既存のメディア・オペレーション・プロセスの再定義

この2部構成のシリーズの第1部では、最新のメディア・オペレーション・セットアップ（またはサービス・プロバイダー）の重要な成功要因について掘り下げた。したがって、理想的で未来的なメディア・オペレーション・パイプラインは、以下のような設計理念を受け入れるべきである：

• データだけでなく、文脈的な洞察- ノイズをフィルタリングし、文脈的にデータを分析することで、関連性を理解し、より良い洞察を導く、
• AIとの統合- AIツールとモデルのユニークな組み合わせとコラボレーションにより、予測、予防、支援を行う、
• 自動化- データ、API、ワークフロー、主要なビジネスプロセスの発見をインテリジェントに自動化します、
• コラボレーティブ・パイプライン- 共通のデータソースとインテリジェントな洞察により、データ、ツール、チーム間のサイロ化を解消、
• セキュア - データの重要性には最高レベルのセキュリティが必要であり、そのような重要なデータやAIモデルは、法律や規制上の制約からオンプレミスでの運用が推奨されています。
• スケーラビリティ- モジュラーコンポーネントは容易に統合でき、個別に拡張できる。

詳細なユースケースを想定し、AIとObservabilityを活用した強化されたメディア運用フレームワークがこのようなシナリオでどのように機能するかを見てみよう：

背景：

新しいウェブシリーズがサブスクリプションベースのOTTプラットフォームで開始された。ローンチ後、動画再生の失敗アラートがメディア運用のSROダッシュボードに表示されるようになった。SROとサポートチームは、さまざまなプローブからのアラートに圧倒され、トリアージパスを迅速に決定できず、すでに劣悪なカスタマーエクスペリエンスを悪化させ、OTTサービスブランドに影響を与えています。

AIによって強化されたメディア・オペレーション・モニタリング・セットアップがどのように役立つのか：

このシステムは、何が間違っているのかを特定し、それに対処する方法についての洞察を提供するために協力する複数のAIエージェントと統合された観測可能性の洞察によって駆動される。また、SRE/SROがシステムからの調査や洞察を閲覧できるコマンドセンター・ダッシュボードも備えている。

アクションコマンドセンター・エージェントA、B、C

コマンドセンター・エージェント - これには、重要なビジネスフロー/シナリオ関連イベントを監視し、個々の AI エージェントのグループを通じて調査を開始する AI エージェントが含まれる。このエージェントが上記のコンテキストで言及されたパターンを識別すると、エージェントAを介して調査を開始します。

エージェントA- AI分析によるアプリ/デバイスの監視可能性の洞察と次のアクション：

App/Device Observability Platformは、障害分析トレンドにおける異常のパターン/属性に関する洞察を提供します。カスタムLLMエージェントは、1つまたは複数のアプリ/デバイス観測可能性ツール/プラットフォームから提供されたすべての分析データとインサイトをレビューし、相関関係と考えられる次のステップを決定します。

エージェント分析：以下の場合、より多くの障害が報告されます。

• ユーザーが特定のコンテンツ/タイトルの再生にアクセスした場合、
• ユーザーがエラー発生前にXX時間以上コンテンツを視聴した場合、
• 失敗したコンテンツを視聴する前に、パックを購読しようとした場合。
• 特定の地域、特定のデバイスを使用しているユーザーのエラー率が高い。

次のステップエージェントAは、コマンドセンターエージェント、エージェントB、エージェントCとデータを共有し、ユーザー/サブスクリプション/CDNとペイメントゲートウェイの統合における障害の調査を開始します。

エージェントB - AI分析と次のアクションを伴うアラートモニタリングツールのデータ：

典型的なメディア運用パイプラインでは、アラートモニタリングツールセットが利用され、ハードウェアインフラストラクチャ全体とソフトウェアエコシステムを監視する様々なプローブからアラートを取得します。カスタムLLMエージェントは、アラートモニタリングツール/プラットフォームから提供されたすべてのアラートデータとインサイトをレビューし、相関関係と次のステップを決定します。

エージェント分析：エージェントBは、エージェントAから引き渡された洞察（すなわち、人口統計、タイムライン、データ）に基づいて、アラートとそのデータを分析し、可能性の高い関係とパターンを決定し、さらなる洞察を集めます。これには以下が含まれます：

• 同じ地域からの期間中にユーザエンタイトルメントおよびサブスクリプションコンポーネントから受信したアラート、
• その期間中のビデオエンコーディング/トランスコーディングおよびCDN配信コンポーネントからのアラート
• その期間にユーザーとリージョンに対して観測された支払い失敗のアラート。

次のステップ特定のコンテンツの再生失敗は、ビデオアクセスを得るためにサブスクリプションを購入しようとしているユーザーに対して発生しているようです。エージェントBは、データと洞察をコマンドセンターエージェントとエージェントCに戻します。

エージェントC - サブスクリプションコンポーネントとペイメントゲートウェイのデータをAIが分析し、次のアクションを実行します：

カスタム LLM エージェントは、サブスクリプション、エンタイトルメント、および支払い統合データのすべてのログとトレースデータをレビューし、相関関係と可能性のある次のステップを決定します。

エージェント分析：エージェントCは、エージェントBから引き渡された洞察に基づいて、ログとトレースを分析し、フロー内のエラーや例外を見つけ、可能性の高い関係、根本原因、およびさらなる洞察を収集するためのパターンを決定します。

• ペイメントパートナーゲートウェイは、サブスクリプションを購入するために特定のタイプの支払方法を使用しようとした少数のユーザに対してエラーを報告しました。
• TVプラットフォームで不正なcontent_Idが使用されているため、新しく開始されたコンテンツのエンタイトルメントログでエラーが観察された。

次のステップ再生に失敗したのは、TVプラットフォーム用の新しいコンテンツに対する支払いの失敗とエンタイトルメントの問題が重なったためと思われる。エージェントCはデータと洞察をコマンドセンターエージェントに戻します。

コマンドセンターのエージェントは、問題を解決し、カスタマーエクスペリエンスへの影響を最小限に抑えるために、SROと他のチームにさらなるアクションのための洞察とガイダンスを提供します。

今後の展望

AIエージェントと高度な観測可能性プラットフォームは、効率を高め、ワークフローを最適化し、より良いカスタマー・エクスペリエンスを推進することで、業界全体の土俵を変えつつある。メディア・オペレーションのユースケースにAIエージェントを採用することで、効率を高めるだけでなく、このユースケースに示されているように、新たな成長の機会を引き出すことができます。

ご興味のある方は、ぜひご連絡ください。