Skill を使って Technical Supportability Review with AI の診断結果をレビューする

クラウドベースのコンテナ基盤OpenShiftで何か不具合が起きたとき、Red Hatのサポートはmust-gatherというコマンドで数百ファイルのログを採取させる。その膨大なデータから「何が悪いか」を人間が読み解くのは、ほぼ不可能だ。そこにAIが介入する。Red HatのTSRwAI（Technical Supportability Review with AI）は、そのmust-gatherを自動解析して、51件の問題指摘をレポートにまとめる。CRITICALからLOWまで優先度をつけて。だがここが落とし穴だ。AIの診断は「クラスタ全体の一次スクリーニング」に過ぎない。レポートが「etcdに重大エラーがある」と言っても、自分たちの環境でそれが本当に起きているのか、起きているならそれはいつからなのか、どの程度の規模なのか、そもそも運用として意図した設定なのか。これらはレポートには載っていない。実際のアクションを決めるには、手元のデータで「本当か」を確かめる作業が別に必要になる。著者tsubasaがスキル化したのは、その「AIレポート vs 現場データの突き合わせ」という手作業を、AIに伴走させるツールだ。個々の指摘に対して、ログのどこを見るか、どうコマンドを走らせるかを説明してから実行する。その結果を「確認できた」「部分的に確認」「反証」「判定不能」の4段階で記録する。つまり、AIの出した結果を疑うのではなく、「うちの現場では本当に起きているのか」を科学的に検証する。インフラ運用保守は、今やAI診断ツールを使う現場が増えているが、多くが「AIが言ったから対応しよう」と鵜呑みにする。実際は、自社の構成、採取タイミング、運用方針を反映した判断が不可欠だ。自動診断+人間の目+AIの伴奏という3層構造が、初めて意思決定に耐える。tsubasaのスキルが示すのは、AIが「処方箋を出す」のではなく、「現場と一緒に調べてから判断材料を揃える」という使い方である。この姿勢があれば、AIツール導入後の「え、これ本当に効く？」という失敗は、ずっと減る。