11月19日、SiliconAngleが「Resolve AI's SRE-1 model finds root causes of production alerts as AI agents go on call」と題した記事を公開した。Resolve AIが本番アラートの根本原因を自動特定する専用モデル「SRE-1」と、AIエージェントが人間より先にオンコール対応を担う新サービス「Primary On-call」を発表したことを詳しく紹介している。
AIはコードを書けるようになった。では、動かし続けることは?
コード生成AIが普及する一方、本番環境の運用(Production)はAIがほぼ手をつけていない領域だとResolve AIは指摘する。その理由は単純で、各社のインシデント情報は非公開であり、モデルを訓練するための公開コーパスが存在しないからだ。GitHubに大量のコードが公開されているのとは対照的に、本番障害のデータは各社のSlackとPagerDutyの中に眠っている。
この課題に正面から向き合ったのが、Resolve AIが発表したSRE-1だ。
SRE-1の中身
SRE-1は270億パラメータのモデルで、公開されているオープンウェイトモデルをベースに構築されている(具体的なベースモデル名は元記事では開示されていない)。16名のAI研究者チームが、最大512GPUを使って7.4日間のファインチューニングを実施した。
学習手法として特徴的なのは、強化学習(Reinforcement Learning)のみを採用している点だ。強化学習とは、エージェントが試行錯誤を繰り返しながら報酬を最大化する方向に学習する手法で、近年のLLM改善では人間のフィードバックを用いたRLHF(Reinforcement Learning from Human Feedback)が主流となっている。SRE-1では人間のフィードバックなしに本番インシデントデータから直接強化学習を行っており、ドメイン特化の訓練環境を構築している点が独自性の核心といえる。
訓練前後で同一インシデントを評価したところ、1回の調査でのパス率が**6.9%から38.8%**に向上した。
モデルのトレーニングには、SnowflakeのサービスCortex Trainingが使用された。Resolve AIはこのサービスの最初のデザインパートナーだったとSnowflakeのSVP of Engineeringは述べている。
性能評価として、難易度の高い49件のライブ本番ケースを各5回実行したところ、SRE-1の5モデルアンサンブル(複数モデルの出力を多数決的に統合する手法)は、テストした最強のフロンティアモデルと同等の精度をより低コストで達成した。さらに、178件の本番アラート調査をベンチマークした結果、汎用コーディングエージェントの約2倍のインシデント解決率を記録している。
「オンコール」をAIが担うPrimary On-call
SRE-1の推論能力を実運用に乗せるのが、Primary On-callというサービスだ。オンコール対応とは、本番障害発生時に担当エンジニアがページャー通知を受けて対処に当たる体制のことで、深夜・休日を問わず発生するため現場のエンジニアにとって大きな負担となっている。
アラートが発生すると、エージェントはテレメトリ・インフラ・コード・運用ナレッジを横断して調査を行う。その結果に応じて以下の3つのアクションを取る:
- アラートをクローズ(誤検知や軽微な問題)
- 問題を緩和(チームのポリシーが許可する範囲で自動対処)
- 人間にエスカレーション
対処後は本番ベースラインと照らし合わせて回復状況を監視し続ける。また、関連するアラートや調査をひとつのビューにまとめて提示する機能も持つ。
いきなりAIにページャーを渡すことに抵抗があるチーム向けに、シャドーモードも用意されている。エージェントが「もし対応していたらどう判断したか」を記録するだけのモードで、まず判断精度を観察してから本格導入できる。段階的な信頼構築を前提とした設計になっている点は、現場導入の現実的なハードルを踏まえたアプローチといえる。
実績数字
Resolve AIが公表している数値は以下の通りだ:
- **アラートの最大80%**をエスカレーションなしで処理
- 平均解決時間(MTTR)が10倍改善(顧客報告)
- **根本原因特定精度が最大95%**(顧客報告)
Salesforceでは、ダークローンチ(本番環境での非公開テスト)の最初の数週間で、CRM Analyticsチームのページングアラートの70%超をエンジニアを起こすことなくクローズしたと、同社のソフトウェアエンジニアリング担当プリンシパルアーキテクトが述べている。
提供状況と資金調達
Primary On-callは現時点で一般提供(GA)済みだ。SRE-1自体へのアクセスはResolve AIのプラットフォーム内に限定されている。
Resolve AIはVCバックのスタートアップで、累計調達額は1億9,000万ドル超。2026年4月にはDST GlobalとSalesforce Venturesが主導する4,000万ドルのシリーズA延長ラウンドを実施し、評価額は15億ドルに達している。顧客にはCoinbase、DoorDash、Figma、Nasdaq、SAP、Zscalerなどが名を連ねる。
AIOps(AI for IT Operations)の文脈でSREやオンコール対応の自動化は以前から語られてきたが、SRE-1のアプローチは汎用エージェントとは一線を画する。特定ドメイン向けに強化学習で専用訓練したモデルをオンコールのクリティカルパスに置くという構成は、公開コーパスが存在しないからこそ独自データで強化学習を積むという逆転の発想に基づいている。シャドーモードという段階的な導入経路を用意している点も、現場への信頼獲得を設計に織り込んでいる点として注目に値する。
詳細はResolve AI's SRE-1 model finds root causes of production alerts as AI agents go on callを参照していただきたい。




