Rollbarの修正AIに本番は任せきれない|取り込む前に引く線

「エラー監視のツールがAIで修正まで書いてくれるなら、夜中の障害対応はもう人がやらなくていいのでは」「本番のエラーをそのままAIに流したら、お客様の情報まで社外に出ていくのでは」——自社のサービスやサイトの保守を預かる情シス、開発を外注しているマーケ部門から、期待と不安の両方が出てくるテーマです。結論から言うと、米国の Rollbar が出している Resolve は、本番のエラーから修正のプルリクエスト(変更の提案)を作るところまでは自動でこなします。しかしAIが作るのは「取り込んでよいか人が判断するための材料」で、取り込みの判断そのものではありません。任せきれない部分がどこに残るかを先に決めた会社だけが、時間を節約できます。この記事では、ひとつの本番エラーがルールでAIに渡り、プルリクエストになって取り込まれるまでを場面ごとに追い、各場面で誰が何を決めるかを整理します。
カメ先生エラーの修正をAIが書くと聞くと、直ったものが届くと思われがちなんだ。でも本当に届くのは、AIが選んだ一つの直し方と、自社のテストを通したという記録なんだよ。
カメ子テストに通っていても、正しく直ったとは限らないということですか。
カメ先生そう。テストが確かめていない部分は、AIも確かめていない。それに、エラーと一緒に何が社外へ送られるか、自動で何回動かすかも、道具ではなくこちらが決めることなんだ。
カメ子AIが速くなるほど、人が決める項目は減るどころか先に増えるんですね。
- Resolve は本番エラーの原因を分析し、隔離した一時環境で修正を書いてテストし、プルリクエストを開く。自分でマージはしない
- ルールで自動起動させると、エラーの中身、該当するソースコード、テスト用に登録した秘密情報が外部の事業者の環境に渡る。送る前の伏字設定が要になる
- 費用はクレジット制で、1回ごとに上限が予約される。取り込みの基準、予算、止め方、外注先との分担を入れる前に決めておく
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。
Rollbarとは:本番のエラーを集め、AIの修正役 Resolve を加えた監視サービス
Rollbar は、Web サービスやアプリが本番で起こしたエラーを集めて、どのコードで何が起きたかを示すエラー監視のサービスです。アプリに組み込んだ部品(SDK)がエラーの発生を知らせ、同じ原因のエラーを一つの「項目」にまとめ、発生件数、影響を受けた利用者、直前の操作の記録などを添えて見せます。2019年2月にはハンガリーの Samebug を買収したと公式ブログで発表しており、エラーの情報を開発者の修正作業に結びつける方向を長く続けてきた会社です。
この監視の上に載ったのが Resolve です。公式ドキュメントの説明では、Resolve は二段で動きます。一段目は原因の分析で、エラーが表に出た場所ではなく、どこで壊れ始めたかを複数のプロジェクトやサービスをまたいで探します。二段目が修正で、分析をもとに隔離された一時環境でコードを変え、自社のテストや静的検査を走らせ、プルリクエストを開きます。分析だけで止めて説明を読むこともでき、修正まで進めるかは選べます。
公式トップでは、自社の環境の仮想マシンでチームの課題票を次々に処理させる別の製品も告知しています。ただしこちらは同社のチームが導入と文書づくりに入る形で、本記事が扱う監視画面の中の Resolve とは入り方も責任の分け方も違う製品です。この記事は、監視サービスに付いた Resolve を社内で使ってよいかに絞ります。
2026年の動き:診断から修正へ、ルールでの自動起動、MCPの更新
Resolve はもともと原因を説明する機能として出ていましたが、2026年8月12日に最終更新された公式ブログは、題名のとおり「診断だけでなく修正まで行う」ことを打ち出しました。ブログが挙げる流れは、エラーの文脈を読む、リポジトリの中でエラーの経路を辿る、修正を書く、使い捨ての開発環境でテストを走らせる、プルリクエストを開く、の五つです。現在は公開ベータで、クレジットの購読と GitHub アプリの導入があれば、無料を含むどのプランでも使えるとドキュメントは説明しています。
