AI時代のSREとオブザーバビリティ / SRE and Observability in the AI Era

Road to SRE NEXT 2026 @福岡（2026-03-13）での発表資料です。

AI は SRE を楽にしてくれるのか。結論から言うと、効くのは Observability という武器が揃っているチームだけです。OpenTelemetry でテレメトリーを標準化し、SLO / Error Budget で信頼性を数値にし、Burn Rate で運用する。その土台があって初めて CloudWatch Investigations や DevOps Guru、DevOps Agent といった AI が力を発揮します。Toil を測って減らすところから始める話をします。

Transcript

1. OSEKKAI × TECHNOLOGY AI時代のSREとオブザーバビリ ティ Road to SRE NEXT 2026 @福岡 2026.03.13 Fusic Co.,Ltd. 清家 史郎 (@seike460)
2. 自己紹介 OSEKKAI × TECHNOLOG Y 清家 史郎 (@seike460) SHIRO SEIKE Principal Engineer / Evangelist ・AWS Community Builder (Serverless) — コミュニティ ・JAWS-UG 福岡 運営 2 ©Fusic Co., Ltd.
3. SREとは — エンジニアリングで信頼性を守る "What happens when you ask a software engineer to design an operations team" — Ben Treynor Sloss 運用 50%以下 / エンジニアリング 50%以上（超えたらDevに返す） 3 ©Fusic Co., Ltd.
4. AI × SRE — 期待と現実 AIOpsを本番運用: わずか4%（LogicMonitor 2026調査） 59%がテレメトリーデータに圧倒され答えを得られていない 4 ©Fusic Co., Ltd.
5. Observability = SREの武器 Monitoring: 既知の問題 を検出 → Observability: 未知の問題 を発見 Traces / Metrics / Logs でテレメトリーを 構造化 する Traces リクエストの経路 Observability Metrics 数値の推移 Logs イベント記録 5 ©Fusic Co., Ltd.
6. OTelでテレメトリーを標準化する OTLP で計装を標準化 → バックエンド非依存 ADOT Collector → X-Ray / CloudWatch / Datadog に振り分け 6 ©Fusic Co., Ltd.
7. SLO / Error Budget — 信頼性を数値にする SLI (Service Level Indicator): サービス品質の指標 = 良いイベント / 総イベント SLO (Service Level Objective): SLIの目標値（99.9% = 月 43.2分 許容） Error Budget: 1 - SLO = イノベーションに使える 失敗の予算 SLI 99.95% 可用性 SLO 99.9% 目標 残あり 機能 リリース 枯渇 変更凍結 信頼性優先 Error Budget 43.2 月 分 7 ©Fusic Co., Ltd.
8. Burn Rateで SLOを「運用する」 Datadog SLO: Burn Rateアラート + Error Budget消費の可視化 CloudWatch Application Signals: SLO宣言的設定 + 自動追跡 OTel 自動計装 SLI 自動収集 高速消費 Paging 中速消費 Ticket Burn Rate 消費速度 8 ©Fusic Co., Ltd.
9. Toil — 測って、減らす Toilの定義: 手動 / 反復 / 自動化可能 / 反応的 / 永続的価値なし Google SRE: 平均 33%、上限50%（超えたらDevに返す） 50% SRE 以上 の時間 Engineering 50% 以下 Toil 手動・反復作業 自動化で削減 ツール開発・自動化 9 ©Fusic Co., Ltd.
10. 武器が整えば、AIが効く テレメトリーが 構造化 されて初めて、AIは答えを出せる OTel + SLO + Toil計測 = AIが効く土壌 Observability 基盤 構造化データ AI 分析 自動化 Toil 削減 Engineering 時間確保 10 ©Fusic Co., Ltd.
11. CloudWatch Investigations GenAIベースの調査アシスタント（2025年6月 GA） アラーム → 自動調査 → 5 Whys → Runbook提案 11 ©Fusic Co., Ltd.
12. DevOps Guru — 予兆検知でToilを先回り MLベースの異常検知: Reactive + Proactive Insights Toilの「反応的」特性をAIで先制する 12 ©Fusic Co., Ltd.
13. DevOps Agent — 自律的SREの始まり re:Invent 2025 フロンティアエージェント（Public Preview） 根本原因自動特定 + Datadog / PagerDuty 統合 13 ©Fusic Co., Ltd.
14. 業界のMTTR改善データ AI導入企業: MTTR 50-70%短縮、アラート誤検知 60-80%削減（incident.io調査） Intercom: 修復案の生成 30分 → 30秒 After (AI) アラート 分析 秒 AI 30 修復 14 ©Fusic Co., Ltd.
15. AI時代だからこそ Observabilityという武器を手に 15 ©Fusic Co., Ltd.
16. 今日から始める3つのステップ OTelで計装する — 自動計装でテレメトリーを構造化する SLOを1つ定義する — Datadog or Application Signalsで可用性SLO CloudWatch Investigationsを有効化 — 基盤の上にAIを載せる 16 ©Fusic Co., Ltd.
17. まとめ Observabilityは SREの武器。OTelで構造化し、SLOで数値にする 武器なしにAIを振り回しても、59%の「データに溺れる」側になる 基盤を整えれば、AIはToilを削減し Engineering時間を取り戻す AI時代だからこそ、Observabilityの基盤を整えよう 17 ©Fusic Co., Ltd.
18. Thank You 18 ©Fusic Co., Ltd.