角色： 王工程（初階 IT 工程師，入職 3 個月）+ AI Agent + 李維運（IT 主管，在外開會）
場景： 泰國廠產線核心交換機 Core-SW-01 電源模組故障，Graylog 偵測到大量 app timeout，LibreNMS 偵測到 8 個 port down。王工程第一次獨立面對 SEV1 事件
橫跨模組： Integration → Incident → AI Copilot → Knowledge → Analytics

---

背景

泰國廠 IT 團隊只有 5 人，其中資深工程師 2 人、初階工程師 3 人。王工程入職 3 個月，之前只處理過 SEV3/SEV4 的小事件。今天下午 2 點，資深工程師都在巡檢其他廠區，只有王工程值班。

產線核心交換機 Core-SW-01 是連接 ERP、MES、SCADA 閘道的關鍵設備，一旦故障整條產線的 IT 系統都會受影響。

---

旅程步驟

Stage 1：多源告警湧入 + AI 自動處理（0-60 秒）

Core-SW-01 電源模組 PSU-A 故障，瞬間產生大量告警。

使用者情緒： 🟢 43 筆告警 → 3 個事件，AI 在 25 秒內完成（以往需要 30 分鐘人工分類）

涉及模組： Integration（Webhook 接收）、Incident（IN-001, IN-009）、AI Native（AIN-011 Correlation, AIN-012 Triage）、Notification

---

Stage 2：初階工程師查看 AI 摘要（2 分鐘）

王工程手機收到 Slack 通知，打開 Arova 事件詳情頁。

王工程雖然入職 3 個月沒處理過 SEV1，但 AI 摘要告訴他：

• 是什麼問題：硬體故障，不是設定問題
• 該怎麼做：先到機房看實體狀態（具體步驟）
• 參考 SOP：直接點擊就能看完整操作手冊
• 歷史案例：上次類似事件 15 分鐘就修好了

王工程點「確認」接手事件。

使用者情緒： 🟢 第一次遇到 SEV1 有點緊張，但 AI 摘要像資深同事在旁邊指導

涉及模組： Incident（IN-005, IN-007）、AI Copilot（AIC-002, AIC-003）、Knowledge（KB-008）

---

Stage 3：AI Copilot 輔助排障（5 分鐘）

王工程到機房前，先用 AI Copilot 快速了解更多。

AI Copilot 做了資深工程師才會做的事：追問「為什麼冗餘沒生效」，幫王工程建立正確的排障思路。

使用者情緒： 🟢 AI 的追問比我自己想得更深入

涉及模組： AI Copilot（AIC-001, AIC-002）、CMDB（CM-001 資產資訊）、Knowledge（KB-018）

---

Stage 4：現場修復（10 分鐘）

王工程到機房檢查：

• PSU-A LED 熄滅 ❌
• PSU-B LED 閃爍琥珀色 ⚠️（故障但未告警）
• 原來 PSU-B 之前已靜默故障，PSU-A 再壞就整機沒電

王工程按 SOP：

1. 從備品箱取出 2 顆新 PSU
2. 更換 PSU-A（主電源恢復）
3. 更換 PSU-B（備援恢復）
4. 交換機自動開機，port 逐一恢復

---

Stage 5：AI Copilot 查 Graylog 確認恢復（Phase 2 預覽）

交換機恢復後，王工程想確認上游服務是否都恢復正常。

標註： 這個 Stage 展示的是 Phase 2 Graylog 深度整合的能力。MVP 階段工程師需要自己到 Graylog 介面查 log，Phase 2 後可以直接在 Copilot 中用自然語言查詢。

