本文へ移動
Harch AI Lab AI Learning & Research Mediapowered by Artiql Inc.

AI SRE(AIによるサイト信頼性エンジニアリング)とは・意味、調査の流れ・主なサービス・研究

AI SRE(AIによるサイト信頼性エンジニアリング)とは?

AI SRE(AIによるサイト信頼性エンジニアリング)とは、システムを安定して動かすSREの仕事のうち、障害を知らせるアラートの調査や原因の特定、復旧の手当てなどをAIエージェントに担わせること。そうした仕事をするAIエージェントや道具そのものも指す。英語では「AI SRE」と表記する。

調査会社の Gartner は2026年1月の報告書の要旨で、この分野の道具を「AI SRE tooling」と呼んだ。Datadog は同じ考え方の製品を「Bits AI SRE」の名前で出し、アラートを調べて根本原因を数分で示すAIエージェントと説明した。2026年11月時点の名前は「Bits Investigation」だ。

本番のシステムで障害が起きたとき、オンコール(当番で呼び出しに応じる担当)の技術者は複数の監視の道具のデータを調べ、直前のデプロイを見直し、対応のチームをまとめなければならないと、AWS は説明している。

Azure SRE Agent や Bits AI SRE は、アラートが出ると自ら調査を始める。Datadog は、オンコールの担当者がログインする前に結論を届けると説明している。

元になったSRE(サイト信頼性エンジニアリング)の考え方

SRE は「Site Reliability Engineering」の略で、日本語では「サイト信頼性エンジニアリング」と呼ばれる。Google Cloud は日本語のページで、SRE を、信頼性の高い本番のシステムを動かすための職務や考え方、技術の手法の集まりと説明する。その原則は Google が開発したものだという。

Google の Benjamin Treynor Sloss 氏は、同社の SRE の本の序章で、SRE とはソフトウェアエンジニアに運用チームの設計を任せたときに生まれるものだと説明した。2003年に Google に入った同氏は、技術者7人からなる「Production Team」を任された。このチームがのちに、本が書かれた時点の Google の SRE チームになったという。

SRE のチームは一般に、担当するサービスの可用性、応答の速さ(レイテンシー)、性能、効率、変更の管理、監視、緊急時の対応、容量の計画を受け持つと、同氏は同じ序章で説明している。Google は、チケットや当番の対応、手作業などの運用の仕事を、SRE の時間の50%までに抑えている。残りの時間は開発の仕事に充てるのが、同社の目安だ。

Google は、本番のサービスの運用に結びついた仕事のうち、手作業で繰り返し起き、自動化できるといった性質を持ちがちな仕事を「toil」と呼ぶ。toil は割り込みで始まる受け身の仕事になりやすく、長く残る価値がなく、サービスの大きさに比例して増える傾向がある。ただし Google は、toil とされる仕事がこれらの性質をすべて持つとは限らないとしている。

Microsoft は Azure SRE Agent の発表で、本番の環境の管理の toil を和らげるとした。AWS は AWS DevOps Agent の一般提供の発表で、toil の負担をなくすとうたっている。

AI SREの調査の流れと人の承認

Microsoft の説明書では、Azure SRE Agent はアラートを受けてから次の順に動く。

Azure SRE Agent のアラートを受けたあとの流れMicrosoft Learn の説明(2026年10月の版)をもとに整理
1
アラートを受け取るPagerDuty、ServiceNow、Azure Monitor のアラートから知らせを受ける障害対応の道具をつないでおく
2
関連する信号を調べる監視の道具に問い合わせ、関連するデータを集めるApplication Insights や Log Analytics、つないだ監視の基盤が対象
3
原因の仮説と緩和策を出す根本原因の仮説を作り、緩和策を提案する
4
要約と承認の操作を残すチケットや障害対応の連絡の場に、調査の要約と緩和策の案、承認の操作を書く
5
緩和策を実行する実行の方式で動きが変わるレビューの方式では、承認が必要な書き込みの操作を管理者が承認してから実行する。自律の方式では待たずに実行する
出典:Microsoft「Overview of Azure SRE Agent」(2026年10月28日更新)

緩和策をエージェントが自分で適用するかどうかは、利用者が決める実行の方式で変わる。レビューの方式では、承認が必要な書き込みの操作を管理者が承認してから実行する。自律の方式では、承認を待たずに実行する。どの方式でも、エージェントが使おうとする道具の呼び出しは、組織が定めた管理の仕組みを通る。人がAIの作業の流れに直接関わる形は、一般にヒューマン・イン・ザ・ループと呼ばれる。

