AIの不調もInsightFinderで?|情シスの監視に載せる判断

AIの不調もInsightFinderで?|情シスの監視に載せる判断

「社内で動かし始めたAIエージェントの不調を、夜間や休日に誰が受けるのか決まっていない」「情シスの障害監視に載せればよいと言われたが、当番の技術者にAIの答えの良し悪しが分かるとは思えない」——生成AIを業務に組み込み始めた企業の、情報システム部門とAI推進の担当者の双方から聞こえてくる声です。2026年4月、運用の異常予測を手がける米国の InsightFinder が1,500万ドルの資金を調達し、その主眼を「AIエージェントがどこで間違えたかを突き止めること」に置いていると報じられました。従来の情報システムの障害と、エージェント型AIの事故を、同じ基盤で検知し予防すると同社は説明しています。問われているのは監視の道具選びではありません。止まらずに間違えるAIの不調を、障害の当番に預けるのか、AIの持ち主が抱えるのかという分担です。この記事では InsightFinder とその運用の信頼性エージェント ARI を手がかりに、AIの不調を既存の障害監視と当番の体制に相乗りさせるか、AI推進側の専用の仕組みで見るかの判断、誤報の受け手と止める人、原因をAIに出させるときの根拠、記録に入る社内データ、既存の監視基盤との重なり、試し方と止め方を整理します。画面の操作手順や料金の一覧は扱いません。


カメ先生カメ先生

AIの不調は、サーバーの障害と同じように情シスの監視に載せれば片づくと思われがちなんだ。でも本当は、AIは止まらずに、それらしい間違いを出し続けることが多い。警報が鳴らない不調なんだよ。


カメ子カメ子

サーバーが落ちたときのように、赤いランプがつくわけではない、ということですか。


カメ先生カメ先生

そう。だから監視の仕組みを一本にまとめるかどうかより先に、どの不調を当番が受けて、どの不調をAIの持ち主が判断するかを分けておく必要があるんだ。


カメ子カメ子

道具を一つにする話と、受け持ちを一つにする話は別なんですね。


この記事のポイント
  • InsightFinder は運用の記録から異常を予測し原因を絞り込む基盤で、2026年に運用の信頼性エージェント ARI を出し、AIエージェントの不調も対象に広げた
  • AIの不調は止まらずに間違えるため、基盤の層は情シスの当番に相乗りさせ、答えの中身の判断はAIの持ち主に残す、という分け方が現実的
  • 原因の分析や自動の対処をAIに任せる範囲は、根拠の示させ方・人の承認・記録に入るデータを先に決めてから広げる

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

InsightFinderとは:運用の記録から異常を予測し、原因を絞り込む基盤

InsightFinder(社名は InsightFinder AI)は、米国ノースカロライナ州に拠点を置く会社です。創業者で最高経営責任者のヘレン・グー氏はノースカロライナ州立大学の計算機科学の教授で、IBM と Google での勤務経験があると報じられています。米テッククランチの報道によれば、同社の技術は約15年にわたる大学での研究に基づき、2016年から機械学習で情報システムの基盤の問題を監視・特定し、先回りして直す仕組みを企業に提供してきました。

同社の出発点は、教師なしの機械学習で、メトリクス(数値の推移)・ログ(動作の記録)・トレース(処理の経路)から平常時と違う動きを見つけ、障害になる前に予測することです。人があらかじめ「この値を超えたら異常」と決めておくしきい値の監視と違い、平常時の動きを学ばせておいて外れを拾う考え方です。そのうえで、複数の信号を突き合わせて原因の候補を絞り込むところまでを自動化しようとしています。

顧客として、報道では UBS、NBCユニバーサル、レノボ、デル、グーグル・クラウド、コムキャストの名前が挙がっています。一方で従業員は30人未満と報じられており、大企業の導入実績はあるが、会社としてはまだ小さいという点は、日本での支援体制を考えるうえで押さえておくべきです。なお、米BMC社の運用製品にも似た名前の機能がありますが、別の会社の別の製品です。

