11月17日、Matt Saundersが「Ten Years On, Google Updates the SREBook for the AI Era」と題した記事を公開した。GoogleがSRE本の第2版を10年ぶりに全面改訂し、AI時代の本番運用に対応した内容へ刷新したことを伝えている。初版が業界に「SRE」という概念を広めてから10年、本番環境の複雑さは質的に変化しており、今回の改訂はその変化への正面からの応答だ。
SRE本が10年ぶりに全面改訂
Googleは、SREの定番書籍『Site Reliability Engineering: How Google Runs Production Systems』の第2版を発表した。初版は2016年に刊行され(O'Reillyでも参照可能)、SREという概念を広く業界に広めた一冊だ。今回の改訂を担ったのはGoogleのSREプログラムマネージャーBetsy BeyerとソフトウェアエンジニアDavid Huskaである。
彼らが改訂の背景として挙げるのは、本番環境の根本的な変化だ。
「現代の本番環境は絶え間ない変化のもとで稼働している。システムの境界はより複雑になり、依存関係は深く、障害のモードはかつてないほど複雑かつ深刻になっている。」
— Betsy Beyer and David Huska、Google Cloud Blog
初版が扱った課題は「いかにクラウドインフラへ移行するか」だった。第2版はその問いを更新する。今や問題は、マイクロサービス、マルチクラウド、サーバーレス、内部開発者プラットフォームが絡み合う環境でいかに信頼性を維持するか、という点に移っている。
AI運用の登場:SREが扱う問題が変わった
今回の改訂で最も実務エンジニアの関心を引くのは、生成AIを巡る2つの視点だろう。
SREがAIインフラを運用する側になった
LLMの学習・推論を支えるGPU/TPUクラスターは、従来のステートレスなWebサービスとは異なる運用上の問題を抱えている。第2版ではこれを正面から取り上げており、非決定的なモデル出力、レイテンシの挙動、ファインチューニングや学習パイプラインの管理など、AI固有の信頼性課題が扱われている。また、GPU・TPUクラスター向けの動的オートスケーリングやFinOps(クラウドコスト最適化)との連携も新たに加わった。
AIがSREを支援するツールになった
逆方向の話もある。第2版では、インシデントトリアージやポストモーテム(障害振り返り)の補助、テレメトリへの自然言語クエリ、リソースボトルネックを予兆検知する予測モデルといった形でAIを活用することが紹介されている。ただし本書のスタンスは慎重で、AIはエンジニアの判断を置き換えるものではなく、証拠を収集・整理する補助役という位置づけだ。
この方向性は業界トレンドとも一致する。InfoQは2026年10月にDatadogがBits AI SRE製品向けに専用モデル「Scout」をリリースしたと報じており、HoneycombのCanvas Agent、Splunk AI SRE、New RelicのSRE AgentなどAI SREツールの競争が活発化している。また2026年2月にはGoogle Cloud SREが実際の障害対応でGemini CLIを使用したことも報告されている。
SLO・可観測性・自動化:実践の進化
AIの話題に隠れがちだが、SREの基本概念も大幅に刷新されている。
SLO(サービスレベル目標)とエラーバジェットについては、単純な可用性メトリクスと手動のポリシー適用から、ユーザー中心の多層SLO、動的なバーンレートアラート、自動化されたポリシー執行へと進化している。障害が「ユーザーにどう影響したか」を測る方向にシフトしている点が重要だ。
可観測性では、静的ダッシュボードと手動アラート対応の時代から、OpenTelemetry、分散トレーシング、異常の自動相関分析へと変化している。テレメトリを集めることではなく、アラートから原因特定までの時間を縮めることが目的として明示されている。
自動化については、スクリプトによる個別タスク対応から、Infrastructure as Code、内部開発者プラットフォーム、自己修復システムへの移行が描かれている。これはプラットフォームエンジニアリングの考え方と一致する。
信頼性テストも変化した。年次のゲームデイや合成負荷テストから、継続的なレジリエンスチェック、パイプラインへの自動テスト組み込み、本番カナリアリリースの常時検証へと移行している。
組織モデルの見直しと「人間的側面」の強調
組織論も更新されている。サービスごとに専任SREチームを置く体制から、プラットフォームエンジニアリングとの統合やプロダクトチームへの信頼性チャンピオン(reliability champion)の埋め込みという分散モデルへのシフトが紹介されている。すべてのサービスに専任SREを配置するリソースを持てない組織が大半であることが背景にある。
技術が変わっても文化は変わらないというのが本書のメッセージでもある。InfoQ Dev Summit Boston 2025でDavid Blank-Edelmanが行った講演『You Are Asking the Wrong Questions (about Reliability and SRE)』でも同様の問題提起がされており、信頼性の議論をコンポーネント視点ではなくカスタマー視点から始めること、単一の根本原因ではなく障害に至る複合的な要因を検討することが主張されている。
第2版はGoogle BooksおよびO'Reillyで入手可能だ。すでにSREを実践しているチームにとっては、既知の概念の再確認よりも、プラットフォームや分散システム、AI重視のインフラにどう適応されたかを確認する一冊となるだろう。
詳細はTen Years On, Google Updates the SREBook for the AI Eraを参照していただきたい。




