• AWSのKiroチームが、深夜2時33分の本番障害をAIエージェントが13分35秒で原因特定した実例を公開
  • 1か月で250件の調査を担当し、完了までの中央値は13.6分。月額コストは「最上位プラン9契約分」
  • AIの操作の96.9%は「読むだけ」。本番への書き込み・チケットのクローズ・重大度の変更は人間専用
  • AWS DevOps Agentは2026年3月31日に一般提供開始、東京リージョン対応、料金は1分あたり約0.5ドル（約80円）
  • Datadog、Resolve AI、PagerDutyなど「AI SRE」市場は競争が激化。日本の運用現場にも直結する話

夜中に鳴るアラートで叩き起こされた経験はありませんか。サーバーが落ち、原因もわからないまま画面とにらめっこする数時間。そんな「深夜の一次調査」を、AIが13分で終わらせた記録が公開されました。人間に残された仕事は、たった一言の判断だけです。

深夜2時33分、AIが13分35秒で原因を突き止めた

2026年8月21日、AWSの開発ツール「Kiro」チームが1本のブログを公開しました。タイトルは「AIエージェントに本番障害のトリアージを任せるまで」。

トリアージとは、運ばれてきた患者を「重症か軽症か」と素早く仕分ける医療の言葉です。ITでは、障害時に「何が原因で、どこまで影響が出ているか」を最初に切り分ける作業を指します。

記録されたのは、2026年8月16日の午前2時33分（米国太平洋時間）。

データの流れが止まったことを知らせるアラームが鳴りました。動き出したのは人間ではなく、AIエージェントです。

13分35秒後の午前2時46分、AIは診断結果をチケットに書き込みました。「ストリームが静かに停止している。原因は本番のバグか、容量のスケーリングのどちらか。顧客に影響が出ている。ほかの可能性はすべて除外済み」。

そして当番のエンジニアが打ち込んだのは、たった一文でした。「エスカレーションを出して」または「本番のバグに対処して」。それだけです。

AIは5つのステップで調べていた

AIは行き当たりばったりに調べたわけではありません。決められた順番で進みます。

  • Orient（状況把握）：どのアラームが、いつ鳴ったのかを確認する
  • Measure（計測）：普段の数値と比べて、どれくらい異常なのかを測る
  • Classify（分類）：障害の種類を切り分ける
  • Rule out（除外）：「これが原因かもしれない」という候補を1つずつ潰す
  • Publish（報告）：証拠つきの診断をチケットに書き込む

ポイントは4番目の「除外」です。Kiroチームは、AIが結論を言う前に競合する仮説をすべて検証して潰すことをルールにしました。

「たぶんこれです」で終わらせない。「ほかの可能性はこの証拠で消えました」まで言わせる。だから人間は結論を検証できます。

月250件を処理、コストは「サブスク9契約分」

特別な1回だけの成功なら話題にはなりません。公開された数字は、これが日常的に回っていることを示しています。

代表的なある1か月で、AIエージェントは250件の調査を担当しました。完了までの時間は中央値で13.6分です。冒頭の13分35秒は、たまたま速かった例ではなく平均的な速さだったことになります。

気になるのは費用です。Kiroチームは月額コストを「最上位プランのサブスクリプション9契約分に相当する」と表現しました。エンジニア1人の人件費とは桁が違います。

ただし放っておけば済む話ではありません。Kiroチームは「支出は自制心ではなく構造で抑える」と書いています。セッションの制限時間、行き詰まりの検知、同時実行数の上限。単純な作業は安いモデルに振り分け、判断が必要なところだけ3社のモデルで多数決を取ります。

週1回、AIは自分の失敗から学び直す

もうひとつ興味深いのが改善のサイクルです。調査 → 記録 → 集約 → 進化 → スキル追加、という5段階を毎週回しています。

エンジニアがAIの誤りを訂正すると、その訂正は1回保存されるだけで以降すべてのセッションに自動で反映されます。同じ間違いを2度させない仕組みです。

AIが持つ「手順書」は、107本のマークダウン形式のスキルとして管理され、必要なときだけ読み込まれます。

失敗談も正直に書かれています。中断されたセッションが生のチケットコメントを「学んだこと」として保存し、後続のAIがそれを教訓だと勘違いして学習した事例です。

AIにやらせないことを、先に決めた

この事例で本当に重要なのは、スピードではありません。「AIに何をさせないか」を先に決めたことです。

Kiroチームによると、AIの操作の96.9%は「読むだけ」の操作でした。ログを読む、アラームの状態を見る、過去の調査記録を検索する。どれも安全で、間違えても元に戻せる操作です。

