HigLabo
Latest posts
Datadog AI Agents拡張で何が起きた？ SREが止まる「実行権限」の難しさを解説
Datadog AI Agents拡張で先に問われるのは、分析精度より暫定回避策の実行権限
DatadogのAI Agents拡張は、監視データを読むだけでなく、障害対応の流れをAIがどこまで支援できるかを一段先へ進めるニュースとして注目されました。
結論から言うと、今回の論点は「AIが原因を見つけられるか」だけではありません。むしろ本番導入で先に問題になるのは、誰が暫定回避策を実行してよいのか、AIにその権限をどう渡すのか、という運用設計です。
Datadogは2026年のDASH関連発表で、Bits AIの新機能群や、AIエージェントによる調査や操作の支援につながる仕組みを案内しました。少なくともDatadogは、AIが調査や提案を担う範囲を広げる方向を示したと見られます。
この記事では、Datadog AI Agents拡張で何が起きたのかを整理します。そのうえで、なぜSRE責任者、プラットフォームエンジニア、IT運用責任者、MLOps責任者が、自動原因分析よりも実行権限で止まりやすいのか、どんな操作が危険なのか、今後どんな承認設計が重要になるのかを順番に見ていきます。
監視ツールは「異常検知」から「状況理解と対応支援」へ進んでいる
今回のAIニュースで重要なのは、監視ツールが単なる異常検知から、状況を理解し、対応案まで出す方向へ進んでいる点です。
Datadogのような監視基盤は、ログ、メトリクス、トレースを横断して障害の原因候補を絞るのが強みです。今回の拡張も、その文脈をさらに活用し、調査や初動を自動化しやすくする流れの一部と見てよいでしょう。
一方で、AIが強くなったからといって、すぐに本番環境の操作まで安全に任せられるわけではありません。障害時には再起動やロールバックのような暫定回避策が候補に上がりますが、その一手が妥当かどうかはサービス影響や依存関係まで含めて判断する必要があります。
SREが自動原因分析より実行で止まりやすい理由
理由はシンプルです。一般に、分析が外れても被害は判断ミスにとどまることがありますが、実行が外れると、その場で障害を広げるおそれがあるからです。
たとえばAIが「このサービスを再起動すべきです」と提案するだけなら、人間が最終判断できます。ですが、AI自身が再起動を実行すると、誤判定だった場合に影響が即座に表面化します。
SREの仕事は、単にシステムを直すことではありません。安定性を保ちながら、変更リスクを制御することも重要です。
だからこそ、AIの分析精度が高くても、「誰がその操作を承認するのか」「夜間の自動実行を許すのか」「監査ログをどう残すのか」という論点が先に立ちます。
実行権限が本番導入を止めやすい3つの理由
1つ目は、誤操作の影響範囲が広いことです。監視AIは複数の候補からもっともらしい原因を示せても、その時点では確率の高い仮説にとどまる場合があります。
その仮説をもとにAIが本番の設定変更やスケール調整を実行すると、別のサービスへ連鎖的な影響を出すことがあります。クラウド運用では小さな変更が大きな障害につながるため、権限付与は慎重になります。
https://docs.aws.amazon.com/wellarchitected/latest/operational-excellence-pillar/welcome.html
2つ目は、監査と説明責任です。企業システムでは「なぜその操作をしたのか」を後から説明できなければ困ります。
人間なら、オンコール担当がメモやチケットを残せます。ですがAIが自律的に実行した場合、その根拠、承認経路、使った権限、影響範囲をきちんと記録しなければ、監査や障害報告で詰まります。
3つ目は、承認フローとの相性です。多くの現場では、本番操作に複数の承認条件があります。
平日日中のみ許可、特定のサービスだけ自動実行可、データ削除系は必ず人手確認、といった細かなルールです。一般に、AIはこのルールを守れても、例外処理まで含めて安全に回せるとは限りません。そのため、技術的には可能でも、組織ルールの壁で止まりやすいのです。
GitHub Docs
再起動やロールバックが暫定回避策でも危ない理由
再起動は一見すると安全そうです。ですが、再起動されたインスタンスがセッションを失う、キャッシュが消える、依存先への接続が集中するといった副作用があります。
負荷分散の状態やオートスケール設定によっては、短時間のつもりが全体障害に広がることも起こり得ます。
While a Pod runs, the kubelet manages containers and translates the Pod's spec for the container runtime. The kubelet also manages executing probes that track the health of your application.
