インシデントの"重さ"を数値化する - Severity Indexの設計と実装例

SEV1からSEV4またはSEV5までのラベルだけで、深刻さやインシデントの傾向を語れますか？これらのラベルは序数尺度であり、単純な件数集計では「SEV1が1件、SEV2が3件、SEV3が10件、どれが最も深刻か」に答えられません。
さらには、同じSEVレベルでも条件によって実際に受ける影響度が異なるケースも存在することが浮き彫りになってきました。

本セッションでは、各SEVラベルへの重み付与 + 条件による加重の仕組みによるSeverity Indexの設計と、それを活用した統計的異常検出の実装を共有します。
さらに、月次変化率によるトレンド判定、再発率の検出ロジックなど、複数の定量メトリクスをPythonで事前計算し、LLMのプロンプトに注入するアーキテクチャを解説します。
「LLMに計算させない」設計判断の背景と、事前計算メトリクスがレポート品質をどう向上させたかを実コードベースで示します。