もう一つの変化が、人が画面から起動しなくても動くことです。プロジェクトの設定で「どのエラーが来たら、分析だけ、または修正のプルリクエストまで」というルールを作ると、条件に合うエラーが届いた時点でエージェントが動きます。さらに外部からの操作口として、分析や修正の実行を始め、状態を問い合わせ、完了したプルリクエストに追加の指示を出す API も公開されています。
社員が手元のAIから Rollbar の情報を読む入口として、公式の MCP サーバーも更新が続いています。2026年7月の版では一つの鍵で複数プロジェクトを読めるようになり、10月13日の版では項目の履歴と利用者が書いたコメントを読めるようになりました。Claude や Cursor、Copilot といった開発者のAIから本番エラーを直接読める範囲が広がっている、ということです。入口が増えるほど、どこから何が読めるかの棚卸しが必要になります。
誤解:プルリクエストが届けば修正は終わり、ではない
Resolve の説明で最も目立つのは「テスト済みの修正が届く」という点です。ドキュメントも、修正の途中で自社の検査を走らせることこそが要点で、当て推量の差分を渡すのではないと強調しています。ただし裏を返せば、保証の範囲は自社のテストが確かめている範囲と同じです。テストが薄い部分、例えば請求額の計算の端数や、権限の確認、外部サービスとの連携の失敗時の動きは、テストを通っても正しいとは言えません。
さらに公式ブログは、単純なテストは一時環境で走るが、複雑なテストはまだ走らない場合があると認めています。テストが失敗した場合でも、結果を添えてプルリクエストは届きます。つまり届いたこと自体は合格の印ではありません。ドキュメントは「チームの誰かのプルリクエストと同じように見てほしい」と書き、Resolve が自分でマージすることはないと明記しています。取り込むかどうかは、最初から最後まで人の判断として設計されているわけです。
ここから先は、ひとつの想定で流れを追います。本番の会員サイトで、申込フォームの送信時に例外が出始めたとします。重大度は「エラー」、環境は本番です。このエラーがルールに引っかかってAIに渡り、プルリクエストになり、取り込まれるまでの四つの場面と差し戻しで、それぞれ誰が何を決めておくべきかを見ていきます。
場面1:ルールが発火する。条件は環境と重大度の二つ
自動起動のルールは、プロジェクトの設定画面で作ります。条件として公式ドキュメントが挙げるのは環境(本番など)と重大度(致命的・エラー・警告など)の二つで、組み合わせると「本番で、エラー以上」のような指定になります。結果は「原因の分析だけ」か「分析のあと修正のプルリクエストまで」のどちらかです。想定の申込フォームの例外は、本番かつエラーなので、ルール次第でそのまま修正まで進みます。
ルールは各項目の新しい発生ごとに評価されますが、同じ項目が開いている間は、二度目の発生で再び走ることはありません。もう一度走るのは、項目を解決扱いにしたあとで再発し、条件を満たしたときです。自動で起動された分析には、項目の履歴に「ルールで起動」という印とルールへのリンクが付くので、後から誰の指示で動いたかを辿れます。完了や失敗は、メールや Slack に通知させられます。
- 本番の「警告」以上を全部、修正のプルリクエストまで自動にする(件数の多い軽いエラーで予算を使い切る)
- 環境を空欄のままルールを作る(すべての環境が対象になり、検証環境のエラーまで走る)
- 通知の宛先を決めずに自動起動を始める(プルリクエストが開いたまま誰にも見られない)
最初のルールは、本番の「致命的」に限って分析だけ、から始めるのが無難です。分析の当たり外れと1回あたりのクレジットの実績を数週間見てから、修正まで進める範囲を広げます。ルールを作る人と、その結果を受け取る人を同じ表に書いておくと、自動化の責任が宙に浮きません。
場面2:何がAIに渡るか。エラーの中身、ソースコード、秘密情報
