今週盐湖城で開催されたKubeCon North Americaで、Red Hatが引用した導入調査の数字は目を引くものだ。92%の企業がAIをソフトウェア開発ライフサイクルの少なくとも1つの段階に組み入れており、79%は3年以内にAIエージェントの全面的な採用を見込んでいる。AI運用は「使うかどうか」の段階を過ぎ、「投資に見合うかどうか」の段階に入った。そしてセールス資料が指す先は、ほぼ毎回同じ指標だ:MTTR(平均解決時間)。「MTTRを60%削減」「復旧を最大90%短縮」——数字はきれいだが、誰も聞いていない問いがある。ストップウオッチは、どこで止まるのか。
まず時計の定義から。MTTRの「R」はrepair、recovery、respond、resolveのいずれかを指しうる。チームは事前にどちらを意味するかを揃えるべきだ。実際の運用では少なくとも3つのストップウオッチが同時に回っている:本番インシデント(アラート発火からサービス復旧まで)、コード上の指摘事項(検出から解決まで)、CI失敗(失敗した実行からすべてのチェックがグリーンになるまで)。DORAは自社の指標名を「失敗したデプロイからの復旧時間」に変更している。3つの時計が測るものは異なり、時間のスケールも桁が異なる。だからベンダーが三者を一つの数字にまとめ「AIでMTTRを60%削減」と謳う場合、最初に聞くべきは、それがどの時計で、開始点と終了点がどう定義されているかだ。
より重要なのは:モデルが書いたパッチは、検証済みの修正ではない。診断が間違っていれば、素早い修正は間違った場所に落ちてしまい、コストには「誤った修正に気づくまでの時間」まで含まれる。症状を沈黙させるだけのパッチは、たまたま実行されたチェックをすべて通しながら、欠陥そのものを残していることもある。見落とされがちな隠れたコストもあって、それはレビューの行列だ。Sonarが1,100人以上の開発者に行った調査では、38%が「AIが生成したコードのレビューは、人間の同僚が書いたコードのレビューより手間がかかる」と回答した。モデルが1日に十数個のパッチを生み、それぞれレビューで2分余計にかかるなら、その時間は誰かが支払うべきものだ。さらに、繰り返すCIの失敗(失敗するたびにパイプライン1周分のコスト)、手戻り、リグレッション——どれだけでも「速い修正」を遅い復旧へと引き伸ばす。そして注意が必要なのは、MTTRは「間違った理由で下がる」こともあるということだ。指摘事項を無効にしてしまえば、何度か再実行して通せば、時計は早く止まる——ただしリスクはそのままそこにある。
独立した検証もまた簡単ではない。METRの2026年2月発表のフォローアップ調査は、「AIが開発を速くする」というシグナルは信頼できないと結論づけた——開発者はどのタスクを提出するかを選べ、複数のエージェントが並行して動くと時間の記録も難しくなるためだ。DORAの2025年の研究はさらに率直だ:AIは増幅器であり、組織がすでにある強みも、弱みも、両方増幅する。つまり他社のパイロットデータも、ベンダーのデモも、あなたのチームにとっての根拠としては弱い。
では本当のROIはどう測ればよいのか。核心はシンプルな問いである。ワークフローの各段階ごとに、AIは作業を減らしたのか、動かしたのか、増やしたのか——端から端までの時計への純粋な効果だけが数えるに値する。具体的な手順は次の通り。1つのワークフローだけを見る(本番インシデントとコード修正を混ぜない)。ルールで「AIあり/AIなし」の群を割り当て、本人任せの選択にしない。同等の重大度・複雑度の項目同士で比較する。開始事象と終了事象を事前に固定し、タイムスタンプはCI、チケット、インシデント管理システムから取得し、記憶に頼らない。初めて人間が触った時刻、修正提案、レビュー承認、検証合格といった中間のタイムスタンプも記録する。最小サンプルサイズを設け、平均値だけでなく中央値と区間を報告する。
24時間365日のAI運用における時計は、「AIが何かアクションをした」ところで止めず、「サービスが確実に復旧し、安定している」確認のところで止めるべきだ。LAFAはすべてのインシデントについて、アラート・特定・修正・検証までの完全なタイムラインを記録し、検証が通った時点で初めて結果に数える。MTTRが実際にどれだけ下がったかは、広告ではなく、ご自身のデータから計算されるべきものだ。