2026年の動き:ARIの発表、資金調達、手元で承認する携帯版

2026年3月初め、同社は運用の信頼性エージェント ARI(Autonomous Reliability Insights)を発表しました。報道によれば、ARI は複数のAI技術を組み合わせてメトリクス・ログ・トレースをまとめて読み、原因の分析を自動化し、自動の対処は人の承認を挟んでから実行する設計です。提供は、既存の情報システムの信頼性向けの製品を使っている顧客に向けたものと説明されています。

4月には、ユー・ギャラクシーが主導する1,500万ドルのシリーズBを発表し、累計の調達額は3,500万ドルになりました。テッククランチは、売上が前年から3倍を超えて伸びたというグー氏の発言と、米国の超大手企業との大型契約のあとに投資家のほうから声がかかったという経緯を伝えています。同社の発表文では、自社の基盤が従来の情報システムとエージェント型AIの両方で、本番の事故を検知し予防するものだとし、AIの幻覚(もっともらしい誤り)、機密情報の漏えい、危険な実行による事故を防ぐと述べています。

7月には、当番の技術者が携帯電話から ARI に問いかけられる携帯版(iOS と Android)を出しました。業界紙の記事によれば、何が壊れたか、直前に何が変わったかを自然な言葉で尋ねると、原因、影響の範囲、関連する信号、推奨の対処が返り、巻き戻しの承認や騒がしい通知の一時停止を手元で実行できます。どの操作も技術者が承認してから実行されると同社は説明しています。今回の調査では買収や社名変更の報道は見当たりませんでした。

AIの不調は、止まらずに間違える:障害監視の警報に乗りにくい理由

運用にAIを組み込む考え方や、AIの計器をどこに置くかの一般論は、すでに多く語られています。ここで扱うのはその先の、AIの不調を、誰の当番で受けるかという問題です。サーバーが落ちる、応答が返らない、といった障害は、監視の警報が鳴り、当番が手順書に沿って動くという流れが多くの企業で形になっています。

ところがAIエージェントの不調は、多くの場合システムとしては正常に動いています。社内の問い合わせに答えるエージェントが古い規程を引用し続ける、営業向けの要約が数字を取り違える、作業を代行するエージェントが手順を一つ飛ばす。どれも応答は返り、処理時間も平常どおりで、従来の監視の数字には現れません。気づくのは利用者で、知らせは問い合わせ窓口や事業部門から非公式に上がってきます。

グー氏はテッククランチの取材で、AIの問題の診断にはデータ・モデル・基盤をまとめて見る必要があり、モデルだけ、データだけの問題とは限らないと述べています。例として挙げたのは、米国の大手クレジットカード会社で不正検知のモデルの判定がずれていった件で、原因は一部のサーバーに残っていた古いキャッシュだったといいます。AIの不調に見えるものの一部は、実は基盤の不調です。ここに、情シスの監視に相乗りさせる理由があります。

相乗りの利点:当番・記録・止める手順がすでにある

AIエージェントの不調を情シスの既存の障害監視に載せる最大の利点は、夜間と休日の受け手、対応の記録、止める手順が、すでに存在することです。AI推進の部署がゼロから当番表を作り、連絡網を作り、対応の記録の残し方を決めるのは、規模の小さい部署には重い負担です。

前の節の例のように、AIの答えがおかしくなった原因が、検索に使う文書の置き場所の障害、外部のAIサービスの応答の遅れ、認証の期限切れといった基盤側にあることは珍しくありません。基盤の信号とAIの不調を同じ時間軸で並べて見られることは、原因の切り分けを大きく速めます。InsightFinder が既存の運用の監視と同じ基盤でAIの事故を扱うと打ち出しているのは、まさにこの点です。

さらに、情シスにはすでに、変更の記録、障害の振り返り、外部の事業者との連絡の型があります。AIの不調を別の仕組みで扱うと、同じ日に起きた基盤の変更とAIの不調が別々の記録に残り、あとから突き合わせる作業がまるごと人の手に残ります。相乗りは、この二重管理を避ける手段でもあります。