使用者情緒： 🟢 不用切換到 Graylog 介面，直接在 Arova 確認所有服務恢復

涉及模組： AI Copilot（AIC-009 Graylog 查詢，Phase 2）、Integration（Graylog 深度整合）

---

Stage 6：Recovery + 結案（5 分鐘）

LibreNMS 發送 recovery alert，Arova 自動更新事件時間軸。

王工程點「批次解決」→ 系統彈出 preview dialog（IN-020），列出 INC-0501（根因）+ INC-0502/0503（衍生）三筆，預設全選，附 AI 信心度 96% / 94% / 92%。王工程確認都已恢復 → 點確認 → 一次關閉三筆。

若王工程發現其中某筆衍生事件其實是獨立問題（例如 INC-0503 的 SCADA 通訊失敗其實是另一起 cert 過期問題，與 Switch 故障無關），他可以在 dialog 中 uncheck 該筆，或事先透過 IN-019「解除衍生關係」將其獨立出去，避免被連帶錯誤關閉。

使用者情緒： 🟢 第一次獨立處理 SEV1，25 分鐘搞定！Preview dialog 讓他確信沒誤關

涉及模組： Incident（IN-016 結案、IN-020 批次 resolve preview、IN-019 根因覆寫）

---

Stage 7：PIR 自動產出 + ISO 報告（10 分鐘）

系統偵測到 SEV1 結案，建議產出 PIR。

PIR 由 AI 在 30 秒內自動草擬。王工程補充現場照片（PSU LED 狀態），李維運遠端在手機上簽核。

接著，李維運在「分析報表」頁面產出 ISO 27001 合規報告，此事件的完整稽核軌跡自動包含。

使用者情緒： 🟢 以前寫 PIR 要 2-3 天，現在 AI 30 秒就寫好了

涉及模組： Incident（PIR）、Analytics（ISO 27001 報告）

---

旅程成果

指標	以往（無 AI）	本次（AI 輔助）	改善
告警分類時間	30 分鐘（人工逐條看）	25 秒（AI 自動）	98%↓
根因定位	1-2 小時（問資深同事）	2 分鐘（AI 摘要）	97%↓
修復時間	1-2 小時（找 SOP + 試錯）	15 分鐘（按 AI 建議 + SOP）	85%↓
總 MTTR	2-4 小時	25 分鐘	90%↓
PIR 撰寫	2-3 天	30 秒（AI 草擬）+ 10 分鐘（人工補充）	99%↓
ISO 報告	3-5 天	10 分鐘（範本 + 自動填充）	99%↓
初階工程師能否獨立處理 SEV1	❌ 需等資深	✅ AI 引導下可獨立完成	—

---

涉及模組與 Story 對照

模組	Stories	說明
Integration	INT-001	Graylog + LibreNMS Webhook 接收
Incident	IN-001, IN-005, IN-006, IN-007, IN-009, IN-016	事件建立、AI 摘要、批次解決、結案、告警合併
AI Native	AIN-011, AIN-012, AIN-024	Correlation Agent、Triage Agent、結案摘要
AI Copilot	AIC-001, AIC-002, AIC-003, AIC-009	自然語言查詢、上下文感知、KB 搜尋、Graylog 查詢（Phase 2）
Knowledge	KB-008, KB-018, KB-031, KB-045	語意搜尋、SOP 推薦
Analytics	AN-009	ISO 27001 合規報告
Notification	NT-002, NT-003	Email/Toast/Slack/Webhook 通知
CMDB	CM-001	設備資訊查詢

---

Self-Healing 路線圖預覽

本次事件中的 AI 角色是 L1 通知（分析 + 建議，人工執行）。未來路線圖：

階段	AI 在本事件中的行為	條件
MVP (L1)	分析 + 建議「檢查 PSU」→ 王工程手動修復	現在
V1.5 (L2+)	建議「執行 PSU 健康檢查 Workflow」→ 王工程點確認	準確率 >85% 連續 30 天
V2.0 (L3)	偵測到 disk full → 自動執行 log 清理（Runbook 範圍內）	準確率 >90% 連續 60 天
V2.5 (L3+)	偵測到未知故障模式 → AI 自主判斷修復策略	長期目標