Datadog の Bits AI SRE は、ランブック(障害時の対応の手順書)やテレメトリ(システムから集める稼働のデータ)などを分析し、原因の仮説を立てる。そのうえで自分の調査結果を確かめ、結論を外部の共同作業の道具に届ける。

Datadog は今の製品のページで、この製品を「always-on」の SRE エージェントと呼んでいる。利用者が話しかけていない間も仕事を進めるAIエージェントは、一般に常時稼働エージェントと呼ばれる。

AWS の AWS DevOps Agent は、メトリクスやログから GitHub や GitLab の直近のデプロイまで、運用の道具のデータを関連づける。そのうえで、ありうる根本原因を示し、緩和策を勧める。

AI SREの主なサービスと提供状況

サービス 提供元 主な役割 提供の状況と条件
Azure SRE Agent Microsoft アラートを受けて調査し、原因の仮説と緩和策を示す。設定によっては緩和策を実行する 2026年3月10日に一般提供を始めた。料金は Azure Agent Unit(AAU)で量る従量制
AWS DevOps Agent AWS インシデントの解決と予防のほか、求めに応じて SRE の作業も処理する 2026年3月31日に一般提供を始めた。料金はエージェントが作業した時間の秒単位の課金。一般提供の時点で、東京を含む6つのリージョンで使えた
Bits Investigation(発表のときの名前は Bits AI SRE) Datadog アラートが出た時点で調査を始め、ありうる根本原因を示す Bits AI SRE の名前で、2025年12月2日にすべての利用者への一般提供を発表した。製品のページは無料の試用を案内している

※2026年11月時点

AI SREが注目されるようになった背景

Microsoft は2025年5月に Azure SRE Agent を紹介した記事で、SRE の担当者から、繰り返し起きる障害の対応やログの分析が大きな負担になっていると聞いたと記した。

AWS は2025年12月に、オンコールの技術者は原因の特定を急ぎながら関係者への連絡も求められると説明した。サービスを戻したあとも、チームには障害の学びを改善につなげる余裕がないことが多いという。

Gartner は2026年1月の報告書の要旨で、組織は SRE の実践を取り入れる費用を正当化するのに苦労していると指摘した。同社は、インフラと運用の責任者が AI SRE の道具を評価し、投資すべきだとしている。目的には、SRE の導入の費用を下げることなどを挙げている。

同社は2025年8月の報告書の要旨で、AIが SRE を受け身の仕事から先回りして守る仕事に変えているとも述べた。2026年7月の報告書の要旨で同社は、3年をかけてAIを前提とした SRE に移る道筋を示した。人が主導する統制、繰り返しの学び、段階的な自律を重んじるという。

AI SRE を名乗るスタートアップでは、Traversal が2026年11月に、評価額10億ドルで1億2,000万ドルを調達したと発表した。同社はコーディングエージェントでコードが増えたことで、本番のシステムで扱う複雑さも増したとみている。

AI SREに関する主な出来事・ニュース

AI SREに関する事例・研究

Microsoft は自社で1,300超のエージェントを動かしていると公表

Microsoft は2026年3月の一般提供の発表で、自社のサービスで Azure SRE Agent を動かしていると明かした。同社によると、動かしているエージェントは1,300を超え、緩和したインシデントは3万5,000件を超える。技術者の作業の時間は2万時間以上減ったという。

数字はいずれも Microsoft 自身の集計で、どう数えたかは発表に書かれていない。チームの事情に深く根ざしたエージェントほど役に立つことが、数百のプレビューの顧客の声から分かったと、同社は同じ発表で述べている。Microsoft はこれを一般提供の版の設計に生かした。

SREGymの試験では原因の特定の成功は4〜7割

イリノイ大学アーバナ・シャンペーン校とトロント大学の Jackson Clark 氏らは、2026年5月に公開した論文で、AI SRE のエージェントを試す環境「SREGym」を示した。クラウドで動くシステムに障害をわざと起こし、エージェントに原因を探させて手当てまでさせる。問題は90あり、無関係の雑音や、関連し合う複数の障害なども再現する。

試したのは、SRE 用のエージェント Stratus と、コーディングエージェントの Claude Code と Codex だ。モデルは Claude Sonnet 4.6、GPT-5.4、Kimi K2.5 を使い、1つの問題を3回ずつ解かせた。組み合わせごとに見ると、原因を正しく特定できた割合は38.1%〜72.6%、障害を緩和できた割合は40.4%〜78.5%だった。

既存のベンチマークから移した34の問題に比べ、SREGym だけにある13の新しい種類の障害では、成績が大きく落ちた。雑音のない条件で、原因の特定と緩和の両方に成功した割合は、Claude Code で60.8%から28.2%に下がった。

