詳細を読む
Lightrunが2026年版「AI駆動エンジニアリングの現状」レポートを公開しました。アメリカ・イギリス・EUの大企業に所属するSRE・DevOpsリーダー200人を対象とした調査で、AI生成コードの43%がQAやステージングテストを通過した後も本番環境で手動デバッグを必要としていることが明らかになりました。AIが提案した修正を1回の再デプロイで検証できた組織はゼロで、88%が2〜3回、11%が4〜6回のサイクルを要しています。
この問題の深刻さを示す実例が、2026年3月に発生したAmazonの連続障害です。3月2日には約6時間のダウンで12万件の注文が失われ、3月5日にはさらに深刻な障害が発生し、アメリカの注文量が99%減少、約630万件の注文が消失しました。いずれもAI支援によるコード変更が適切な承認なく本番環境に展開されたことが原因です。Amazonはこれを受け、335の重要システムを対象に90日間のコード安全性リセットを実施しました。
開発者の生産性への影響も甚大です。調査によると、開発者は週の平均38%、およそ丸2日分をデバッグ・検証・環境固有のトラブルシューティングに費やしています。AIがコードを高速に生成する一方で、そのコードが正しく動作するかの確認に膨大な時間がかかり、ボトルネックが「書く」から「検証する」に移動しただけという状況です。Google の2025年DORAレポートでも、AI導入とコード不安定性の増加に相関が確認されています。
調査が指摘する最も根本的な問題は「ランタイム可視性ギャップ」です。回答者の60%が本番環境の動作を可視化できないことを障害解決の最大のボトルネックと回答しました。AIのSREツールや監視ツールが障害調査を試みたケースの44%で、変数の状態やメモリ使用量といった実行レベルのデータがそもそも取得されていなかったため、調査が失敗しています。97%の組織でAI SREエージェントは本番環境への有意な可視性を持たずに運用されています。
業界全体の信頼の欠如も顕著です。AI SREツールを実際の本番ワークフローに導入した組織は調査対象の中に1社もなく、90%が実験・パイロット段階にとどまっています。信頼回復に必要な要素として、58%が「障害発生時点の変数を証拠として提示できる能力」を、42%が「修正案をデプロイ前に検証できる能力」を挙げました。AIに求められているのは、より上手に説明する能力ではなく、より深く観測する能力であることが浮き彫りになっています。