AI を活用したネットワーク管理用チャットボット

ソリューション概要

通信サービスプロバイダー（CSP）は、数十億の接続されたデバイスによって生成された大量のデータを管理し、シームレスで中断されない操作を確保します。これを実現するために、レイテンシなどの重要なパフォーマンス メトリクスをモニターし、ネットワーク競合が発生しても信頼性を維持し、サイバー攻撃から保護するために厳格なセキュリティ対策を強化する、データ集中型のネットワークマネジメントシステムに依存しています。

このソリューションは、 MongoDB を大規模言語モデル (LLM) と統合し、検索拡張生成 (RAG) 戦略を採用してチャットボットを実装します。チャットボットは、MongoDBに保存されているネットワークログ、メンテナンスレコード、カスタマーデータ、センサーデータを処理し、異常検出、ルート原因分析、軽減推奨事項などのための実行可能なインサイトを提供します。

チャットボットにより、ネットワーク演算子が人間の介入を最小限に抑えながら複雑なワークフローを管理できるようになり、新しいサービスのロールアウトが迅速化します。

参照アーキテクチャ

このソリューションには、次に挙げる3つの主要なコンポーネントがあります。

図の 1。MongoDBによるネットワーク チャットボット アーキテクチャ

• Source data ingestion: このコンポーネントは、ログエントリとテレメトリ イベントをリアルタイムで取り込んで、IPアドレス、地理的データ、リクエストパス、タイムスタンプ、ルーター ログ、センサーデータなどの詳細をキャプチャします。MongoDBのStream processing機能により、 MongoDB Atlasへの受信データを自動的にキャプチャして処理し、ネットワーク アクティビティの包括的なビューを作成できます。

• 質問ベースのデータ選択: ネットワーク マネージャーは、「トロントのクライアントでビデオ ストリーミングの問題が発生する原因は何か？」といった質問をします。クエリは初期プロセシングを受け、LLM がカスタム集計パイプラインを生成し、分析に適したデータを選択します。同時に、ベクトル埋め込みデータはセマンティック検索によって効率的に検索され、密接に関連する情報を抽出できるようになります。

• 推論と自然言語出力: 後続のLLMは、MongoDBから検索する関連データをユーザー向けの自然言語の説明に翻訳します。LLM はデータを分析してパターンと異常性を検出することで、ルート原因候補を正確に識別できるようにし、情報された決定をサポートします。例、過負荷の ローカル CDNノードと古い ルーターからのリクエスト数が多い場合に、問題が発生していることが検出される場合があります。

データモデルアプローチ

このソリューションは、サーバー ネットワークのログを時系列データとして整理し、以下の MongoDB スキーマを使用します。

{
   "_id": ObjectId("..."),
   "source_id": 12345,
   "source_type": "webserver",
   "timestamp": ISODate("2025-02-19T15:12:57.000Z"),
   "category": "accesslog",
   "event": "GET",
   "value": {
      "type": "url",
      "data": "https://mytv.telco.com/login"
   }
}

ソリューションのビルド

この AI を活用したネットワーク管理ソリューションは、MongoDB Atlas を使用した RAG フレームワークを採用し、複雑な通信環境におけるデータ駆動型診断を強化します。

図 2. ネットワーク チャットボットのフロントエンド

キーポイント

• MongoDBと生成AIはネットワークマネジメントを変革します: LLMを集計パイプラインやベクトル検索などのMongoDBの機能と統合し、人間の介入を減らし、プロセスを最適化し、クリティカルな操作を自動化することで、ネットワークマネジメントを効率化します。

• データ管理は重要です: ネットワーク管理システムは、ネットワークログやユーザーリクエストから膨大なデータを生成し、データの相互運用性、プライバシー、効率的な処理において大きな課題を生み出します。効果的なソリューションには、高頻度で複雑なデータストリームを保存および処理できる、柔軟でスケーラブルなデータベースが必要です。

• MongoDB は AI を活用したソリューションを実現するためのツールを提供します。 堅牢なデータベースインフラストラクチャと柔軟なドキュメントモデル、高度なベクトル検索機能を組み合わせることで、CSP は AI アプリケーションを開発できます。ベクトル検索により、セマンティクスに関連するコンテンツの取得が効率化され、チャットボット テクノロジーの背後にある LVM のパフォーマンスが向上します。

作成者

• Benjamin Lorenz, MongoDB

• Diego Canales, MongoDB

詳細

• エージェント AI を活用したコネクテッドフリートインシデントアドバイザー

• MongoDB と Microsoft による AI を活用したヘルスケア

• MongoDB と Dataworkz を使用したエージェント型 RAG チャットボットの起動