ルールが発火すると、Rollbar は外部の二つの事業者を使って処理します。一つは修正とテストのための隔離環境、もう一つは言語モデルのエージェントです。公式ドキュメントによると、GitHub が接続されている場合、隔離環境には三つのものが渡ります。一つめは項目の写しで、エラーの題名、状態、重大度、環境、フレームワーク、発生時の本体(スタックトレース、リクエストの内容、独自に付けた文脈)、最近のコメント、状態の履歴、発生件数の推移が入ります。
二つめは、エラーが起きたときの版に合わせて複製されたソースコードです。三つめが、テストや検査を走らせるために登録した秘密情報です。言語モデルのエージェントには、項目の写しの全体と、作業中に読んだソースファイルが渡ります。一方で、発生時の本体のうちメタデータの欄は写しを作る前に取り除かれ、操作の記録の欄は要約から外されると説明しています。
事業者の一覧は公式の副処理者の表に載っていて、2025年12月時点の版では、AIによる分析に OpenAI、プルリクエストの作成とテストのための隔離環境に米国の別の事業者が挙がっています。どちらも所在地は米国です。ドキュメントは、分析と修正に OpenAI の Codex 系のモデルを使っており、モデルは予告なく変わり得るとも書いています。どの国のどの事業者にソースコードが渡るかを、情シスの持ち出し審査の資料に書いておく必要があります。
- 公式の説明では、送ったデータはモデルの学習に使わず、AIの副処理者とはデータを保持しない契約で運用しているとしています
- 分析と修正の内容は、項目と同じ保存期間に従います。期間が過ぎると、実行の記録は残り、分析の本文や応答、指示の内容は消えます
- GitHub を接続しない場合、隔離環境と言語モデルに渡るのは項目の写しだけですが、修正のプルリクエストは作れません
個人情報と秘密情報の混入を、送る前の設定で減らす
項目の写しに入る「リクエストの内容」や「独自に付けた文脈」には、設定次第で利用者の氏名、メールアドレス、申込番号が入り得ます。Rollbar の SDK には、指定した名前の項目を送信前に伏字(アスタリスク)に置き換える設定があり、パスワード、トークン、秘密鍵、クッキー、カード番号といった名前は既定で対象になっています。しかし氏名や住所、自社独自の会員番号のような項目名は既定の対象に入っていないので、自社のフォームの項目名を足す必要があります。
画面の操作を録画する機能を使っている場合は、もう一段の確認が要ります。公式の説明では、特定の要素を録画から外す、文字を伏せる、入力欄を伏せるといった設定ができ、パスワードやメールアドレスの入力欄だけを伏せる指定もできます。ただし、すべての入力欄を伏せる設定は既定では有効になっていません。AIのプライバシー方針のページは、AIが使うデータとしてエラーメッセージ、スタックトレース、ログに加えて画面上の操作も挙げています。録画をAIの材料にしてよいかは、録画を始めたときとは別の判断として扱うべきです。
テスト用の秘密情報も見落としやすい点です。隔離環境でテストを走らせるために登録する秘密情報は、本番の鍵ではなく、テスト専用の権限の小さい鍵に分けます。本番のデータベースや決済の鍵をテストのために登録すると、外部の環境に本番の鍵が置かれることになります。登録や管理ができるのは所有者の役割だけなので、誰がどの鍵を登録したかを台帳で追えるようにしておきます。
場面3:一時環境で修正を書き、テストを走らせる
修正の段階では、隔離された一時環境が作られ、対応付けたリポジトリが、エラーの起きた版のコミットで複製されます。エージェントは原因を書き出し、コードを変え、設定されたテストや静的検査を走らせます。進み具合は画面に流れ続け、どのファイルを読み、何を変え、検査がどう反応したかを一手ずつ見られます。状態は、作業中、停止中(続けられない理由を表示)、完了、キャンセルの四つです。
ここで知っておきたい制約が三つあります。一つめに、ベータの間は1回の修正で変えられるリポジトリは一つだけで、複数のリポジトリにまたがる修正が必要と分析された場合は修正を始められません。二つめに、一時環境には自社の開発用のフックの道具が入っていないため、コミットはローカルのフックを通らずに作られます。リポジトリ側の自動テスト(CI)はプルリクエストに対して通常どおり走るので、最後の関所は自社のCIになるわけです。
