# オンコール自動化 ## 定義 オンコール自動化(on-call automation)は、オンコールエンジニア(OCE)が担うシステム障害の受付・調査・対応・トリアージを LLM およびマルチエージェント技術で自動化する研究・実践領域である。対象タスクは「インシデント対応」（アラートやユーザーから報告された障害を解決する）と「チケットトリアージ」（自動解決できない障害を適切なチームへ割り当てる）の 2 軸に分類される。(Source: [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]] §I) 手動オンコールの主要な課題は 3 つである: (1) OCE の習熟度依存（一人前になるまでに数ヶ月〜数年の訓練が必要）、(2) 人間のワークロード限界による応答遅延（1 時間のダウンタイムで億ドル規模の損失）、(3) インシデントの増量・複雑化（数千サービス・分散アーキテクチャ・クロスリージョン・多様な技術スタック）。(Source: §I) ## 横断的知見 - **オンコール自動化は「インシデント対応」と「チケットトリアージ」の二タスクで完結するが、既存研究はそれぞれを別個に扱っており、エンド・ツー・エンド設計は OncallX（2025）が初例とされる**: チケットトリアージ研究（DeepCT・DeepTriage・COMET 等）と LLM ベース RCA 研究（RCAgent・Flow-of-Action 等）は別系統で発展し、ライフサイクル全体をカバーする統合システムが欠落していた。OncallX はこの空白を埋めた最初の実装として位置づけられる。(Source: [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]] §I Contribution (1), §VII-C) - **本番デプロイで実証された効果量は 789 倍（対応）・50 倍（トリアージ）という突出したオーダーの改善である**: ただし基準値（人手 0.58 人日 / 200 秒）は大規模企業の単一 STE チームの数値であり、スタックが整備された組織やより熟練した OCE チームでは差が縮小する可能性がある。同ドメインの比較実験（インシデント対応 Pass Rate 78.26% vs. ReAct 71.01% 等）はより控えめな改善量を示す。(Source: §V-B・§V-E) ## 未解決の問い - **オンコール自動化の汎化範囲はどこか**: OncallX は ByteDance STE チーム（OS カーネル・仮想化・基盤ソフトウェア）という単一ドメインのみで評価されている。Web サービス・DB・ネットワーク・ML 訓練クラスタ等の異業種・異ドメインでどの程度 plug-and-play が成立するか。 - **チケットトリアージの動的カテゴリ変化への対応**: KG は履歴チケットから構築されるため、新カテゴリ追加時の知識グラフ更新ラグがトリアージ精度に与える影響は未検討。 - **コンテキスト推論限界の実際の影響**: 多ターン対話が増えるほど LLM のコンテキスト保持が低下する問題（§VI-A）に対し、会話履歴圧縮機構・RAG ベース外部メモリ・階層ツリー分割のどれが最も効果的か。 - **自動化が OCE の習熟度形成を阻害しないか**: 認知的徒弟制（[[認知的徒弟制]]）の観点から、自動化が介入することで OCE が障害対応スキルを習得する機会が失われるリスクがある。 ## 関連 - 関連 source: [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]] - 実装: [[OncallX]] - 組織: [[Nankai University]] / [[ByteDance]] - 上位概念: [[インシデント管理]] / [[agentic SRE]] - 関連手法: [[マルチエージェント協調]] / [[LLMによる根本原因分析]] / [[知識グラフ]] - 関連研究: [[structures/AIOps.MOC]] への一方向参照 ## 出典 - [[@2025__ASE__LLM-Powered Multi-Agent Collaboration for Intelligent Industrial On-Call Automation]]