AI・PMOの進化
異常検知
Anomaly Detection
読み：いじょうけんち
通常のパターンから外れる観測や出来事を識別し、調査対象として挙げる処理です。
01初心者向け
まず意味をつかむ
急な申込減少や普段と違う操作を見つけます。異常として挙げられたことと、障害や不正だと確定したことは別です。
02実務者向け
仕事でどう使うか
通常状態、監視単位、閾値、確認手順を定義します。誤警報と見逃し、季節性や業務変更への反応を評価し、対応できる警報件数に調整します。
03専門家向け
判断を一段深める
未知の異常は正解例が少なく評価が難しい場合があります。単純な外れ値と時間的な変化、集団の違いを分け、業務の文脈で最終判断する運用を設けます。
IN PRACTICE
具体例で考える
架空の毎日100件前後の連携が突然20件へ減ったため、休業日の影響か連携障害かを担当者が確認します。
理解を助けるための架空の例です。通常のパターン
外れる観測を検知
業務状況で確認
検知は判断の入口であり、原因確定ではありません。
ここは誤解しやすい
平常から離れている値を、すべて削除すべき誤りと見なさないようにします。
PROXIA INSIGHTS
考え方を、実務へつなぐ
AIを「使う」から、PMの判断に「活かす」へ ↗この知識を、組織の力へ。