三つめに、起動時には任意で指示を書けます。分析で挙がった複数の直し方のうちどれを採るか、分析が知らない事情は何かを、4,000字まで渡せます。空欄なら Resolve が自分で選びます。自動起動のルールでは人がこの欄を書く機会がないので、自動で修正まで進めるのは、直し方の選択に迷いが出にくい種類のエラーに限るのが筋です。
場面4:プルリクエストが開く。取り込みの基準を先に決める
修正が終わると、Resolve はブランチを作ってコミットを積み、選んだリポジトリにプルリクエストを開きます。既定のブランチに直接書き込むことはなく、マージもしません。プルリクエストの説明欄には何をなぜ変えたかが書かれ、元の Rollbar の項目へのリンクが付きます。マージされると、Rollbar は項目の履歴にそれを記録し、関係する項目を解決扱いにします。
問題は、このプルリクエストを誰がどの基準で見るかです。AIの差分は短く筋が通って見えるため、普段のレビューより甘くなりがちです。そこでAIが書いたプルリクエストにだけ適用する受け入れ基準を、入れる前に表にしておきます。分析の根拠がエラーの事実と合っているか、変更がエラーの経路の外に広がっていないか、テストが実際にその経路を通っているか、の三点が軸になります。
| 確認する点 | 見るもの | 取り込まない条件 |
|---|---|---|
| 原因の根拠 | 分析の本文と、元のスタックトレース・発生件数の推移 | 根拠が推測だけで、エラーの事実と結びついていない |
| 変更の範囲 | 差分の行数と触れたファイル | エラーの経路の外のファイルや設定まで変えている |
| テストの中身 | どのテストが走り、その経路を通ったか | テストが失敗のまま、または該当経路を通るテストがない |
| 例外の握りつぶし | 例外を捕まえて黙らせる変更がないか | エラーを記録せずに捨て、表面上だけ消している |
| 権限・金額・個人情報 | 認可、請求額、個人データの扱いに触れていないか | 触れている場合は担当の上席が見るまで保留 |
とくに注意したいのが、例外を捕まえて黙らせるだけの変更です。エラー監視の画面からエラーは消えますが、利用者側では処理が失敗したままかもしれません。エラーが減ったことを、直ったことの証拠にしない。これはAIに判断させず、人が先に決めて基準に書いておくべき線です。
差し戻しと再実行:指示を足すたびに別の実行になる
届いたプルリクエストが惜しい場合は、受け入れるか捨てるかの二択ではなく、変更を依頼できます。別の直し方を指示する、抜けていた境界の条件を伝える、といった指示を書くと、Resolve は同じブランチを取り出して変更し、検査を走らせ直して、同じプルリクエストを更新します。依頼の途中で誰かが同じブランチに手で変更を入れると、その実行は止まり、ブランチを確かめてから出し直すよう案内されます。
ここで見落としやすいのが費用です。公式ドキュメントは、変更の依頼は元の実行とは別の実行として、改めて上限分が予約され課金されると明記しています。元の実行が完了していても、キャンセルされていても、作業中でも同じです。レビューの指摘を細かく何度も投げると、そのたびにクレジットが減ります。
実務では、差し戻しの回数に上限を決めておくのが現実的です。例えば二回の依頼で受け入れ基準に届かなければ、人が引き取って書き直す、と決めます。AIとのやり取りを続けるほど、レビューする人の時間も同じだけかかります。人が直したほうが早い場面を見切るのも、レビュー担当の仕事です。
費用の増え方:クレジット、1回ごとの予約、月の予算
Resolve と原因の分析は、本体のプラン(エラーの件数や録画の数)とは別の、月額のクレジットの追加購読で支払います。ドキュメントでは、有料のエッセンシャルのプランに月4,000、アドバンストのプランに月8,000のクレジットが含まれ、無料プランは0で、購読した分がそのまま月の残高になります。残高は請求期間の初めに戻り、余った分は繰り越せません。公式ブログは、クレジットは15,000で5ドルから、席数による課金はないと説明しています。