相乗りの弱点:当番の技術者は、AIの答えの正しさを判定できない

一方で、相乗りには明確な限界があります。当番の技術者が判断できるのは、応答が返っているか、遅くないか、資源が足りているか、といった基盤の状態です。社内規程の引用が古いか、営業資料の数字が正しいかは、業務の持ち主にしか判定できません。判定できない警報を当番に流し続けると、受けても何もできない通知が積み上がり、やがて誰も見なくなります。

もう一つの弱点は、止める判断の重さです。サーバーの障害なら、切り替えや再起動は当番の権限で済むことが多いでしょう。ところがAIエージェントを止めると、問い合わせの一次対応や受注処理の一部が止まり、事業部門の業務に直接響きます。止めるか、範囲を絞って続けるかは、業務の影響を知る人が決めるべき判断で、深夜の当番に一人で背負わせるものではありません。

つまり、相乗りか専用かの二択で考えると、どちらを選んでも穴が残ります。基盤の層の不調は当番が受け、答えの中身の不調はAIの持ち主が受ける、という層ごとの分担を先に決め、そのうえで監視の基盤を一本にするかを決める、という順番が現実的です。

分け方の型:基盤の層は情シス、答えの中身はAIの持ち主

分担を決めるときは、不調を層に分けて、受け手と止める人を一つずつ当てはめていきます。次の表は、AIエージェントを社内に展開した企業を想定した一例です。自社のエージェントの数や用途に合わせて、行を足したり受け手を入れ替えたりしてください。

不調の層例最初に受ける人止める判断をする人
基盤応答しない・遅い・認証切れ・検索用の文書の置き場所が落ちる情シスの当番情シスの当番(手順書の範囲内)
外部のAIサービス提供元の障害・応答の上限・仕様の変更情シスの当番情シスとAI推進の責任者
つなぎ込み権限の付けすぎ・呼び出す道具の失敗・手順の飛ばしAI推進の担当AI推進の責任者
答えの中身古い規程の引用・数字の取り違え・もっともらしい誤り業務の持ち主(事業部門)業務の持ち主とAI推進の責任者
情報の扱い機密や個人情報が答えに混ざる・権限外の資料の引用AI推進の担当情報セキュリティの責任者

表のうち、InsightFinder のような運用の監視基盤が得意なのは上の二行と、三行目の一部です。基盤や外部サービスの信号と、エージェントの処理の経路を突き合わせて原因の候補を出すところまでは、既存の監視と同じ仕組みに載せる意味が大きい領域です。

下の二行は、監視の基盤で兆しを拾えても、それが本当に不調かどうかを決めるのは人です。報道では、ARI が複数のエージェントの処理の経路を組み立て直したり、業務ごとの基準で指示文を評価したりできるとも伝えられていますが、その基準を書くのは業務の持ち主です。何を失敗と呼ぶかを決める作業そのものは、基盤を入れても肩代わりされません。

予測の誤報を、誰が受けて、誰が止めるか

InsightFinder の強みは、障害が起きる前に兆しを予測することにあります。予測には必ず外れがあり、当たらなかった予測の警報を、誰が受けて、誰が「様子見」と決めるかを決めておかないと、相乗りした途端に当番の負担が増えます。AIの不調の予測は、基盤の障害の予測より経験の蓄積が浅く、外れも多くなると考えておくのが無難です。

運用を始める前に、AIの不調に関する警報を三つに分けておくと扱いやすくなります。一つ目は基盤の障害と同じ扱いで当番が即時に受けるもの、二つ目は当番が受けて翌営業日にAI推進の担当へ引き継ぐもの、三つ目は当番を通さずAI推進の担当の確認待ちの一覧に入るものです。深夜に人を起こすのは一つ目だけと決めておけば、相乗りしても当番の疲弊を抑えられます。

外れた予測は、捨てずに記録します。どの警報が外れ、誰が何を根拠に様子見と判断したかを残しておけば、数か月後に警報の分け方を見直す材料になります。外れの記録を見直す担当と頻度を決めていない運用では、警報の設定が最初のまま放置され、当番が慣れで無視するようになります。

原因をAIに出させるとき:根拠を示させ、人が確かめる

ARI のような運用のエージェントは、原因の候補と推奨の対処を自然な言葉で返します。携帯版の説明でも、原因・影響の範囲・関連する信号・推奨の対処がまとめて返ると紹介されています。忙しい当番にとっては便利ですが、AIが出した原因の説明を、そのまま障害の報告書や対処の根拠にしないという線は外せません。

