Davis® AI

正確な回答でインテリジェントに自動化するDavis CoPilot™ は多数の提案を行い、生産性を向上させます。

無料トライアル

業界初のハイパーモーダルAI

Dynatrace Davisは、オブザーバビリティ(可観測性)、セキュリティ、ビジネスのユースケース向けに因果AI、予測AI、生成AIを独自に組み合わせたソリューションです。

予測AI：予測

多次元ベースラインや、アプリケーションのトラフィックとサービス負荷にまたがり、季節性とパターンをすべて認識したうえで継続的な予測と異常の予知を行います。
因果AI：特定

オブザーバビリティ(可観測性)データとセキュリティデータをトポロジー情報のコンテキストで分析します。異常をグループ化し、根本原因を特定して、自動的に、または状況に応じてビジネスへの影響に基づいて優先順位を設定します。
生成AI：作成

Davis CoPilotは予測AIと因果AIの出力を活用し、クエリ、ノートブック、およびダッシュボードを作成して分析を簡略化し、ワークフローと自動化に関する提案を行います。

AIを活用した回答、知見、および自動化

Davis AIはDynatraceプラットフォームの中核を構成し、多数のユースケースに貢献しています。これからは、生成AIによる提案機能を備えたDavis CoPilotが生産性を向上させます。

自動の根本原因分析

Dynatrace Davisは問題の根本原因の検出と分析を行います。

Davisはお客様が直面している問題を自動的に検出し、トポロジー、トランザクション、コードの各レベルの情報を使用して、問題の根本原因を正確に特定します。Davis CoPilotは、問題の修正措置を提案します。

詳細を見る

自然言語でのクエリ

Grailの全データを対象にしたデータ探索とパターン検出が容易にできます。

Dynatraceクエリ言語（DQL）では、インデックスなしの手法によりいつでも任意のクエリを実行できます。Davis CoPilotは、因果AIを使用してコンテキストを補足し、自然言語での質問をDQLに変換します。

詳細を見る

ワークフローのコードの自動作成

修正措置やその他のワークフローを容易に自動化できます。

Davis CoPilotを使用すると、自然言語での入力を使用して簡単にワークフローを自動生成できます。ChatOps、DevOps、ITSMの各ツールを使用する自動修正や統合が以前よりはるかに容易になりました。

詳細を見る

AIを活用したクラウドのオブザーバビリティ(可観測性)に対するDynatrace独自の手法では面倒な設定をせずに真の可視性が得られるので、ユーザーエクスペリエンスを十分に理解できます。

Manfred Immitzer Managing Director and Chief Digital Officer, Porsche Informatik

お客様事例を読む

予測に基づくオペレーション

問題の捕捉と回避を予防的に、また完全な自動化で実行して、信頼性の高いオペレーションができます。

Davis AIを使用すると、異常の自動予知（予測的なディスク拡張、予測的なリソースの自動拡張など）や、該当チームへの通知からオーケストレーションの開始までを含めて、自動的なレポートの生成と対処が可能になります。

詳細を見る

品質チェックの自動生成

Dynatrace Site Reliability Guardianを使用すると、コード内に品質の方針を定義し、納品プロセス全体で検証してからコードを本番環境に渡すことができます。

Davis AIは機械学習、異常検出、根本原因分析を適用して、この工程を容易にしています。Davis CoPilotは自然言語での入力を使用して、具体的なサービスの監視方針を作成します。

AIを活用したアプリケーションセキュリティ

アプリケーションを保護し、リアルタイムでセキュリティ態勢を理解して最適化できます。

Davis AIは、リスクの評価、脅威の検出とブロック、修正方針の提案を自動的に行い、Davis Copilotのコンテキストで全データにわたるセキュリティ分析を簡略化します。

詳細を見る

自然言語による分析の可視化

オブザーバビリティ(可観測性)、セキュリティ、ビジネスのデータを可視化してシンプルに分析できます。

可視化して探索するデータをDavis CoPilotに自然言語で指示するだけです。因果AIのコンテキストを活用して、ダッシュボードとノートブックが生成されます。

詳細を見る

AI支援による導入とプラットフォームの使用

達成を目指している内容をDavis CoPilotに入力すれば、正しい道筋が示されます。

その内容が他のテクノロジーの確認、1文での詳細設定の適用、新規機能とベストプラクティスの活用のいずれも、カスタム学習を行った大規模言語モデル（LLM）を使用して生産性を大幅に向上させ、迅速な導入を可能にします。