Kubernetes
ロールバックも同様です。直前のデプロイを戻せば解決するケースは多いですが、データベースのスキーマ変更が入っていると簡単ではありません。
アプリだけ戻しても整合性が崩れることがあります。つまり、AIが「前のバージョンに戻すべき」と分析できても、実際に戻してよいかは、変更内容まで理解した人の判断が必要です。
https://argo-rollouts.readthedocs.io/
ここで重要なのは、AIは正しそうな次の一手を出すのが得意になってきた一方で、本番運用では、その一手を安全に打てる条件の確認が同じくらい重要だという点です。ニュースとして見るべきなのは、AIの賢さだけでなく、賢い提案をどこまで実行に移せるかという現実の差です。
Using a series of examples all set in a coffee shop, we’ll explore topics like distributed storage, computation, timing, messaging, and consensus. You'll leave with a good grasp of each of these problems, and a solid understanding of the ecosystem of open-source tools in the space.
Youtube | Devoxx Poland
Datadogの監視AIが得意なことと、人が握るべき判断
Datadogのような監視AIが得意なのは、情報を集めて整理する仕事です。どのメトリクスが急変したか、どのサービス間で遅延が増えたか、直前の変更と関係がありそうか、といった調査の初速を大きく上げられます。
これはオンコール担当の負担を減らし、平均復旧時間の短縮にもつながります。Datadog自身も、Bits AI agentsが調査や対応支援を広げる方向を打ち出しています。
一方で、まだ人が握るべきなのは、高リスク操作の最終判断です。具体的には、本番再起動、ロールバック、権限変更、通信遮断、データ修復などが入ります。
これらは失敗したときの影響が大きく、技術判断だけでなく事業判断も含みます。たとえば売上ピーク時に一部機能を止めるかどうかは、SREだけで決めにくい場合があります。
だから現実的には、AIには提案、根拠提示、安全な範囲での限定実行を任せ、人間が最終承認する形が有力だという見方もできます。
PagerDuty
Datadogの発表が示したのは、行動するAIをどう制御するか
Datadogは2026年の発表で、AI agentsや開発ツールに対して、安全性や監査に配慮した形でアクセスや操作を支援する仕組みも案内しました。これは、AIが単に要約する存在ではなく、調査や操作の現場に近づいていることを示しています。
同時にDatadogは、こうした仕組みを安全性、監査性、制御の観点から説明しています。つまりベンダー側も、能力の拡張と同じくらい、制御と監査の設計が重要だと見ているわけです。
これからのAI運用で重要になるのは、4段階で権限と承認者を分ける設計
今後の焦点は、AIを使うか使わないかではなく、どの権限をどの条件で渡すかです。
たとえば、読み取り専用の調査は自動化する、ステージング環境での再現操作まではAIに許可する、本番変更は人間承認後のみ実行するといった段階設計が重要になります。ゼロか100かではなく、権限を細かく区切る発想です。
Google Cloud Documentation
また、承認フローも機械向きに整理する必要があります。誰が承認者か、どの条件なら自動実行か、失敗時にどうロールバックするかを明文化しないと、AIは活かしにくいです。
実務では、少なくとも「アラート要約」「原因候補提示」「暫定回避策実行」「恒久対応」の4段階で、AIに許す操作、必要な承認者、監査ログの残し方を分けた運用表を作ると整理しやすくなります。
言い換えると、AIエージェント時代の競争力はモデル性能だけでなく、運用設計の質で決まります。Datadog AI Agents拡張のニュースは、生成AIの延長線上というより、SREと権限管理の現実を突きつけたニュースとして読むと理解しやすいでしょう。
Datadog AI Agents拡張を実務目線で読むなら、先に権限表を作る
最後に一言でまとめるなら、AIが障害原因の候補特定を支援する時代はもう始まっています。
ただし、AIが安全に直す時代は、権限管理と承認設計をどう作るかにかかっています。Datadog系の最新AIエージェント機能を評価するなら、自動原因分析の精度を見るだけでなく、誰が暫定回避策を実行してよいのかを先に決めることが、本番導入の分かれ目です。
行動直前の段階にあるなら、まずはアラート要約、原因候補提示、暫定回避策実行、恒久対応の4段階で権限と承認者を整理した運用表を作るのが、最も実務的な次の一手です。