そのうえで、AIに禁じられていることが明確に列挙されています。

  • 本番システムへの書き込み
  • チケットのクローズや重大度の変更（人間だけの権限）
  • 管理者権限の要求（既定でエラーになる）
  • 人間のレビューなしでのしきい値変更
  • 申告した範囲を超える認証情報へのアクセス

認証情報は毎回そのセッション専用に発行され、宣言したタスクの範囲だけに絞られます。1つのセッションが乗っ取られても、そこから横に広がれない設計です。

「自律性の設定は1つのスイッチではない。すべての行動にそれぞれのルールが必要だ」。Kiroチームのこの言葉が、設計思想を端的に表しています。

AWS DevOps Agentは1分約80円、東京でも使える

Kiroの事例は社内での使い方ですが、同じ発想の製品はすでに一般向けに出ています。

AWS DevOps Agentは、2026年3月31日に一般提供が始まりました。障害を検知し、原因を突き止め、対処案を出すところまでを自動でこなします。「24時間いつでも働くSRE（サービスの安定稼働を担当するエンジニア）」という位置づけです。

プレビュー期間の実績として、AWSはMTTR（障害から復旧までの平均時間）が最大75%短縮、調査速度が最大80%向上、根本原因の特定精度が94%という数字を公表しています。ある大学では、本番障害の復旧時間が2時間から28分に縮んだといいます。

料金は1エージェント秒あたり0.0083ドル。1分だと約0.498ドルで、1ドル160円換算なら1分あたり約80円、1時間で約4,800円です。秒単位の課金なので、実際に動いた時間だけの支払いになります。

注意点もあります。調査中はCloudWatch Logsへの問い合わせやX-Rayのトレース取得が走るため、その分のAWS利用料は別途かかります。エージェントの料金だけを見て予算を組むと足が出ます。

提供リージョンはGA時点で6つ。北米のバージニア北部とオレゴン、欧州のフランクフルトとアイルランド、そしてアジアのシドニーと東京です。日本のシステムでも、データを国外に出さずに使えます。

競合と何が違う？AI SRE市場の勢力図

「障害対応をAIに任せる」という発想は、AWSの専売特許ではありません。2026年に入って、この分野は一気に激戦区になりました。

  • Datadog「Bits AI SRE」：監視ツール大手の24時間対応エージェント。根本原因の特定が90%速くなるとうたう。Datadogの監視データと密接に結びついている点が強みであり、制約でもある
  • Resolve AI：Datadog、Grafana、New Relic、PagerDutyなど、すでに使っているツールに後から乗せられるのが特徴。Coinbaseで重大障害の調査時間が72%減、DoorDashでは調査が87%高速化したと公表
  • PagerDuty AIOps：アラートの「鳴りすぎ」を最大91%減らす方向のアプローチ。原因を探る前に、通知の洪水を止める
  • Azure SRE Agent：Microsoft版。Azure環境に最適化
  • AWS DevOps Agent + Kiro CLI：調査だけで終わらず、修正のプルリクエスト作成まで進める点が独自

大きな分かれ目は「監視ツールに紐づくか、独立しているか」です。Datadogで全部そろえている会社ならBits AIが素直です。複数のツールが混在しているなら、Resolve AIのような後付け型が現実的でしょう。

そしてAWSの構成は、もう一歩踏み込んでいます。DevOps Agentが原因を特定すると、EventBridgeが結果をKiro CLIに流し、Kiro CLIが修正コードを書いてプルリクエストを作ります。人間の手作業として残るのは、プルリクエストのレビューだけです。

日本の運用現場にとって、これは何を意味するか

この話が日本で刺さる理由は、人手不足です。

経済産業省の試算では、2030年に最大約79万人のIT人材が不足するとされます。2026年時点でも40万〜50万人規模の不足が指摘されています。転職サービスdodaの2026年1月のレポートでは、IT・通信分野の求人倍率は6.70倍。求職者1人を6〜7社が奪い合う状態です。

特に採りにくいのがSRE・DevOps系の人材で、年収レンジは700万〜1,000万円と見られています。採用競争に勝てなければ、夜間のオンコール当番は少人数で回すしかありません。

