髙橋氏はまず、開発と運用では「AIに必要なコンテキストの性質が全く異なる」と指摘した。

クラウドエースの髙橋和真氏

　開発は将来利用されるシステムを作る作業だ。未来に必要となる要件やユースケースを新たに定義し、それらを指示としてAIに与える。重要なのは「将来、本番環境でシステムが動くかどうか」であるため、仮に開発中にAIへ不十分な指示を与えて失敗しても、本番稼働が始まる前であれば修正できる余地がある。

　一方、システム運用は、現在稼働しているシステムを維持、管理することだ。その運用方法をAIに正しく理解させるには、未来ではなく、過去から積み上げられてきた運用上のルールや習慣、制約、履歴、判断といった「コンテキスト」を拾い集め、それらを前提条件としてAIに与える必要がある。

画像をご覧いただくには会員登録が必要です

会員登録・ログイン

開発では要件やユースケース、運用では制約や履歴、過去の判断などがAIの判断材料になる（講演資料から抜粋）

　「もしこれらのコンテキストの情報が不正確であったり不十分であったりすると、これまで積み上げられてきた運用のルールや習慣、判断基準に反する動きをAIがしてしまい、結果としてシステムのトラブルや停止を招いてしまうこともあり得ます。そのため、AIにシステム運用を任せるためには、膨大なコンテキストを正しくAIに引き渡す必要があるのです」（髙橋氏）

AIに運用を任せきれない背景にある「暗黙知」の壁

　しかし実際には、多くのシステム運用の現場で、こうしたコンテキストがドキュメントや仕様書、手順書として十分に明文化されているとは限らない。

　現場には、会議で決まったものの記録されていない運用上の取り決めや、顧客ごとに異なる細かなルールなどが積み重なっている。こうした情報が担当者の頭の中にしかない「暗黙知」になっていれば、そのままではAIに渡すことができない。

画像をご覧いただくには会員登録が必要です

会員登録・ログイン

文書やコード、手順書などAIに渡せる情報がある一方、会議で決まった取り決めや顧客ごとの例外ルールなどは暗黙知として残りやすい（講演資料から抜粋）

　「多くの企業のシステム運用現場では、例えば会議で決まったものの明文化されていない運用の取り決めや、顧客ごとに異なる独自の細かな運用ルールなど、暗黙のルールが無数に積み上がっています。そのような暗黙知をAIに正しく渡せる形になっていないため、結局はAIに運用を任せられず、以前と変わらず大半の作業を人手で行わざるを得ない。これが、多くの企業におけるシステム運用の実情ではないでしょうか」（髙橋氏）

　AIは、与えられた情報の範囲内であれば独自に仮説を立て、問題の原因を推論できる。裏を返せば、教えられていない情報や前提が欠けている状態では、組織が期待する判断を下せない可能性がある。

　システム運用には、「特定のシステムやリポジトリに関して口頭で取り決めたルール」「アラート発報時の担当者への連絡順」など、組織固有の細かな取り決めやルールが数多く存在する。システム要件を新たに定義して一つ一つAIに入力していくAI駆動開発とは異なり、運用におけるAI活用では、過去の経緯の中で積み上がってきたコンテキストを拾い集め、AIが参照できる状態にする必要がある。

　ただし、こうした膨大なコンテキストを全て漏れなくAIに渡すことは現実的ではない。そこで髙橋氏は、AIの自由度に一定の制限を設けた上で、AIが安全に動ける条件を人間側で設計し、どこまで任せるかを仕組みとして決めるアプローチが必要になると説明する。

エージェントへの安全な権限付与とWork AIによる暗黙知への対応

　こうしたシステム運用特有の難しさを踏まえ、クラウドエースでは、AIに運用を任せきれないことを前提にしながら、現在2つのアプローチを取っているという。

　1つ目は、「Claude Code」や「Codex」「Cursor」などのコーディングエージェントが持つ「Skill」「Hook」といった機能を活用し、AIエージェントに与えるコンテキストや実行可能な操作を制御する方法だ。

　例えば、AIエージェントにシステムの調査を依頼する際、調査可能な範囲をSkillやHookを通じて明示することで、エージェントが動ける範囲をあらかじめ限定する。

　AIエージェントに権限だけを与えて自由に調査させれば、意図しないコマンドを実行する可能性もある。そこで同社では、AIの機械的なコマンド実行を制御するガードレールをHookを通じて定義し、「変更」「削除」といった操作をあらかじめ禁止しているという。