原因の説明を受け取るときは、どの信号のどの時刻の動きを根拠にしたのか、直前のどの変更と結びつけたのかを、説明と一緒に示させます。携帯版で記録・数値・処理の経路・変更の履歴・手順書が会話の中に並ぶ設計になっているのは、この確認のためと読めます。根拠が示されない原因の説明は、仮説として扱うことを運用の決まりにしておきます。

  • AIが示した原因を、根拠の信号を見ずに障害の報告書へ書き写す
  • 答えの中身の不調を、基盤の原因の説明だけで「解決済み」として閉じる
  • 推奨の対処を、影響の範囲を確かめずに承認する
  • 外れた原因の説明を記録に残さず、同じ型の誤りに気づけなくする

特に注意したいのは、AIの不調の原因を、運用のエージェントという別のAIに説明させているという構図です。前の節のクレジットカード会社の例のように基盤の原因が見つかることもあれば、答えの中身の誤りが、基盤の信号には何も現れないこともあります。基盤側に原因が見つからなかったことは、答えが正しいことの証明にはなりません。そこから先は業務の持ち主の確認に引き継ぎます。

自動の対処は承認制に:どこまで当番の判断で動かしてよいか

ARI は、原因の分析に加えて対処の実行まで扱い、その実行には人の承認を挟む設計だと説明されています。携帯版では、巻き戻しの承認、処理の単位の再起動、騒がしい通知の一時停止、同僚への引き継ぎなどを手元の操作で行えるといいます。承認の操作が簡単になるほど、誰が何を承認してよいかを先に決めておく必要が増します。

AIエージェントに関わる対処のうち、当番の承認だけで実行してよいものと、AI推進の責任者や業務の持ち主の承認が要るものを、手順書の段階で分けておきます。たとえば、基盤の処理の再起動や一時的な振り分けの変更は当番の判断で可、エージェントの停止や、エージェントに渡している権限の変更は責任者の承認が必要、といった線です。エージェントを止める操作は、業務を止める操作でもあることを手順書に明記しておきます。

承認の記録も重要です。誰が、いつ、どの推奨を見て、何を承認したかが残っていれば、あとから振り返るときに、AIの推奨が妥当だったのか、承認した人の判断が妥当だったのかを分けて検証できます。AIに判断させず、AIの推奨と人の承認を別の記録として残すことが、自動の対処を広げていくための前提になります。

記録に入る社内データと個人情報

AIエージェントの不調を監視の基盤で見るということは、エージェントへの指示文、参照した社内文書の断片、利用者への回答といった業務の中身が、監視の記録に入るということです。サーバーの数値やエラーの記録と違い、そこには顧客の氏名、問い合わせの内容、社内の未公開の資料が含まれえます。

InsightFinder の発表文は、機密情報の漏えいによる事故を防ぐことを掲げていますが、裏返せば、それを見つけるために記録の中身を読むということでもあります。監視の基盤が社外の事業者の環境にあるなら、記録を送る前に、何を伏せ、何をそのまま送るかを決めておく必要があります。今回の調査では、同社の提供形態(自社の環境に置けるか、事業者の環境だけか)やデータの保管地域は公開情報から確認できませんでした。

  • 指示文と回答の本文を監視の記録に残すか、件数や長さなどの数値だけにするかを、エージェントごとに決める
  • 個人情報を含みうる記録は、送信前に伏せる処理を挟むか、自社の環境に置ける形態があるかを確かめる
  • 記録の保存期間、解約後の削除、提供元のAIの改善に記録が使われるかを契約前に書面で確かめる
  • 監視の記録を見られる人を、当番・AI推進・業務の持ち主で分け、答えの中身は持ち主側だけが見られるようにする

記録の閲覧の範囲は、層ごとの分担と揃えておくと整理しやすくなります。当番が見るのは基盤の数値と処理の経路、答えの中身まで見るのは業務の持ち主とAI推進の担当、という形です。相乗りしたからといって、当番が全社のエージェントの回答を読める状態にしないことが、社内の情報管理の規程と矛盾させないための線です。