ここで具体的な場面を想像してみてください。

地方の中堅ECサイトを運営する会社で、インフラ担当は2人だけ。土曜の深夜、決済処理が詰まりはじめます。呼び出されたエンジニアは寝ぼけた頭でログを開き、デプロイ履歴を追い、外部の決済APIを確認し……原因にたどり着くのは明け方です。

もうひとつ。社内システムを運用する情報システム部門で、担当者が1人退職しました。残った担当者は、日中の問い合わせ対応をしながら夜間アラートも受けます。アラートが鳴っても最初の30分は状況把握に消えるため、実質的な対処が始まるのはいつも遅れます。

3つ目は逆のケースです。監視を強化しすぎてアラートが1日200通届くSaaS企業では、担当者が慣れてしまい本当に危ない通知を見落とします。PagerDutyが「まず通知を減らす」方向に投資しているのは、この問題が深刻だからです。

どのケースでも、AIが肩代わりできるのは「調べる」部分です。判断と責任は人間に残ります。Kiroチームがチケットのクローズを人間専用にしているのは、そこが線引きだからです。

導入前に確かめておきたいこと

まず、AIに読ませる材料がそろっているか。Kiroの事例が回っているのは、107本の手順書と過去の調査記録という「教科書」があるからです。手順が担当者の頭の中にしかない組織では、AIも同じところでつまずきます。

次に権限の設計です。読み取り専用から始め、書き込みは人間の承認を挟む。この形をどう作るかを契約前に決めておく価値があります。

よくある質問（FAQ）

Q. AIが原因を間違えたら、誰が責任を取るのですか？

A. 現状の設計では最終判断は人間が下します。AIは診断を書き込むだけで、チケットのクローズや重大度の変更はできません。AWS DevOps AgentとKiro CLIの組み合わせでも、デプロイ前のプルリクエストレビューは人間が必須です。AIは「調べて報告する係」で、決定権は持ちません。

Q. AIが勝手に本番環境を壊してしまう心配はないですか？

A. Kiroの構成では、AIのセッションは既定で読み取り専用の権限しか持ちません。管理者権限の要求はエラーとして弾かれ、認証情報はセッションごとに発行されて範囲も限定されます。ただしこれは設計の話なので、自社で同じ制限をかけられるかは導入時の確認事項です。

Q. 小さい会社でも使えますか？費用はどれくらいですか？

A. AWS DevOps Agentは秒単位の課金なので、使った分だけの支払いです。1分あたり約0.498ドル（1ドル160円換算で約80円）。障害調査が1回15分なら、エージェント料金は1回1,200円ほどの計算になります。ただし調査中に走るログ検索などのAWS利用料は別にかかるため、少し余裕を見ておくのが安全です。

Q. 日本語で使えますか？国内リージョンはありますか？

A. AWS DevOps Agentは一般提供の時点で東京リージョンに対応しています。データを国外に出したくない要件がある企業でも検討できます。日本語での対話については、公式に明示された仕様が限られているため、実際の運用は検証してから判断するのが確実です。

Q. エンジニアの仕事はなくなりますか？

A. Kiroの事例が示しているのは、なくなるのは「調べる作業」であって「決める仕事」ではないという点です。当番のエンジニアがやったのは、AIがまとめた報告を読み、提示された判断ポイントを検討し、一言で方針を決めることでした。求められる力は、ログを追う速さから、報告の妥当性を見抜く力に移っていきます。

まとめ

  • AWSのKiroチームが、深夜2時33分の本番障害をAIが13分35秒で原因特定した実例を2026年8月21日に公開した
  • 1か月で250件の調査を担当し、完了時間の中央値は13.6分。月額コストは最上位サブスク9契約分に相当
  • AIの操作の96.9%は読み取り。本番書き込み・チケットクローズ・重大度変更は人間だけの権限として明確に禁止
  • AWS DevOps Agentは2026年3月31日にGA。1分約0.498ドル（約80円）、東京リージョン対応。プレビューではMTTR最大75%短縮
  • Datadog、Resolve AI、PagerDuty、Azureも参入し、AI SRE市場は競争が激化している
  • 日本ではIT人材が2030年に最大79万人不足する見込みで、夜間対応の自動化ニーズは特に高い

まずは自社の障害対応手順が文書として残っているかを点検してみてください。AIに任せられるかどうかは、そこで決まります。

参考文献