# 次善アクション推薦 ## 定義 次善アクション推薦(Next-Best Action Recommendation)は、現在の状況(オペレーターが置かれた文脈・進行中のタスクの状態)に対して、人間が次に取るべき最も有望な単一のアクションをエージェントが提案する問題設定を指す。[[ActionNex]]([[@2026__arXiv__ActionNex - A Virtual Outage Manager for Cloud Computing]])は outage(障害)管理ドメインにおいてこれを、(1) 生の運用信号を「critical events(重要イベント)」という状態遷移の抽象へ圧縮する知覚層、(2) playbook から蒸留した長期記憶・過去事例のエピソード記憶・ライブな作業記憶からなる階層記憶、(3) 現在の critical events を前提条件(precondition)に整合させ関連記憶を検索してアクション候補をランク付けする推論エージェント層、の 3 層で実現する。 推薦は決定論的なルールトリガーではなく検索駆動(embedding 類似度に基づく Key-Condition-Action の検索とランキング)であり、部分的な証拠や曖昧性、新情報の逐次的な到着を自然に許容する設計になっている。実行された人間のアクションは明示的な報酬関数を必要とせず暗黙のフィードバック信号として記憶へ書き戻され、システムを継続的に自己進化させる。(Source: [[@2026__arXiv__ActionNex - A Virtual Outage Manager for Cloud Computing]]) ## 横断的知見 - (単一ソース状態。次の ingest で他ソースとの突き合わせが行われ次第、横断的知見を追記する。) ## 未解決の問い - ActionNex の KCA(Key-Condition-Action)による検索駆動の次善アクション推薦は、outage 管理以外のドメイン(カスタマーサポート、DevOps のデプロイ判断等)に一般化できるか。ドメイン固有性がどこまで KCA の設計(Key の粒度・Condition の抽象度)に埋め込まれているか未検証。 - 論文の段階別分析(Detect で高 precision・低 recall、Resolve で低 precision・高 recall)が示唆する「段階適応的な戦略(初期はエピソード記憶の類推重視、後期は条件ゲーティングを厳格化)」は、ActionNex では明示的に実装されておらず今後の課題として残る。この適応をどう自動化するか。 - [[TSG自動化]] が「既存の手順書をどう信頼して実行するか」を問うのに対し、ActionNex の KCA は「playbook 由来の知識と過去実行から学習した知識をどう統合し、推薦(実行ではない)として提示するか」を問う。両者の境界(推薦から実行への昇格をいつ・どう判断するか)は本論文では扱われておらず、TSG自動化研究との統合可能性は未解決。 - 暗黙のフィードバック信号(人間が実際に取ったアクション)だけから学習する設計は、人間が誤ったアクションを取った場合に誤った KCA を強化するリスクを内包する。論文自身がオンライン学習の安全性強化を今後の課題として明示しているが、具体的な防御機構(誤り検出・ロールバック等)は未提示。 ## 関連 - [[エージェントメモリ]] / [[クラウド障害ライフサイクル]] / [[TSG自動化]] / [[インシデント管理]] / [[インシデントトリアージ]] / [[ReAct]] - [[ActionNex]] - 関連 MOC: `structures/` に AIOps 関連 MOC が存在するが、本概念専用の MOC は未作成 ## 出典 - [[@2026__arXiv__ActionNex - A Virtual Outage Manager for Cloud Computing]] — Zhenfeng Lin ほか13名(Microsoft PRIMO / Microsoft Research / Microsoft Azure Core / Azure CTO Office)、arXiv:2604.03512、2026-04-03