費用を読むうえで大事なのが予約の仕組みです。実行が始まると、1回あたりの上限が残高から押さえられます。既定は12,000クレジットで、所有者が変えられます。残高が上限に満たないと実行は始まらず、同時に動く実行の数も残高で頭打ちになるため、ルールで自動起動させる数が多い会社ほど、上限と残高の関係を設計する必要があります。修正の実行は、分析だけの実行より多く消費するとも書かれています。
止まり方にも癖があります。実行の途中で残高が尽きても、その実行は最後まで走り、残高はマイナスになり得ます。従量の超過を有効にしていれば、超過分として請求されます。月の予算を設定すれば、上限に達した時点で以降の実行は処理されなくなりますが、その時点で走っている実行は完走します。年額契約でもクレジットは月払いで、年額の割引は効きません。予算の上限を決める人と、ルールを作る人を分けないと、片方だけが増え続けます。
誰が決めるか:役割の権限と、GitHub アプリの書き込み権限
Rollbar の役割ごとに、Resolve でできることは次のように分かれています。起動とキャンセルは閲覧のみの役割以外なら誰でもでき、道具と秘密情報の管理、クレジットの残高と使い方の確認、1回あたりの上限の変更は所有者だけです。分析と修正は、実行した人がアクセスできるプロジェクトの範囲で動き、見られないプロジェクトのデータを使った結果は制限付きで表示されます。
| 役割 | 起動・キャンセル | 結果の閲覧 | 道具・秘密情報・上限の管理 |
|---|---|---|---|
| 所有者 | できる | できる | できる(残高と使い方の確認も) |
| 標準 | できる | できる | できない |
| ライト | できる | できる | できない |
| 閲覧のみ | できない | できる | できない |
もう一つの権限が GitHub 側です。分析にはコードを読む権限、修正にはブランチを作りプルリクエストを開く書き込み権限が必要で、どちらも同じ GitHub アプリの導入から来ます。導入時には全リポジトリではなく、特定のリポジトリだけを選べます。書き込み権限を渡すリポジトリは、Resolve に任せる範囲と同じだけに絞るのが基本です。設定画面には、どのリポジトリが接続され、誰がアプリを入れたかが表示されるので、四半期ごとに見直します。
ライトの役割でも起動できる点は、社内で見落とされがちです。現場の誰もが手動で修正を走らせられると、クレジットの消費が把握しにくくなります。実行ごとに、誰が始め、いつ走り、何クレジット使ったかは記録されるので、月次で使用の内訳を見る担当を決めておけば、使いすぎは後から辿れます。
外注先の保守との分担:プルリクエストの受け手は誰か
サイトやアプリの保守を外部の開発会社に任せている場合、Resolve の導入は契約の問題にもなります。Rollbar のアカウントとリポジトリがどちらの名義にあるかで、プルリクエストを受け取る人、取り込む人、取り込んだ変更に責任を持つ人が変わるからです。発注側のアカウントで Resolve を動かし、外注先のリポジトリにプルリクエストを開かせる形なら、外注先から見ると、発注者のAIが書いたコードが届くことになります。
このとき決めておきたいのは三点です。一つめは、AIが書いたプルリクエストを外注先が受け入れる義務があるか、断れるか。二つめは、取り込んだ変更が原因で別の障害が起きたとき、保守契約の範囲で直してもらえるか。三つめは、ソースコードを外部のAIの事業者に渡すことを外注先が了解しているか、です。外注先の社内規程で、委託元のコードを第三者に渡すことが禁じられている場合もあります。
逆に、外注先が自社のアカウントで Resolve を使って保守の効率を上げたいと言ってきた場合は、発注側として、送られるデータ、使う事業者、保存期間、伏字の設定を書面で確認します。保守の手段が変わることは、委託の条件が変わることです。見積もりの工数がどう変わるかも、合わせて話しておくと後で揉めません。
