運用作業や障害対応のあと、「結局どこをどう変えたのか」「影響範囲はどこまでか」「切り戻しは必要だったのか」を後から整理するのは意外と手間がかかります。
特に、Backlog に残っている情報は作業の経緯やコメントが中心で、報告文や引き継ぎ資料としてそのまま使える形になっていないことも多いです。
そこで今回は、Backlog の課題URLを入力するだけで、変更点・影響範囲・切り戻し内容を文章化する「変更管理エージェント」を作りました。
本記事はナレコムAI Agent Studio を使って構築しており、運用記録や作業報告を AI で標準化することを狙っています。
何を解決したいのか
運用作業のあとに発生しやすい課題は、たとえば次のようなものです。
- 作業内容が担当者ごとにばらつく
- Backlog の情報を見ながら報告文に整えるのが面倒
- 変更点、影響範囲、切り戻し内容を毎回整理する必要がある
- 引き継ぎや事後レビューで、経緯を追い直すのに時間がかかる
つまり、問題は「情報がないこと」ではなく、情報を使える文章に変換する工程が重いことです。
ここを AI に任せることで、運用の記録作成をかなり軽くできます。
変更管理エージェントの概要
このエージェントは、Backlog課題URLを入力するだけで、課題本文やコメントをもとに作業内容を文章化するワークフローです。
主に次の情報を整理します。
- 実施した変更点
- 影響範囲
- 切り戻し内容
- 報告や引き継ぎに使いやすい文章
入力はシンプルで、必要なのは以下です。
- Backlog課題URL
- Backlog APIキー
そのうえで、課題情報とコメントを取得し、AI が内容を要約・再構成してくれます。
利用手順
利用の流れは次の通りです。
-
Backlog課題URLを入力する
文章化したい運用作業や障害対応の Backlog 課題を指定します。
-
処理を実行する
課題本文とコメントを取得し、内容を整理します。 -
文章化結果を確認する
変更点、影響範囲、切り戻し内容が自然な文章として出力されます。
-
必要に応じて修正・転記する
報告文書、作業記録、引き継ぎ資料としてそのまま使えます。
今回使用した課題（サンプル）
以下は、文章化のサンプルとして使った課題のイメージです。
AWS CloudWatch「CPU使用率」アラーム通知条件変更報告書
1. 変更理由・目的
平常時に一時的な負荷上昇が発生した際にもアラームが発報し、通知が頻繁に発生していた。
このため、CPU使用率の閾値および評価期間を見直し、短時間の一時的な負荷上昇による不要なアラーム通知を抑制することを目的として、本変更を実施した。
2. 実施内容
以下の手順で設定変更を実施した。
- 対象となるCloudWatchアラーム（CPU使用率）を特定
- アラーム設定を以下のとおり変更
- CPU使用率の閾値：80%に変更
- 評価期間：10分に変更
- 通知先SNSトピックが従来の設定から変更されていないことを確認
- 設定変更が正常に反映されていることを確認
- 変更後の設定値を確認し、変更作業を完了
3. 実施結果
以下のとおり、設定変更が完了した。
- CPU使用率の閾値が70%から80%へ変更されていることを確認
- 評価期間が5分から10分へ変更されていることを確認
- 通知先SNSトピックに変更がないことを確認
- 変更内容が設定に反映されていることを確認
4. 変更後の確認
変更後、目安として1週間、CloudWatchアラームの発報状況および通知状況を監視する。
監視にあたっては、以下を確認する。
- 一時的な負荷上昇による不要なアラーム発報が抑制されていること
- CPU高負荷が継続した場合に、必要なアラーム通知が発報されること
- 通知先SNSトピックに正常に通知されること
5. 切り戻し手順
変更後の監視結果に問題がある場合は、必要に応じて設定を変更前の状態へ戻す。
| 項目 | 切り戻し後の設定 |
|---|---|
| CPU使用率の閾値 | 80%から70%へ戻す |
| 評価期間 | 10分から5分へ戻す |
| 通知先SNSトピック | 変更なし |
どういう場面で使うのか
このエージェントは、次のような場面で役立ちます。
運用作業の完了報告
作業内容を Backlog ベースで整理し、そのまま報告文としてまとめたいときに使えます。
作業者の書き方に依存せず、一定の品質で文章を作れるのが利点です。
障害対応の記録
対応内容、影響範囲、切り戻しの有無を整理して残したいときに便利です。
あとから振り返る際にも、経緯を追いやすくなります。
引き継ぎ資料の作成
次担当者に対して、何が起きて、どう対処したのかを簡潔に共有できます。
属人的なメモよりも、一定のフォーマットで残せるのが強みです。
作業内容の標準化
担当者ごとの記載のばらつきを減らし、報告の形式を揃えたいときに有効です。
AI を使うことで、毎回ゼロから文章を考える負担も減らせます。
事後レビューや振り返り
実施内容を整理し、レビューや振り返りに使える文章として出力できます。
作業ログを「読むための文章」に変えられるのがポイントとなります。
AIドリブンにする意味
今回の仕組みで大事なのは、単なる自動化ではなく、AIによって情報を使える文章に変えることです。
Backlog に蓄積された情報は、事実としては十分でも、そのままでは報告書や引き継ぎ資料にはしづらいことがあります。
AI を挟むことで、次のような価値が出ます。
- 課題情報を読みやすい文章へ変換できる
- 担当者の解釈差をある程度抑えられる
- 報告や引き継ぎをすぐ作れる
- 運用後の記録作成を標準化できる
AI は単なる補助ではなく、運用の後処理を前に進めるための機能として働きます。
ナレコムAI Agent Studioを使ってみて
ナレコムAI Agent Studioは、こうした日々の小さな業務フローでも手軽に導入でき、複雑な実装を意識しすぎずに構築できます。
まず気軽に試しながら、実運用に使える形へ落とし込みやすいと感じています。
まとめ
Backlog に残っている情報を、報告や引き継ぎに使える文章へ変換する作業は、地味ですが高頻度で発生するコストです。
今回作成した「変更管理エージェント」は、その後処理を AI で標準化し、運用担当者の負担を減らすための仕組みです。
もしBacklog を使った記録作成を効率化したい方の参考になればうれしいです。