既存の監視基盤との重なりと、費用の増え方

多くの企業はすでに何らかの監視基盤を使っています。テッククランチは、InsightFinder の競合として Datadog、Dynatrace、ニューレリック、グラファナ・ラボ、ビッグパンダ、Fiddler の名前を挙げ、いずれもAIの監視の機能を強めていると伝えています。既存の基盤がAIの監視を足してくる中で、別の基盤を足す理由があるかを、最初に確かめる必要があります。

InsightFinder を検討する理由になりうるのは、既存の監視基盤から記録を受け取り、その上で異常の予測と原因の絞り込みを担う使い方です。報道では、同社の土台はデータの種類を問わず信号の流れをまとめて取り込み、突き合わせる設計だと説明されています。ただし、既存の監視基盤と通知の仕組み(たとえば Splunk や PagerDuty、ServiceNow)のどれと標準でつながるかは、今回確認した公開情報では具体的に示されていないため、自社の基盤の組み合わせで個別に確かめます。

費用については、公開の価格表を今回の調査では確認できませんでした。携帯版の報道では、登録は無料で30日間の試用があると紹介されています。監視の基盤の費用は一般に、取り込む記録の量、監視する対象の数、保存期間で増えます。AIエージェントの指示文や回答の本文まで取り込むと記録の量は一気に増えるため、本文を取り込むエージェントを絞ることが、費用を抑える一番の手段になります。既存の監視基盤の費用と二重に払う部分がないかも、見積もりの段階で突き合わせます。

試し方:一つのエージェントで、層ごとの分担を確かめる

相乗りの判断は、全社のエージェントでいきなり決めるより、一つのエージェントで試して分担の線を確かめるほうが確実です。選ぶのは、利用者が多く、基盤の外部サービスへの依存があり、不調が起きたときに業務への影響が分かりやすいエージェントです。

STEP1
対象を一つ選び、層ごとの受け手を決める

前の表を使い、基盤・外部サービス・つなぎ込み・答えの中身・情報の扱いの五つの層ごとに、最初に受ける人と止める判断をする人を書き出す。

STEP2
記録に入れる範囲を決める

数値と処理の経路だけを取り込むのか、指示文と回答の本文まで取り込むのかを決め、伏せる情報と閲覧の範囲を情報セキュリティの担当と合意する。

STEP3
警報を三つに分ける

即時に当番が受けるもの、翌営業日に引き継ぐもの、確認待ちの一覧に入るものに分け、深夜に人を起こす条件を文章にする。

STEP4
原因の説明と推奨の対処を記録と照らす

試用の期間中に出た原因の説明について、根拠の信号を人が確かめ、当たった・外れた・判断できないを記録する。

STEP5
期間の終わりに分担を見直す

外れた警報の割合、当番が受けて何もできなかった警報、業務の持ち主が先に気づいた不調を数え、相乗りを広げるか、専用の仕組みに分けるかを決める。

見直しで特に見るべきなのは、業務の持ち主が監視より先に気づいた不調の件数です。この数が多いなら、監視の基盤は基盤の層では役に立っていても、答えの中身の不調は拾えていないということで、持ち主側の確認の仕組みを別に用意する必要があります。

止め方・やめ方:監視の基盤そのものに頼りきらない

監視の基盤を入れるときは、やめるときのことも決めておきます。異常の予測や原因の絞り込みは、使い続けるほど自社の平常時の動きを学んでいく仕組みです。やめると、その学習の積み重ねと、過去の不調の記録の読みやすさが失われることを前提に、解約時に何を書き出せるかを契約前に確かめます。

運用の途中で ARI の推奨を止めたくなる場面も想定しておきます。推奨の対処が外れ続けるとき、新しいエージェントを追加した直後で平常時の動きが変わったとき、監視の記録に想定外の個人情報が入っていると分かったときです。推奨を止めても、監視と記録は続けられる設定にしておくと、当番の手順を元に戻すだけで済みます。

