事例の要約
- 課題
- 本番環境でエラーが起きるたびに、技術者がログの確認、コードの調査、課題の起票、修正を手作業で行っていた。一次調査だけで毎回かなりの時間がかかり、エラーが頻発する環境では同じ手間が繰り返し発生していた。
- 取り組み
- アラートを共通の仕組みで受け取り、過去の類似アラートと照合して、同じ原因のものはAIを動かさずに関連課題を返す。
新しいアラートは各製品のAIエージェントに渡し、製品チームが書いた調査手順に沿ってログ、コード、監視データを調べさせる。
AIは調査開始、原因候補、完了の段階ごとに元のチャットのスレッドへ報告し、必要な場合だけ課題を起票する。
修正に進むかは人が判断する。 - 成果
- 多くのアラートが、チャットでの報告を読んだ時点で対応を終えられるようになった。
調査手順を具体的に書き込むことで、1件あたりの調査時間が導入初期よりさらに短くなった。
原因を特定できなかった場合も調査済みの範囲が残り、人が途中から引き継げるようになった。
1製品から始め、複数の製品に展開した。