「AIを監視し、AIで障害を調査する」Grafana Labs共同創業者が語る次世代オブザーバビリティの未来

AIの活用が進む中、AIエージェントの予期せぬ動作や利用コストの増大が、企業の新たな課題となっています。

世界1万社以上の有料顧客に利用されるオブザーバビリティ（可観測性）プラットフォームを展開するGrafana Labsは都内で記者発表会を開催。

同社共同創業者のアンソニー・ウッズ氏が登壇し、AIエージェントの動作やコストを可視化する新機能などを紹介しました。

 

AI時代のシステム運用はどう変わる？Grafana Labs共同創業者が語るオブザーバビリティの重要性

今回開催された記者発表会には、Grafana Labsの共同創業者であるアンソニー・ウッズ氏が登壇し、AIの普及によって変化するITシステムの運用環境や、同社が目指すオブザーバビリティの未来について説明しました。

Grafana Labsは、オープンソースとオープンスタンダードを基盤としたオブザーバビリティプラットフォームを提供する企業です。

オブザーバビリティとは、システムの稼働状況をデータから把握し、問題が発生した際にその原因を特定するための取り組み。

同社が提供する「Grafana Cloud」は、世界1万社以上の組織に利用されています。

Grafana Labsの年間経常収益は6億米ドルを突破しており、2025年には日本市場にも進出しました。

発表会冒頭、ウッズ氏はAIによる変革には「本番環境でAIを確実に運用すること」と「AIを活用してシステム運用を迅速かつ効率的にすること」という2つの方向性があると説明。

従来のITシステムでは、担当者が全体の仕組みを把握することができていましたが、クラウドやマイクロサービスの普及によって構造が複雑化。

さらにAIエージェントの登場により、システムの監視には新たな課題が生まれていると指摘しました。

特にAIエージェントは、自ら判断してタスクを実行する一方、誤った回答や想定外の動作を引き起こす可能性があります。

そのため、従来のようにシステムが正常に動いているかを確認するだけでなく、AIがどのような判断を行い、適切な結果を出しているかまで把握する必要があるといいます。

また発表会では、日本のITリーダーを対象とした調査結果も紹介。

調査では、日本の回答者の70％がオブザーバビリティ導入の価値を「顧客体験・顧客維持」の観点から説明しており、北米・西欧・ラテンアメリカを含む4地域で最も高い割合となりました。

これについてウッズ氏は、

「成功とは、単純にシステムが稼働しているかということではなく、サービスが顧客に届いているかということなのです。」

と、顧客体験を重視する日本企業の特徴について言及。

さらに、AIの分析結果を信頼する条件として、54％が「判断の根拠がわかること」、42％が「確信度を数値で示すこと」と回答したことも明らかに。

一方、AIによる自律的な問題修復を進めるうえでの障壁については、74％が規制や契約・社内ルールなどを挙げており、技術的な信頼性だけではない課題が浮き彫りとなりました。

ウッズ氏はこうした結果を踏まえ、AIに何ができるかだけでなく、どこまでの行動を任せ、誰が承認するのかが重要になると強調。

AIの活用が急速に広がる中、システムの状態とAIの動作を可視化し、人間が適切に管理できる環境づくりの必要性を訴えました。

 

新機能とAIによる障害調査を紹介

発表会の後半では、米国時間で10月20日に開催された「ObservabilityCON 2026」で発表された新機能を中心に、AI時代のシステム運用を支える最新技術について紹介しました。

まずウッズ氏が説明したのが、AIエージェントの動作を監視する「Grafana Agent Observability」です。

従来のシステム監視では、処理速度やエラー率などから正常に動作しているかを確認していました。

しかしAIエージェントの場合、システム上では問題がなくても、誤った回答を生成したり、想定外の操作を行ったりする可能性があります。

ウッズ氏はこうした変化について、

「これまでの作業の単位はリクエストでした。しかしAIエージェントでは、その単位が会話になります。つまり、会話そのものが監視すべき情報になるということです。」

と説明しました。

「Grafana Agent Observability」では、AIエージェントの会話やツールの呼び出し、処理の流れなどを可視化。

どの段階で問題が発生しているのかを把握できるほか、トークン使用量や処理時間、コストの内訳なども確認可能。

さらに、ハルシネーションと呼ばれる誤情報の生成や、機密情報の漏洩につながる不適切な回答などを検知・評価する仕組みも備えています。

また、AIの普及によって増加する監視データへの対応として「Adaptive Telemetry」についても紹介。

実際の利用状況を分析し、使用されていないデータや重要度の低い情報を特定することで、監視に必要なデータを維持しながら、運用コストの最適化を支援する技術となっています。

続いて紹介されたのが、AIを活用してシステムの状態把握や障害調査を支援する「Grafana Assistant」

従来は専門知識が必要だったシステムの分析について、自然言語で質問するだけで、AIが必要なデータを検索・分析し、結果を可視化することができます。

さらに「Assistant Investigations」では、複数のAIエージェントが連携し、障害の原因として考えられる要因を調査。

収集したデータをもとに仮説を立て、検証を繰り返すことで、問題の根本原因の特定を支援します。

これに関連して、システム内のサービスやインフラなどの関係性を把握できる「Knowledge Graph」の拡張についても説明しました。

ウッズ氏によると、同社の本番環境で行ったテストでは、Knowledge Graphを活用することで、従来よりも約25％少ないトークン使用量で同じ調査結果を得られたそう。

一方、AIによるシステム運用の自動化については、まだ課題も残されています。

ウッズ氏は、

「AIがエラーを起こすスピードは人間よりもはるかに速く、その影響も大きくなります。」

と指摘し、AIにすべての判断を任せるのではなく、人間が確認・承認できる仕組みの重要性を強調しました。

同社ではすでに、AIが障害の原因を調査し、問題のある更新を元に戻すための修正案を自動で準備する取り組みも進めているとのこと。

担当エンジニアが対応を始める前に、AIが調査や修正の準備を進めることで、障害対応の迅速化と顧客への影響軽減を目指していると語りました。

AIエージェントの普及に伴い、システム運用には新たな可能性と課題が生まれています。

AIを安全に活用するための監視機能と、AI自身が障害の原因を調査する技術の両面から、次世代のIT運用を支えるGrafana Labsの取り組みに、今後も注目が集まりそうです。

関連記事リンク（外部サイト）

「AIを監視し、AIで障害を調査する」Grafana Labs共同創業者が語る次世代オブザーバビリティの未来