## Memo ## Abstract ソフトウェア開発におけるログは、バグ修正、コードの保守、アプリケーションの運用において重要な役割を果たします。ログは、人間のソフトウェア開発者によって作成されるヒントであり、アプリケーションのバグやその他の誤動作の根本原因を特定する際に、人間の開発者やオペレータを支援することを目的としています。また、ログは、開発者と運用者の間の橋渡しの役割も果たし、情報交換を可能にする。CI/CDパイプラインによるDevOpsパラダイムの台頭により、月間のデプロイメント数が大幅に増加し、その結果、ロギング要件が増加した。これに対し、AIを活用したIT運用手法（[[AIOps]]）が導入され、テストや実行時の耐障害性をある程度自動化できるようになった。しかし、（自動）AI手法を学習するために、人間の理解用に調整されたログを使用することは、明確でない問題を提起する。これまでAIOpsの研究者は、AIアルゴリズムを既存の人間中心のデータ（例えば、ログのセンチメント）の特性に適応させてきたが、これは必ずしもモデル化するのが簡単なことではない。この矛盾を指摘することで、我々は別のアプローチが存在することを想定している：生成されたログがAIを利用した手法の長所に合わせてより良く調整されるように、ログを適応させることができる。これに対し、本ビジョンペーパーでは、自動ロギングを紹介する。自動ロギングは、エンドログの消費者としてAI対応メソッドにより適したログ命令をコードに自動的に挿入する方法を考案するものである。