Vestas、DataikuのAIエージェントで風力タービンのソフトウェアサポートを効率化

風力タービンの裏側には、高度に専門化されたソフトウェア環境があります。その環境を支えるチームが、信頼性が高く効率的な運用を確保しています。Vestasでは、世界中に展開する風力タービン群の複雑さを管理するうえで、効果的なソフトウェアサポートが重要な役割を果たしています。

Vestasでは、複数の専門チームが複雑なソフトウェア環境にまたがって業務を行っています。サポートチケットが届いたとき、効率的に振り分けられれば、適切なコンポーネントやチームに素早く届けられます。

つい最近まで、この最初のステップは手作業に大きく依存していました。チケットごとに内容を確認し、過去の課題と照合したうえで、適切な専門家に振り分ける必要がありました。判断が難しいケースでは、チームがJiraを手作業で検索したり、サブモジュールの担当者に問い合わせて背景情報を得たりしていました。

必要な知見はすでに社内にありました。課題は、その知見を適切な担当者に結び付けやすくすることでした。

Vestasは、AI成功のためのプラットフォームであるDataikuで「Jira Ticket Management Agent」を構築しました。このエージェントは新しいチケットを分析し、最も関連性の高いコンポーネントやチームを推奨します。さらに、類似する過去の課題を提示し、推奨の根拠も説明します。

Vestasは、毎月このプロセスを通過する100〜150件のチケットについて、割り当て時間の95%〜99%削減を目指しています。72時間のSLAを1時間未満に、場合によっては30分ほどにまで短縮する計画です。また、チケット対応とリードタイム全体で最大40%の削減も見込んでいます。

適切なチケットを適切なチームへ、1時間未満で

新しいチケットの対応を、手作業の検索から始める必要はもうありません。エージェントは、推奨コンポーネント、類似する過去のチケット、類似度スコア、その根拠をJira上に直接表示します。チームは関連する過去の事例をすぐに特定し、それがどう対応されたかを確認できます。新しいソフトウェアリリースですでに解決策が提供されているかどうかも判断できます。

これにより、専門家は最初から有用な背景情報を得られます。既存の知見を生かしやすくなり、ケース対応の効率化につながります。

トリアージを自動化し、判断はエンジニアに委ねる

現在、エージェントはコンポーネントフィールドを自動で変更するのではなく、推奨内容をJiraにコメントとして投稿しています。エンジニアが推奨内容を確認し、次の対応を決定します。

このようにヒューマンインザループ（HITL）を重視することで、Vestasは自動化を拡大する前に、精度の測定、フィードバックの収集、システムの改善に取り組む余地を確保しています。評価は当初からワークフローに組み込まれ、成功指標も早い段階で定義されました。反復作業はより速く、より一貫したものになります。そして技術的な判断は、意思決定に責任を持つ担当者が引き続き担います。

AIによる予測から、エンドツーエンドのサポートシステムへ

このプロジェクトでは、モデルによる予測だけでは不十分でした。VestasはDataikuとSnowflakeを基盤に、エンドツーエンドのエージェントを構築しました。このエージェントはJiraに接続してチケットデータを準備し、機械学習、大規模言語モデル、検索ベースの手法を組み合わせて、推奨内容をサポートワークフローに直接返します。

これらの要素をDataikuに集約したことで、チームは個別のツールをつなぎ合わせることなく、ガバナンスの効いた単一の環境で構築、テスト、評価、オーケストレーションを行えるようになりました。

割り当ての迅速化から、解決の迅速化へ

Vestasは、タービンのログをワークフローに取り込む方法も検討しています。運用データとJiraの履歴を組み合わせることで、エージェントが関連するパターンを特定し、追加の背景情報を提供できる可能性があります。そうなれば、その価値はチケットの割り当てにとどまらず、ソフトウェアサポート全体に広がります。過去の事例をより効果的に生かし、専門家により深いインサイトを提供することにもつながります。特定のトリアージのユースケースとして始まった取り組みが、AIエージェントが次にどこで価値を生み出せるかを見極める、再現可能なモデルをVestasにもたらしています。