アラートの起点を、プログラムエラーからユーザー影響へ ― 開発・SRE・Platformで進める段階的な運用移行

ある開発チームでは、プログラムエラーを起点にアラートを送っています。発報時点では、問題のないエラーか、ユーザー影響を伴う事象かを判別できず、対応要否は当番者の判断に委ねられています。調査の結果、問題なしとなるケースも多く、繰り返される対応がアラート疲れを招いています。しかし、影響の見逃しを避けるため、一度に廃止することもできません。

現在は、開発チームのサービス知識をもとに、Platformチームが提供しているアラート調査エージェントで定型調査を支援しています。並行してSREは、複数のシグナルからユーザー影響を捉える通知設計と段階的な移行を進めています。

また、このエージェントを既存アラートの調査だけでなく、ユーザー影響を捉えたアラートの調査にも適用することを見据えています。既存運用の効率化にとどめず、新しいアラート運用への移行にも活かしていきます。

本セッションでは、従来の調査手順をエージェントで実行可能にする取り組みと、開発・SRE・Platformが専門性を持ち寄り、現場の負荷を抑えながらユーザー影響を起点としたアラート運用へ移行する過程を紹介します。