根本原因分析のためのLLM拡張ナレッジベース構築

Abstract

通信ネットワークは現在、デジタル世界の基盤を形成しており、高速かつ信頼性の高い接続が実現されています。しかし、適切な冗長化やフェイルオーバーの仕組みがあっても、「5 9s」（99.999 %）の信頼性を保証することは困難であり、障害の際には迅速かつ正確な原因究明（RCA）が必要になります。障害が発生した場合、サービスを復旧し、将来の混乱を防ぐために、迅速かつ正確なRCAが不可欠です。 本研究では、サポートチケットからルート原因分析（RCA）知識ベースを構築するための3つの大規模言語モデル（LLM）手法――ファインチューニング、RAG、ハイブリッドアプローチ――を評価します。包括的な語彙的および意味的類似度指標の一式を用いてそれらの性能を比較します。実際の産業データセットで行った実験により、生成された知識ベースがRCAタスクの加速とネットワークのレジリエンス向上に向けた優れた出発点を提供することが示されました。