異常と判断すると、調査が始まります。AI はスキーマを読み、読み取り専用のクエリで関連するデータを辿りながら仮説を確かめます。届く通知には、原因・影響・根拠・推奨する対処が揃っています。
21時の注文数が通常帯を超えました。毎晩の山との違いと、一緒に動いた値を確かめます。
周期 · 時刻
毎晩21時の山を差し引いても、今夜の注文は通常より約40%多い状態です。増え始めは、クーポン配布数が増えた1時間後でした。
通知が来ても、原因を調べられる人が1人しかいない
夜間や休日の異常は、朝まで誰も調べられない
調べた過程が残らず、同じことが起きても一からやり直す
AI はクエリを組み立てて実行し、結果を見て次の手を決めます。分かった事実をもとに、原因の所在を絞り込みます。
調べた結果が誤検知なら、インシデントは通知されずに閉じられます。手元に届くのは本物の異常だけです。
原因・影響・根拠・推奨する対処が揃った状態で届きます。判断に要るのは業務の知識で、SQL ではありません。
AI の発言、実行したクエリとその結果、提示した図が時系列で残ります。実行中の様子も、画面にそのまま流れます。
AI はシェルもファイルも持ちません。使えるのは、決められた道具だけです。接続文字列は AI に渡さず、接続は ID で指定します。
テーブルと列の構成を読み、どこを調べるべきかを判断します。
読み取り専用の接続で、単文の SELECT / EXPLAIN / SHOW だけを実行します。
時刻や曜日の周期、ほかの値との連動を計算で確かめ、図にして記録に残します。
同じ接続や監視項目で過去に起きたことと、その結論を引きます。
本物の異常か誤検知かを決め、原因・影響・根拠・推奨する対処を残します。
調査で分かった事実をプロジェクトのメモリに残し、次の判定と調査に渡します。
必要なのは、DB の接続文字列かアカウントとの連携だけ。サーバー側の作業はありません。
異常を検知する
判定で異常と判断すると、インシデントが開き、調査が始まります。
AI が実データを調べる
スキーマを読み、クエリを実行し、結果をもとに原因を絞り込みます。
結論が届く
本物の異常なら、原因と推奨する対処を付けて通知します。気になる点は、同じ画面から追加の調査を指示できます。
EC
決済失敗の急増を追う
決済手段ごとの失敗率を調べ、失敗が特定のカード会社に偏っていることを突き止めます。注文数そのものは通常帯を保っていることも確かめたうえで通知します。
誤検知
一時的な揺れを、自分で閉じる
値の跳ねを調べた結果、業務上ありうる変化だと分かれば、インシデントは通知されずに閉じられます。調べた根拠は記録に残ります。