本番環境の問題から修正案まで：Grafana AIで自律的な運用を実現する

デプロイを終えたところで、サービスは稼働しているものの、一部のリクエストが遅くなっていることに気づき始めたとします。この遅延に対処するには、誰か（あるいは、チームの何人か）が、ダッシュボードを見て、その変化が重要かどうかを判断し、何が起きたかを調査し、調査結果を修正につなげる必要があります。

さらに、各ステップでコンテキストを集め、次の人やツールに、そのコンテキストを説明し直すことも少なくありません。そのサービスを担当するチームにとっては、こうした作業すべてが、本来取り組むべき開発の時間を奪っていきます。

Grafana CloudのGrafana Assistantを使えば、こうした一連の作業の多くを1か所で進められます。そのため、インシデントをより速く解決して、開発に戻れるようになります。差別化につながらない重労働の多くはAIが自動化しつつ、主導権はユーザーの手元に残ります。

Assistant Watchers（本日、ObservabilityCON 2026で一般提供を開始）は、気にかけている状態を継続的に見守る機能です。Assistant Investigations（一般提供）は、何が変わったのかについて証拠を集めます。そして、Grafana Managed Sandboxes（本日パブリックプレビューを開始）は、そのコンテキストを使って、制御されたクラウド環境で変更を準備し、チームがレビューできる具体的なものを用意します。この記事では、これらの機能を組み合わせて、オブザーバビリティ（可観測性）の成果を高める方法を見ていきましょう。

サービスを継続的に見守る

リリース後のチェックアウトサービスを考えてみましょう。デプロイ中に想定される短時間の中断は考慮しつつ、顧客が持続的なエラーや応答の遅延に遭遇していないかを知りたいはずです。

常時稼働のエージェントであるWatchersでは、その懸念を説明し、関連するデータソースを選択します。すると、Assistantが過去のテレメトリーを分析してベースラインを作り、チェックの基準を調整します。その後は、Watcherが定期的にシグナルを評価し、検出結果とその根拠となる証拠をあわせて報告します。

Watcherが重大な問題を見つけた場合は、Investigationsで自動的に調査を開始できます。Investigationsは、インシデントを深く掘り下げられるように設計されたエージェントです。これにより、定期的なヘルスチェックをAssistantに任せ、チームはほかの作業に集中できます。条件が明確で、確実に担当者を呼び出す（ページングする）必要がある問題は、これまでどおり既存のアラートが担います。Watcherは、サービスの状況を踏まえて変化を評価し、アラートを補います。

さらに、運用のテレメトリーのデータソースに加えて、Google BigQueryにも対応しています。そのため、Watcherの用途は、従来のオブザーバビリティのシナリオに限りません。ビジネス上のシグナルも監視できるので、企業全体で、収益に影響しうる重要な変化を把握できます。

証拠をそろえた状態で調査を始める

もちろん、通知は対応の始まりにすぎません。次に浮かぶのは、おなじみの疑問です。どのリクエストが影響を受けているのか。いつから挙動が変わったのか。データベースが関係しているのか、それとも別の依存先が遅くなっているのか。

Investigationsは、メトリクス、ログ、トレース、プロファイルを調べ、仮説を検証し、根拠となるソースのクエリを添えて調査結果をまとめます。そこから、対応担当者は証拠を確認し、新たにわかったことに応じて調査の方向を調整できます。

チェックアウトの例で、証拠が、あるリクエスト経路でのデータベース呼び出しの繰り返しを指していたとします。このとき、開発者への引き継ぎとして役立つ情報には、影響を受けたサービス、症状、その仮説を裏付ける証拠が含まれます。引き継ぎを受けた人は、コードの確認を始める手がかりを得られます。

調査結果を変更案につなげる

Managed Sandboxesは、リポジトリのコードとライブのテレメトリーを使って修正案を作るための、制御されたクラウド環境をAssistantに提供します。これにより、調査のコンテキストをコードベースに持ち込めます。関連するリポジトリを接続し、コーディングを有効にすると、エージェントはGrafanaのサンドボックス内で、コードを調べ、変更を準備し、利用できるチェックを実行できます。

この例では、データベースへのアクセスパターンを調べ、対象を絞った変更を準備し、回帰テストを追加するタスクが考えられます。Managed Sandboxesのリポジトリごとの環境には、プロジェクトのビルドとテストに必要なツールや依存関係を用意できます。

目指すべきは、Assistantが、チームが評価できるプルリクエストの案を作ることです。何を変更したのか、なぜそれが推定原因に対処するのか、どのチェックを実行したのか、まだ何を検証する必要があるのか、といった内容です。そうすれば、対応を始めた時点で調査はすでに進んでいます。根拠となるテレメトリーに加えて、ワークフローが進むにつれて、レビューすべき修正案もそろっていきます。

判断を見える形にし、主導権を保つ

テストに合格したことは有用な証拠ですが、チームは、リリースプロセスの一環として、本番環境で復旧したことを確認する必要があります。レビュー担当者は、診断が妥当か、提案された変更が適切か、どうデプロイするかを判断しなければなりません。ロールアウト後は、本番環境のテレメトリーで結果を確認し、再発がないか監視を続けられます。

これが、自律的な運用を実用的なものにします。定期的な観察、証拠の収集、変更の準備は任せつつ、何を本番環境に反映するかについての判断は、明確に手元に残すのです。Managed Sandboxes、Assistant Automations（定期的なタスクの実行用）、Watchersのどれを使う場合でも、どの部分を自分で確認するかを決められます。タスクによっては、Assistantに完全に任せることもできます。

この考え方は、ワークフローがうまく機能しているかを確かめるときにも役立ちます。たとえば、対応担当者がコンテキストを集める時間は減ったか、開発者は行動に移せるだけの証拠を受け取れているか、提案された変更はレビューしやすくなったか、といった観点で振り返ってみてください。

1つのサービスから始めて、広げていく

同じレベルの自動化は、今日からAssistantで実現できます。まずは、チームがリリース後に手作業で見守っているサービスを1つ選びます。重要な挙動を定義し、Watcherを調整して、その検出結果を確認してください。必要に応じて、調査へのエスカレーションも設定しましょう。

次に、Managed Sandboxesが有効な環境では、関連するリポジトリを接続し、レビューの結果がはっきりする、範囲を絞ったタスクを試してみてください。最初は、チームが理解している問題から始めます。実行のたびに、チェック、コンテキスト、検証を改善していきます。結果に自信が持てるようになったら、任せる作業を広げていきましょう。

経験を積み、自分たちに合った進め方が見つかったら、好きなように規模を広げられます。Assistantの機能は、すべて連携できます。たとえば、Automationsを使ってManaged SandboxesやInvestigationsを設定したり、最新のインシデントの結果についてSlackでチャットしたり、過去30日間のすべてのアラートを定期的に分析して、うまく機能していないアラートを改善したりできます。

ぜひAssistantを活用して、チームの運用に合った自動化を進めてみてください。

ObservabilityCON 2026が開幕しました！ 主要な発表をまとめたブログ記事もチェックしてください。

Grafana Cloudは、メトリクス、ログ、トレース、ダッシュボードなどを始める最も簡単な方法です。私たちは、充実した永久無料枠と、あらゆるユースケース向けのプランを用意しています。今すぐ無料でアカウントを作成しましょう！