止め方・やめ方:実行、ルール、アカウント、接続、購読の五段
止める手段は粒度ごとに用意されています。いちばん細かいのは実行のキャンセルです。ただし公式ドキュメントによると、キャンセルは途中で即座に切るのではなく、今の作業を終えてから先へ進まない形で効き、キャンセルを押した後に消費した分も課金されると明記されています。一時停止と再開はなく、止めた実行は最初からやり直しになります。
走っている修正をキャンセルする。今の作業が終わってから止まり、その後の消費も請求される。やり直しは最初から。
プロジェクトの設定から自動起動のルールを外す。人の手動起動は残るので、手動も止めたいなら次の段へ。
所有者がアカウント設定のエージェントの切替を無効にする。全プロジェクトで分析と修正のタブ、ルールの設定が消える。AI機能を完全に断りたい場合は、公式の案内ではサポートへの連絡になる。
GitHub アプリの対象リポジトリを外す、またはアプリを外す。コードの読み取りと書き込みの両方が止まる。
クレジットの購読を減らす・やめる。変更は次の請求期間の初めから効く。分析の本文は保存期間が過ぎると消え、実行の記録は残る。
障害の最中に止めたくなる場面を考えると、ルールの停止とアカウント全体の切替は、所有者の役割を持つ人が最低二人いないと夜間に間に合わないことがあります。止める権限を持つ人の連絡先と手順を、障害対応の手順書に載せておきます。止め方を試してから本番のルールを入れるのが、自動化の順番です。
社員のAIからつなぐとき:MCPサーバーの読み取りと書き込み
Resolve とは別に、社員が Claude や Cursor、Copilot から Rollbar の情報を読む道が公式の MCP サーバーです。手元のAIのツールがサーバーを直接起動する方式で、項目の詳細と最新の発生、デプロイの履歴、版ごとの状況、直近24時間で多い項目、発生の一覧、画面の録画などを読む道具が並びます。10月13日の版で、項目の履歴と利用者のコメントも読めるようになりました。
書き込みの道具は、項目の状態や担当者を変えるものに限られ、使うには読み取りと書き込みの両方の権限を持つ鍵が必要です。公式ドキュメントは、更新が必要でない限り読み取り権限の鍵を使うよう勧めているほか、アカウント全体を読める鍵と、特定のプロジェクトだけ書き込める鍵を組み合わせる設定も案内しています。鍵は一度しか表示されないので、秘密情報の保管庫に入れ、ソースの管理に入れないこととも書いています。
注意したいのは、社員のAIが読んだエラーの中身は、そのAIの事業者に送られるという点です。Resolve 側の伏字や契約の話とは別に、社員が使うAIの利用規約と保存の扱いが適用されます。録画を読む道具もあるので、どの社員のAIに、どのプロジェクトを読ませてよいかを、AIの利用ルールの中で決めておきます。
AIに判断させない線:根拠を書かせ、人が確認する範囲を先に決める
ここまでの場面を通して、AIに任せてよいのは「原因の候補を挙げ、直し方の一案を書き、テストを走らせる」までです。逆に、取り込むかどうか、自動化をどこまで広げるか、どのデータを送るかは人が決めます。とくに分析が原因を確定できなかった場合、画面には「原因を特定できない」と短い説明付きで出ます。ドキュメントによると多くはコードが見えていないこと(GitHub 未接続、リポジトリの対応付けの誤り、ブラウザ側のソースマップの不備)が理由で、AIの能力の問題とは限りません。
根拠を書かせることも大事です。分析の結果は、何が起きているかの文脈、なぜ起きるかの原因、推奨の直し方の三つに分かれて出ます。ドキュメント自身が、推奨の直し方は「方向性であって、保証された修正ではない」と書いています。レビューの際は、原因の欄に書かれた根拠を元のスタックトレースや発生の推移と照らし、根拠のない断定が混じっていたら取り込まないと決めておきます。
人が確認する範囲も、エラーの種類で事前に分けます。表示の崩れや明らかな空値の扱いは、レビュー一人で取り込む。認可、金額、個人データ、外部への送信に触れる変更は、担当の上席を含めて二人で見る。こうした区分を書面にしておけば、AIのプルリクエストが増えても確認の重さを場当たりで決めずに済みます。
