影像解析 AI 公司 Asilla 導入專注於事件管理的 Agentic AI「Incident Lake」

Q: Incident Lake 是用來取代現有的票證管理工具嗎？

不是，它不會取代現有的工具，如 ServiceNow 或 Jira，而是與這些工具配合使用，進行整合。

Q: Incident Lake 處理哪些類型的數據？

它收集並結構化在 Slack 中的對話、票證管理工具中的累積信息，以及現場判斷等運作流程上的數據。

Q: What are the key facts in this article?

開發事件管理專用 Agentic AI「Incident Lake」的株式会社 SIGQ，宣佈正式導入至運用獨家影像解析 AI 的株式会社 Asilla。此舉旨在解決 Asilla 隨著業務快速成長而產生的知識孤島化、跨國溝通障礙，並透過 AI 自動化與專業服務的伴隨支援，強化其營運體制與品質。

左起：株式会社 SIGQ 代表取締役 金築、株式会社 Asilla 取締役 CTO 若狹氏 開發專注於事件管理（Incident Management）的 Agentic AI「Incident Lake」的株式会社 SIGQ（總部：茨城縣筑波市，代表取締役：金築 敬晃），在此宣佈已將「Incident Lake」以及相關專業服務導入至利用獨家影像解析 AI 展開業務的株式会社 Asilla（總部：東京都町田市，代表取締役 CEO：尾上 剛，以下簡稱 Asilla）。 導入背景與課題：隨快速成長而來的知識孤島化與語言障礙 Asilla 以運用深度學習技術的獨家行為辨識 AI 為核心優勢，展開了諸如只需將邊緣 AI 伺服器連接到現有監視攝影機即可導入、針對警備業界的 AI 產品「AI Security Asilla」等業務。隨著業務的急劇擴張，該公司的雲端基礎設施及邊緣 AI 伺服器的營運過程中，以下課題日益明顯： 在多個業務與產品團隊之間，關於事件應對與生命週期監控的知識容易呈現孤島化。 日本與越南之間的語言隔閡所造成的額外負擔，成為了開發與事件應對上的瓶頸。 為了使業務進一步擴張（Scale），目標在於強化營運體制與運用品質。 導入效果：AI 知識自動化與現場的伴隨支援 為了克服上述課題，Asilla 導入了「Incident Lake」及 SIGQ 的專業服務，並獲得了以下實際成效： 將 Incident Lake 作為團隊間的共通平台，實現了關於事件的知識平順橫向展開。 AI 即時以多語言共享分析結果與討論內容，大幅減少了翻譯的勞力與因語言障礙而產生的誤解，使溝通更加順暢。 透過專業服務提供營運知見，協助包括海外事業在內的業務規模進一步擴大。 株式会社 Asilla 取締役 CTO 若狹 政啓 氏的評論 關於事件應對方面，我們一直有種危機感，認為必須儘可能推動自動化，進化成能讓人類迅速進行決策的營運組織。『Incident Lake』採用了將手動資訊登錄降至最低的 UX（使用者體驗），在抑制成員對新工具的抗拒感的同時，順利地將其嵌入到營運流程中。 此外，關於 SIGQ 的專業服務，在正式支援開始前，他們就已經進入現場提供了各式各樣的改善建議，老實說，我對他們『居然從初期階段就做到這種地步』感到非常驚訝。多虧了如此貼心的伴隨支援，我確信這是強化本公司營運體制所必要的服務。今後我們將持續吸收從專業服務與 Incident Lake 中獲得的知見，目標成為更具信賴性的服務。 株式会社 SIGQ 代表取締役 金築 敬晃的評論 在支持社會基礎設施安全的 Asilla 公司的革新性解決方案中，能讓本公司的『Incident Lake』及專業服務貢獻一份力量，我感到非常高興。 在跨國界的開發與營運體制中，資訊的分隔與語言隔閡是許多成長型企業都會面臨的障礙。我們將藉由 AI Agent（AI 代理人）的力量消除這些摩擦，並持續提供能讓經理與工程師們專注於高附加價值工作的環境。針對 Asilla 今後邁向全球化發展的過程中，我們將從事件管理的觀點出發，進行強有力的伴隨支援。 關於「Incident Lake」 「Incident Lake」是以尖端 LLM（大型語言模型）的進化為引擎，整合分散的營運數據，劇烈提升決策速度的「事件情報層（Incident Intelligence Layer）」。 積累使 LLM 淬煉的「知識集散地」 它不僅僅是單純將數據從右移到左的處理（Processing）。它將 Slack 的對話、累積在現有票務管理工具（ServiceNow、Atlassian Jira 等）中的資訊，以及現場的判斷等「活數據」納入，並以 LLM 能即時運用的形式在 Incident Lake 內積累。數據累積得越多，LLM 就越能深入理解「該組織特有的規則與過去的教訓」，進而構築出回答與支援的精確度持續自我進化的機制。 與現有工具協作，將營運的「最後一哩路」資產化 並非為了取代現有的票務管理工具，而是透過與其併用來發揮真正的價值。 數據的資產化： Incident Lake 不僅能吸納並結構化記錄在現有工具（如 ServiceNow 等）中的「結果」，還能吸納存在於其過程中，「判斷的理由」或「試錯」等最後一哩路的數據。 決策的樞紐： 在與現有工具連結的同時，將 Incident Lake 內醞釀的「組織智慧」提供給經理。最小化資訊整理的勞力，支持迅速且妥當的判斷。 Incident Lake 作為用得越多就越聰明的「組織專用決策引擎」，將更新企業營運的方式。 ▼ Incident Lake 產品介紹網站：https://incidentlake.com ▼ Incident Lake 導入・業務提攜相關諮詢：https://inc

影像解析 AI 公司 Asilla 導入專注於事件管理的 Agentic AI「Incident Lake」

AI 摘要（NQ 加工版）

常見問題