
AIで開発が5倍速くなっても、障害のときに動ける人数は増えない
戻したサーバーが、また落ちる
日本時間の11月13日の未明から、Microsoft 365 のメールが長いあいだ使えなくなった。
Outlook でメールが送れない、届かない、というあれだ。
Microsoft が出していた状況の更新を追っていて、ひとつ引っかかった説明があった。
多くのサーバーが自動の健全性チェックに落ちて応答しなくなり、残ったサーバーに負荷が集まった。
そして、再起動して戻したサーバーが、通信を受けるとまた応答しなくなった、というものだ。
これを読んで、他人事とは思えなかった。
自分も、同じような障害を実際に経験したことがある。
戻したものが、戻したそばからまた落ちる。
復旧のための余力が無いと、こういうことが起きる。

では人の側はどうなんだろう、と考え始めた。
世の中では、AI で開発が速くなったからエンジニアを減らせる、という話をよく聞く。
減らした後に大きな障害が来ても、その組織はちゃんと復旧できるのか、という疑問だ。
開発が5倍になっても、同時に動ける人は半分のまま
AI の効き方は、開発と障害対応でまるで違うと考えている。
仮に、AI で開発の生産性が5倍になったエンジニアだけを残して、人数を半分にしたとする。
開発の量は、単純に計算すれば元の2.5倍になる。
これだけ見ると、障害に対応する力も落ちないと考えたくなる。
ところが、障害のときに同時に手を動かせる人数は、半分に減ったままだ。
AI がいくら速くても、1人が同時に追える状況と、同時に下せる判断の数は増えない。
大きな障害では、結局のところ人海戦術が効く場面があるんじゃなかろうか。

障害対応は、役割を分けてやる仕事でもある。
Google がサービス運用のやり方をまとめた SRE 本は、障害対応の役割を指揮、作業、連絡、計画の4つに分けている。
誰かの負荷が大きくなりすぎたら人を足してもらう、ということまで書いてある。
自分がこれを意識するようになったのは、今の職場で役割を分けて対応するのを見てからだ。
障害に気づいた人は、そのまま調査して、対応までやってしまいがちだ。
でも営業向けの報告を書きながら調査をすると、頭の切り替えが多すぎて効率が悪い。
基本はマネージャーなどが指揮役として入り、全体の把握と報告を引き受ける。
調査や作業をする人はそこから切り離したほうが、ものごとはスムーズに進む。
大きい障害や、原因が複雑で分かりにくい障害ほど、その傾向が強い。
人数が減ると、この分担ができなくなる。
調べる人が指揮も取り、障害の報告書まで自分で書くことになる。
それは復旧までの時間も延びるわな、という話だ。
夜間や休日の当番も、人数が減れば手厚くはできない。
しかも AI で開発が速くなると、本番に入る変更の量は増える。
Google の DORA という調査の2025年版にも、AI の利用とソフトウェアを届ける安定性は負の関係のまま、とある。
変更は増えるのに、何かあったときに動ける人は減る。
あまり気持ちのいい組み合わせではない。
最低人数は、障害のときに要る人数で決める
では、エンジニアは最低何人いればいいのか。
自分は、障害のときに要る人数から数えるのがいいと考えている。
人数が要る理由は、大きく3つある。
新しいものを作るための人数、ふだんの運用を回すための人数、大きな障害に対応するための人数だ。
AI で大きく減らせるのは、このうち1つ目だけだ。
だから最低人数は、3つのうち一番多いものになる。
開発がどれだけ速くなっても、残りの2つが下限として残る。

数え方は、難しく考えなくていい。
まず、AI が出てくる前に、障害対応で何人が動いていたかを並べる。
見るのは、守りたい水準(どれくらい止まってよいか、何分で戻すか)を守れたときの人数だ。
そこから、AI が肩代わりできる分を引く。
ログを読む、過去の似た障害を探す、といった調査の前半は、AI がかなり助けてくれるはずだ。
一方で、復旧の操作を決めて実行するところは、まだ人が持つことになる。
そうやって補正した人数を、大きな障害でも水準を保てる最低人数と定義する。
人数を開発の量以外で決める考え方は、AI の前からあった。
Google の SRE 本は、24時間の当番を回すのに必要な人数を、開発の量とは関係なく出している。
1つの拠点で回すなら最低8人、2つの拠点で分けるなら各6人。
当番に使う時間は、1人あたり全体の25%までだ。
ここで人数を決めているのは、作るものの量ではなく、当番を無理なく回せるかどうかだ。
AI で開発が速くなっても、この計算は変わらないはずである。
では、平時は何をさせるのか
最低人数を障害に合わせて決めると、すぐに次の問題が出てくる。
平時、その人たちに何をやらせるのか、という問題だ。
開発は AI で速くなっているので、平時は手が余る。
余っている人には、別の仕事を任せたくなるだろう。
新しいシステムを作ってもらったり、他のチームを手伝ってもらったり。
でも、常に別の仕事や新しいシステムを触らせていたら、結局は障害のときに人が足りない。
それでは人数を確保した意味が無い。
これはサーバーの余力と同じ話だと思う。
CPU を常に100%で使い切っているサーバーは、少し負荷が増えただけで落ちる。
落ちた後に戻す余力も無い。
人も同じで、全員の予定が100%埋まっている組織は、障害が来たときに誰も動けない。
だから平時の仕事は、障害が起きたらすぐ手を止められるものにしておくのがいい。
締め切りの固い仕事で全員を埋めない。
障害対応の訓練をして、この人数で本当に回るのかを確かめておくのも、平時の仕事になる。
AIを使いこなす会社ほど、仕事は保守に寄っていく
ここまでの話を先に進めると、エンジニアの仕事がどこへ向かうかが見えてくる。
機能を増やしたり、新しいシステムを作ったりすれば、面倒を見る対象が増える。
作るところは AI で速くなる。
でも、作ったものを持ち続ける手間は、同じようには減らない。
障害の起き方の種類が増えれば、それに対応できる人も必要になる。
つまり、機能やシステムを増やすなら、エンジニアも増やさなきゃいけない。
逆から見ると、AI を高度に活用できている会社ほど、人の仕事は保守に寄っていくことになる。
作るのは AI に任せて、人は運用と、何かあったときに説明する責任を持つ。
これは Podcast でも何度か話してきたことで、自分の感覚とも合っている。
障害対応や顧客への説明は、AI に任せきれない仕事としてずっと残っている。
書いていて、保守的なポジショントークっぽいな、とは思う。
エンジニアが「エンジニアは減らせない」と言っているわけなので。
ただ、これは実際に検証できる話でもある。
過去の障害で何人が動いたかは記録に残っているし、減らした人数で回るかは訓練で試せる。
人を減らす前に、一度それを数えてみてもいいのではないだろうか。