隣の選択肢との違い:分析だけ使う、自社のAIで直す、外注に任せる
Resolve を入れない選択肢も整理しておきます。一つめは、原因の分析だけを使い、修正は人が書く形です。GitHub の書き込み権限を渡さずに済み、読み取りの権限だけで分析ができます。エラー監視の通知から原因の当たりをつける時間が短くなるだけでも、夜間の一次対応の負担は下がります。書き込みを渡さない段階で効果を測るのは、社内の合意を得るうえでも通しやすい進め方です。
二つめは、社員がすでに使っている開発用のAIに、MCP サーバーでエラーを読ませて直させる形です。この場合、修正を書くのは社員のAIで、Rollbar のクレジットはかかりませんが、社員のAIの契約とデータの扱いが適用され、テストは手元で走らせることになります。三つめは、従来どおり保守の外注先に任せる形です。同業の Sentry も同種のAI機能を出しており、公式ブログは自社の課金方式を同社の利用者数による課金と比べていますが、どちらが安いかは使い方の量で決まります。
どれを選ぶにしても、比べる軸は同じです。ソースコードがどこに渡るか、書き込みを誰に許すか、費用が何に比例するか、止めたいときに誰が止められるか。機能の多さより、この四つの答えが自社の規程に収まるかで選ぶと、後から使い方を絞り直す手間が減ります。
導入前のチェックリストと、入れる順番
最後に、社内で Resolve を使い始める前に確かめる項目をまとめます。どれも道具の設定ではなく、決めておく事柄です。一つでも答えが空欄なら、自動起動のルールは作らず、手動の分析から始めます。
- SDK の伏字設定に、自社のフォームの氏名・メールアドレス・会員番号などの項目名を足したか
- 画面録画を使う場合、入力欄の伏字と、要素の遮断の設定を確認したか
- テスト用の秘密情報を本番の鍵と分け、登録した人を台帳に残したか
- GitHub アプリの対象を、任せるリポジトリだけに絞ったか
- 自動起動のルールの条件(環境・重大度・分析だけか修正までか)と、作る人を決めたか
- 1回あたりの上限、月の予算、従量超過の有無を所有者が決めたか
- AIのプルリクエスト専用の受け入れ基準と、二人で見る変更の区分を書面にしたか
- 外注先とのあいだで、受け入れ義務・不具合時の責任・コードの外部送信の了解を確認したか
- 止める手順と、所有者の役割を持つ連絡先を障害対応の手順書に載せたか
- 社員のAIから MCP サーバーで読ませてよいプロジェクトを決めたか
入れる順番は、読み取りから書き込みへ、手動から自動へ、が基本です。まず GitHub を読み取りの範囲で接続して分析だけを手動で試し、当たり外れと消費の実績を見ます。次に修正を手動で走らせ、受け入れ基準でレビューする練習をします。自動起動は最後に、本番の「致命的」の分析だけから始めます。自動化の範囲は、受け入れ基準を回せた実績の分だけ広げると考えると、判断がぶれません。
- Resolve は公開ベータのため、条件や料金、制約は変わり得ます。導入前と四半期ごとに公式ドキュメントを確認してください
- 本記事の数値(同梱のクレジット、1回あたりの上限の既定値、保存期間)は、2026年11月時点の公式ドキュメントに基づきます
まとめ
Rollbar の Resolve は、本番のエラーを読み、隔離した環境で修正を書いてテストし、プルリクエストを開くところまでを自動でこなします。しかし届くのは修正の完成品ではなく、人が取り込むかを判断するための一案と、テストの記録です。ルールで自動起動させるなら、送る前の伏字、テスト用の鍵の分離、書き込みを許すリポジトリ、1回ごとの上限と月の予算、AIのプルリクエスト専用の受け入れ基準、外注先との分担、五段の止め方を、入れる前に決めてください。分析だけの手動利用から始め、受け入れ基準を回せた分だけ自動化を広げるのが、任せきれない部分を残したまま時間を取り戻す進め方です。
※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。
