serial_number,warranty_expiration,install_status,cost
  limit: 1

ステップ 8：AI Lens ビューをまとめる

すべてのインサイトを包括的なコンテキストパネルにまとめます。

=== AI LENS: INC0067890 ===
Database Connection Pool Exhaustion on prod-db-01

--- Quick Stats ---
Age: 1h 30m | Priority: P2 | SLA: On Track (65% remaining)
Similar Incidents (180d): 47 | Avg Resolution: 4.2h
Recurrence on this CI: 3 in 90 days (FLAGGED)

--- Related Records ---
Active on Same CI:
  - INC0067885 (P3, monitoring alert - auto-resolved)
  - CHG0012340 (Normal, app server config - completed 2h ago) *CORRELATION*

Known Problems:
  - PRB0004567: Recurring connection pool issues (Under Investigation)

Knowledge:
  - KB0012345: Connection Pool Troubleshooting (4.5 stars, 12 resolves)
  - KB0013001: App Server Health Checks (relevant to recent change)

--- Insights ---
1. Recent change CHG0012340 correlates with incident timing -- investigate
2. Connection pool issues are recurring (3 in 90 days) -- systemic root cause likely
3. Service restart resolves 42% of similar incidents -- try first
4. Current team assignment may not be optimal -- Network Ops has higher success rate

--- Recommended Actions ---
1. Check connection pool metrics [Most Likely Resolution: Service Restart]
2. Investigate correlation with CHG0012340 [Change-Related Root Cause]
3. Consider reassignment to Network Operations [Higher Success Rate]
4. Create/link to Problem PRB0004567 [Prevent Recurrence]

ステップ 9：Lens の使用状況と有効性を追跡する

AI Lens の推奨がどのように利用されているかを監視します。

MCP のアプローチ：

Tool: SN-Create-Record
Parameters:
  table_name: u_ai_lens_usage
  data:
    u_record: "<record_sys_id>"
    u_table: "incident"
    u_recommendations_shown: 4
    u_recommendation_followed: ""
    u_user: "<current_user_sys_id>"
    u_timestamp: "2025-12-10 04:00:00"

ステップ 10：リストビュー向けに Lens を提供する

複数のレコードの集計インサイトを生成します。

MCP のアプローチ：

Tool: SN-Query-Table
Parameters:
  table_name: incident
  query: assignment_group=<group_sys_id>^active=true^ORDERBYpriority
  fields: sys_id,number,short_description,priority,state,opened_at,cmdb_ci,category
  limit: 50

=== AI LENS: Team Queue Overview ===
Team: Database Administration | Active Incidents: 12

Queue Health:
- P1: 0 | P2: 2 | P3: 7 | P4: 3
- SLA At Risk: 1 (INC0067888 - 85% elapsed)
- Avg Age: 3.2 days | Oldest: 8 days (INC0067500)
- Reassignment Rate: 15% (below team average of 22%)

Patterns Detected:
- 4 incidents related to "connection pool" on database CIs (cluster)
- 3 incidents from same caller (possible systemic issue for that user)
- 2 incidents linked to CHG0012340 (change correlation)

Priority Actions:
1. Address SLA-at-risk incident INC0067888 immediately
2. Investigate connection pool cluster (4 incidents) as potential problem
3. Contact repeat caller to address underlying issue

ツールの使用

ツール	目的	使用する場面
SN-Get-Record	対象レコードの詳細を取得する	初期コンテキストの収集
SN-Query-Table	関連レコード、履歴、パターンを取得する	モジュール横断のデータ取得
SN-Natural-Language-Search	類似性に基づいてナレッジ記事を検索する	ナレッジの推奨
SN-Update-Record	Lens のインサイトをレコードに保存する	推奨内容の永続化
SN-Get-Table-Schema	利用可能なフィールドと参照先を確認する	レコード構造の理解

ベストプラクティス

1. 実行につながるインサイトを優先する -- 情報を示すだけでなく、ユーザーが実際に行動に移せる内容を提示します
2. すべてのインサイトに根拠を示す -- 主張をデータに結び付けます（例：「47件のインシデントに基づく解決率は42％」）
3. 相関関係を強調する -- 最近の変更、繰り返し発生するパターン、関連レコードは価値の高い情報です
4. パフォーマンスに配慮する -- クエリ対象を関連する期間とレコード数に絞ります
5. レコードの種類に応じて調整する -- インシデントの視点は、変更リクエストや HR ケースの視点とは異なります
6. 異常を見つけて通知する -- 再割り当ての多さ、同じユーザーからの繰り返しの連絡、短時間での再オープンなど、通常とは異なるパターンには注意が必要です
7. ナレッジを積極的に含める -- 関連する KB 記事を必ず検索します
8. SLA の状況を示す -- タスクレコードでは、残り時間と違反の可能性が重要です
9. CMDB を相互参照する -- CI の依存関係から、影響範囲や根本原因との関連が明らかになります
10. フォームビューとリストビューの両方に対応する -- 個別レコードのインサイトとキューレベルのパターンは、それぞれ異なるニーズに応えます

トラブルシューティング

問題	原因	解決方法
関連レコードが見つからない	レコードの CI フィールドが空です	カテゴリベースおよび説明ベースの類似性を使います
パターン分析が遅い	照会する過去のレコードが多すぎます	期間を短くし（365 日ではなく 90 日）、カテゴリフィルターを追加します
ナレッジ検索の結果が適切でない	簡単な説明が曖昧です	より適切な NL 検索を行うため、short_description と category を組み合わせます
CMDB のリレーションが見つからない	CI が CMDB にないか、リレーションがマッピングされていません	基本的な CI 情報を取得するには、cmdb_ci テーブルを直接使用します
SLA レコードがない	このレコードタイプに SLA 定義がありません	SLA セクションを省略し、出力にその旨を記載します
モジュール間のデータにアクセスできない	他のモジュールのテーブルに対するロール制限があります	ユーザーロールに基づき、アクセス可能なテーブルにレンズを限定します

例

例 1：インシデントフォームの AI レンズ

入力： 「INC0067890 の AI レンズを表示」

手順： インシデントを取得し、同じ CI に関する関連インシデントを検索し、CMDB の依存関係を取得し、ナレッジ記事を探し、過去のパターンを分析し、SLA リスクを評価し、推奨アクションを生成します。

例 2：CSM ケースの AI レンズ

入力： 「AI レンズでケース CS0034567 を分析」

手順： ケースを取得し、顧客アカウントの履歴を取得し、製品／カテゴリ別に類似ケースを探し、既知の問題や障害を確認し、顧客感情の推移を取得し、対応方針を提案します。

例 3：キューレベルの AI レンズ

入力： 「ネットワーク運用のインシデントキューの AI レンズを表示」

手順： グループのすべてのアクティブなインシデントを照会し、優先度／カテゴリ／経過時間別に集計し、クラスターとパターンを特定し、SLA リスクに注意を促し、繰り返し発生する問題を検出し、キュー管理に関する推奨事項を生成します。

関連スキル

• itsm/incident-activity-summarization - 個々のインシデントの詳細なアクティビティ概要
• genai/playbook-recommendations - レコードに適した自動化プレイブックを提案
• cmdb/impact-analysis - CI の依存関係と影響を分析
• knowledge/content-recommendation - ナレッジ記事を提案
• reporting/trend-analysis - 過去の傾向分析とレポート作成
• itsm/incident-triage - インシデントの分類と振り分け