サーバーの1台(ノード)で、読み取りの処理に断続的な誤りを起こした問題では、Stratus と Claude Code はどの回も原因をアプリケーションの誤りの処理に求めた。著者らによると、試したエージェントはどれも、最初に見つけたもっともらしい異常をいつも目当ての障害とみなしていた。その異常が雑音のこともあった。

長く続く運用の試験では修復まで届くことはまれ

トロント大学などの Yifang Tian 氏らは2026年9月に公開した論文で、障害が重なって続く中で対応させる試験「SRE-Marathon」を示した。2つの区域で動く Kubernetes の環境で、1回の試験に約60の障害を重ねて起こす。Kubernetes は、多くのコンテナをまとめて動かす仕組みだ。

AIを使う方法には Kimi K2.5 と GPT-5.6 Luna を使い、ルールに基づく方法を含む10の方法を比べた。2つのモデルはどちらも最も性能の高いモデルではなく、費用を重んじて選んだものだという。いちばん良い方法でも、100点のうち41.3点にとどまった。

著者らは、エージェントは障害を関連づけて場所を突き止めることは多いが、障害が続いている間に修復を終えることはほとんどないとしている。

AI SREに任せる範囲と効果の数字の読み方

緩和策の自動の実行は利用者が設定で選ぶ

Microsoft は Azure SRE Agent の一般提供の発表で、推奨にとどめる形から決めた範囲での自動の対応まで、任せる度合いをチームが選べると説明している。

SREGym の研究では、原因の特定を誤ったまま、知られた症状に合う手当てで障害を緩和することがよくあった。障害が収まっても、エージェントが原因を理解していたとは限らない。

時間の短縮などの数字は提供元の発表による

AWS は一般提供の発表で、プレビューの顧客やパートナーが、障害の解決までの平均の時間(MTTR)が最大75%短くなったと報告したと記している。こうした数字は、提供元が顧客の報告を集めたもので、調べ方は示されていない。

研究の数字も、それぞれの試験の条件での値だ。SREGym の著者らは、エージェントの力が障害の種類で大きく違い、原因の特定と緩和の両方の成功では最大で40%の差が出たとしている。

AI SREの言い方

表記 意味 使用主体
AI SRE SRE の仕事をするAI、またはその道具 Traversal、Datadog(製品名の Bits AI SRE)など
AI SRE tooling AI SRE の道具。Gartner は SRE の導入の費用を下げる手段に挙げる Gartner
AI-Augmented SRE AIで補強した SRE Gartner
agentic SRE(agentic Site Reliability Engineering) AIエージェントが本番のシステムの障害を診断し、緩和すること Clark 氏ら
SRE agent SRE の仕事をするAIエージェント Microsoft、Clark 氏ら
autonomous SRE 成果に応じて範囲を広げる、自律した SRE Gartner

AI SREに関連する用語

AI SREに関する出典

Gartner(Daniel Betts ほか)「Market Guide for AI Site Reliability Engineering Tooling」(2026年1月26日)
Datadog「Datadog Launches Bits AI SRE Agent to Resolve Incidents Faster」(2025年12月2日)
Microsoft「Introducing Azure SRE Agent」(2025年5月19日、11月17日更新)
Microsoft「Overview of Azure SRE Agent」(2026年10月28日更新)
AWS「AWS DevOps Agent helps you accelerate incident response and improve system reliability (preview)」(2025年12月2日、2026年3月31日更新)
AWS「Announcing General Availability of AWS DevOps Agent」(2026年3月31日)
Jackson Clark ほか「SREGym: A Live Benchmark for AI SRE Agents with High-Fidelity Failure Scenarios」(2026年5月8日、7月30日改訂、arXiv)
Google Cloud「Site Reliability Engineering (SRE) | Google Cloud」
Benjamin Treynor Sloss「Introduction」(Google「Site Reliability Engineering」)
Vivek Rau「Eliminating Toil」(Google「Site Reliability Engineering」)
Gartner「Innovation Insight: AI-Augmented SRE」(2025年8月28日)
Gartner「2026 Strategic Roadmap to Autonomous Site Reliability Engineering」(2026年7月31日)
Traversal「Traversal Raises $120M Series B to Close the Outer Loop」(2026年11月3日)
Microsoft「Announcing general availability for the Azure SRE Agent」(2026年3月10日、4月10日更新)
AWS「AWS DevOps Agent is now generally available」(2026年3月31日)
Datadog「Bits Investigation」
Datadog「Meet the new Bits Investigation: Deeper reasoning, twice as fast」(2026年3月5日)
Yifang Tian ほか「SRE-Marathon: A Continuous, Change-Driven Benchmark for Autonomous Site Reliability Agents」(2026年9月26日、arXiv)

AI SREに関連する記事