画像をご覧いただくには会員登録が必要です

会員登録・ログイン

Skillで属人ノウハウを共有し、Hookでは変更や削除などの操作を禁止することで、AIエージェントが動ける範囲を制御する（講演資料から抜粋）

　また、この仕組みを通じて、属人的なノウハウをチーム内で共有する取り組みも進めている。

　「運用担当者ごとに得意分野や持っているスキルは異なりますが、それらをSkillやHookという形でマーケットプレースに集約してチーム内で共有しています。これにより、特定の個人だけがAIエージェントの恩恵を受けるという不公平感を生むことなく、チーム全員が同じ精度で活用できるようにしています」（髙橋氏）

　2つ目のアプローチが、Work AIプラットフォームとコーディングエージェントを連携させ、社内に分散した暗黙知や関連情報をAIから参照可能にする方法だ。

　同社では「Google Workspace」を利用し、Web会議の録画や議事録、　「Slack」などのチャットツールのメッセージ、社内ドキュメントなど、分散しがちな情報を「Gemini Enterprise」や「Glean」といったWork AIプラットフォームから扱えるようにしているという。

　こうして集約された社内データは、自然言語を使った横断検索や要約ができる。さらに、Gleanが提供するMCP（Model Context Protocol）のインタフェースを介して、Claude Codeなどのコーディングエージェントからも参照できるようにしている。

　これにより、これまでは運用担当者がその都度明文化しなければならなかったルールや経緯について、AIが関連情報へアクセスしやすくなる。人の頭の中や複数のツールに散らばっていたコンテキストを、AIから参照できる状態に近づける狙いだ。

インシデント対応で見えた「AIに任せる仕事、人に残す仕事」

　こうしたAIへの権限委譲とコンテキストマネジメントの仕組みは、同社内のインシデント対応でも使われているという。

　あるデータウェアハウスのETLジョブでインシデントが発生した際、コーディングエージェントがログやコードの確認、仮説の整理、修正案の提示といった具体的な「作業」の多くを担った。

　一方、人間は、インシデントの構造全体の読み解きや関係者へのヒアリング、原因の特定や意味付け、オペレーションの修正といった「判断」に注力したという。

画像をご覧いただくには会員登録が必要です

会員登録・ログイン

AIがログ確認、コード確認、仮説整理、修正案提示を担い、人間は案件の文脈回収や関係者へのヒアリング、原因の意味付け、修正判断を担当した（講演資料から抜粋）

　AIに作業を任せ、人間が判断や調整に専念する。髙橋氏は、こうした役割分担が進めば、今後はシステム運用者に求められる仕事そのものも変わるとみる。

　「これまで運用者が担っていたログ確認やコマンド実行、手順書通りの復旧といった具体的な作業は、今後AIが肩代わりするようになります。これからのシステム運用者は自ら手を動かす役割から、情報を適切に更新・共有することでAIが読める形に整え、正しい前提情報を集めて文脈を整える役割へと変化していくことになります。こうしてコンテキストの品質をメンテナンスすることで、AIのアウトプット品質も維持できるようになります」（髙橋氏）

画像をご覧いただくには会員登録が必要です

会員登録・ログイン

ログ確認やコマンド実行を担う役割から、前提情報の収集や決まり事の明文化、情報源の更新・共有を担う役割への変化を示した（講演資料から抜粋）

　髙橋氏は、システム運用の現場でまず取り組むべきこととして、「暗黙知の明文化」と「単一ソース化」（SSoT：Single Source of Truth）を挙げる。

　具体的には、「会議での決定事項を残すこと」「顧客ごとの例外ルールを検索可能にすること」「誰が、いつ、なぜ変更したかを追跡できるように保つこと」などだ。こうした取り組みを通じて、人間やAIが同じ情報源を参照できる状態を整え、判断の前提をそろえることが重要になるという。

　ここで髙橋氏が強調するのが、「運用者の本業はコンテキストマネジメントになる」という考え方だ。

　AIがログ確認やコマンド実行、定型的な復旧作業を担うようになれば、人間には、AIが正しく判断できる前提情報を整え、その品質を維持する仕事がより強く求められる。AIを使うことそのものではなく、AIが何を参照し、どこまで動いてよいのかを管理することが、運用者の新たな役割になるというわけだ。

　「『AIに運用の全てを任せられるか否か』という短絡的な判断ではなく、『どこまでなら安全に任せられるか』という柔軟な発想に立ち、そのための具体的な運用設計を検討すべきです。そのためにはAIの性能そのものだけでなく、AIに渡すコンテキストにも目を向け、運用者としてコンテキストマネジメントを意識することが何よりも大事だと考えています」（髙橋氏）

　AIに運用を任せる範囲が広がるほど、AIがどの情報を前提に判断するのかを整える仕事の重要性も増す。暗黙知を残し、検索できる状態にし、必要に応じて更新することは、AIに運用を任せるための前提条件になりそうだ。