また、監視の基盤自体が止まったときの手順も要ります。AIエージェントの不調を監視の基盤だけで見ていると、基盤が止まった日にはAIの不調にも気づけません。業務の持ち主が定期的に回答を抜き取って確かめる仕組みは、監視の基盤を入れたあとも残しておきます。人の目による確認を監視の代わりではなく、監視の外れを拾う別の網として位置づけておくのが安全です。

ミニ用語解説:この記事で使った運用の言葉

情シスとAI推進の担当が同じ会議で話すと、同じ言葉を違う意味で使っていることがよくあります。相乗りの判断に必要な言葉だけを、この記事での意味に絞って整理しておきます。

この記事での意味
  1. 当番:夜間・休日を含めて障害の警報を最初に受ける担当。多くの企業では情シスや基盤の運用の担当が持ち回りで受ける
  2. 根本原因:表に出た不調を起こした、いちばん元の原因。AIの不調では、基盤・外部サービス・つなぎ込み・答えの中身のどこにあるかで受け手が変わる
  3. 誤報:異常の予測や警報のうち、実際には不調でなかったもの。予測を使う以上なくならないため、受け手と記録の仕方を決めておく
  4. 影響の範囲:不調が及んだ利用者・業務・データの広がり。止める判断の材料になるが、AIの見積もりは人が確かめる
  5. 業務の持ち主:AIエージェントを使う業務の責任を持つ事業部門の担当。答えが正しいかを判定できるのはこの人

特に「根本原因」は、情シスとAI推進で指すものがずれやすい言葉です。情シスにとっては基盤の不具合、AI推進にとっては指示文や参照する文書の問題を指すことが多く、どちらか一方の層で原因が見つかっても、もう一方の層を調べなくてよい理由にはなりません。用語の意味を最初の打ち合わせで揃えておくと、相乗りの議論が速く進みます。

定着の確認項目

ここまでの内容を、相乗りを始める前と、始めてから三か月後に確かめる項目としてまとめます。前半は基盤を入れるかどうかにかかわらず社内で決めること、後半は InsightFinder を含む監視基盤の提供元に確かめることです。

  • AIの不調を五つの層に分け、層ごとの最初の受け手と止める判断をする人を決めたか
  • エージェントを止める判断を、業務の持ち主とAI推進の責任者が持つことを手順書に書いたか
  • 深夜に当番を起こす警報の条件を文章で決めたか
  • AIが出した原因の説明を、根拠の信号と照らして人が確かめる決まりがあるか
  • AIの推奨と人の承認を、別の記録として残しているか
  • 監視の記録に指示文や回答の本文を入れるか、伏せる情報と閲覧の範囲を決めたか
  • 提供形態、データの保管地域、保存期間、解約後の削除、記録の学習への利用を書面で確かめたか
  • 既存の監視基盤・通知の仕組みとのつながり方と、二重に払う費用がないかを確かめたか
  • 外れた警報と、業務の持ち主が先に気づいた不調を、定期的に見直す担当がいるか
  • 監視の基盤が止まった日にも、業務の持ち主が回答を抜き取って確かめる仕組みが残っているか

三か月後の見直しで、前半の項目が守られず、当番が受けても判断できない警報が増えているなら、相乗りの範囲を基盤の層に絞り直します。逆に、基盤の層の原因の切り分けが速くなり、業務の持ち主の確認と記録がつながっているなら、対象のエージェントを広げる段階です。

まとめ

InsightFinder は、運用の記録から異常を予測して原因を絞り込む基盤に、2026年に運用の信頼性エージェント ARI を加え、AIエージェントの不調も同じ基盤で扱うと打ち出しています。AIの不調の一部は基盤の不調で、情シスの障害監視と当番に相乗りさせれば、記録と止める手順をそのまま使える利点があります。一方で、AIは止まらずに間違えるため、答えの中身の正しさは当番には判定できません。基盤の層は情シスの当番、答えの中身は業務の持ち主という分担を先に決め、AIが出す原因の説明には根拠を示させて人が確かめ、自動の対処は承認制にし、記録に入る社内データの範囲を決めたうえで、一つのエージェントから試してください。監視の基盤を入れても、業務の持ち主が回答を確かめる網は残しておくことが前提です。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次