ChatGPTを利用して業務改善とコスト削減を始めたので紹介する
現代のビジネス環境では、AIを活用した効率的なデータ分析とコスト管理が成功の鍵である。今回は、ChatGPTを活用し、AWS CloudWatch Loginsightsの利用を最適化することによって、業務改善とコスト削減の両方を実現した事例を紹介する。この事例を通じて新しいアプローチの有効性を探求してみよう。
【事例】AWS CloudWatch Loginsightsのクエリ文を考えてもらう
事例背景
AWSを導入している企業は多いと思う。
AWS CloudWatch Logsを使用する際、ログデータの検索には多くの時間が費やされがちだ。特に、ロググループが大規模になると、「ロググループの検索」からでは1週間分の必要な情報を抽出することさえ困難になるほど遅い。ログを読み込むほど動作が遅くなる仕様が悩みを大きくする。
一方で、AWS CloudWatch Loginsightsを利用すると、検索スピードが飛躍的に向上する。しかし、Loginsightsの利用は無料ではなく、分析を行う度に費用※が発生する。さらに、SQLクエリで検索条件を指定する必要があるため、スキル的に敬遠してしまったり、思ったような情報が得られず何度もクエリを発行してしまうこともあるだろう。費用がかかるサービスでこれは好ましくない。必要な分析を正確に把握し、計画的に利用することが重要だ。
※分析 (Logs Insights のクエリ) スキャンしたデータ 1 GB あたり 0.005USD
こうした状況で、ChatGPTは非常に有効的な解決策を提供する。SQLの知識がないユーザーであっても、ChatGPTに欲しい情報の条件を伝えるだけで適切なクエリ文が提供される。これにより目的ログデータの抽出をより効果的に、より経済的に行うことが可能になる。
プロンプト例
以下は、実際に現場の分析で利用したプロンプトを元にした例である。（勿論、実際はもっと複雑だが）
AWS CloudWatch Logsでは「fields @timestamp, @message～」のようなクエリ文を検索で指定してやる必要があるが、利用者はその知識が無いため、以下のようにChatGPTにクエリ文作成を依頼する。見ての通り、要求と実現を記載するのみで、誰にでも作成が可能な文章である。
You:
AWS CloudWatch Loginsightsで使えるクエリ文を考えてください。
以下の条件を実現したいです。
＜条件＞
① 検索したいものは、IPアドレス192.168.1.48を送信元とするログである
② さらに、宛先ドメインがwww.google.comのログを対象とする
③ ただし、日付が2024年1月22日～27日のものは除外する
これに対するChatGPTの応答は以下の通り。
ChatGPT：
AWS CloudWatch Log Insightsで上記の条件を満たすクエリ文を考えます。以下がその例です。
fields @timestamp, @message
| filter @message like /192.168.1.48/ and @message like /www.google.com/ and (NOT @timestamp between '2024-01-22T00:00:00Z' and '2024-01-27T23:59:59Z')
このクエリでは、次のことが行われています。
fields @timestamp, @message: タイムスタンプとメッセージのフィールドを表示します。filter @message like /192\.168\.1\.48/ and @message like /www\.google\.com/ and (NOT @timestamp between '2024-01-22T00:00:00Z' and '2024-01-27T23:59:59Z'): メッセージが192.168.1.48を含み、かつwww.google.comを含み、かつ指定の日付範囲外のものを除外するようにフィルタリングされます。
このクエリを使用すると、条件に合致するログを検索できるでしょう。必要に応じて、正規表現や条件の微調整を行ってください。
この通り、ChatGPTが適切なクエリ文の作成とその説明を実施してくれるので、知識が無い者でもAWS CloudWatch Logsを使って効率的なログ検索、データ分析、そしてコスト低減が可能になるのである。
ChatGPTの力を借りて業務改善とコスト削減を実現しよう
地味な事例だとは思うが、こうした便利な言語を用いた分析業務を知識の浅い者でもできるようになったことは、現場目線では非常に革新的なことだと考える。
- 有識者だけでなく、チームメンバー全員がタスクに対応できる（属人化の解消）
- 解説が含まれることで、効率的なスキル学習にも繋がる（現場のスキルレベルアップ）
- 分析にかかる時間や手間、実コストの適正化（タイパ、コスパの改善）
実際、私の現場ではAWSをまともに利用出来るのが1～2名程度だったが、ChatGPTを利用しての活用方法を教育していった結果、現在10名程度いるチームメンバーほぼ全員がログ分析業務に対応できている。
ChatGPTの活用は、AWS CloudWatch Loginsightsの利用に限らず、多岐にわたる業務改善とコスト削減の可能性を秘めている。特に、データ検索や分析作業においては、時間とコストの両方を節約できる重要な手段であり、ChatGPTはビジネスプロセスを支える強力なアリーとなり得る。今後も、この技術を用いた業務改善の事例が増えていくことが期待されるので、都度機会があれば紹介したいと思う。
本記事はChatGPTを利用したAI記事作成ツール「ラクリン」で書きました
実は、この記事はChatGPTを利用したAI記事作成ツール「ラクリン」で書いている。詳しい執筆経緯は以下記事にまとめているので、是非読んでみて欲しい。
コメント