本文へ移動
← 目次 AIエージェント 1→100 DAY 53

第9章|設計を実装へ変える

DAY 53 ・ 約30分

Log・Trace・Eval・Observability

何が起きたか、なぜか、良かったかを別々に観測する。

今日できるようになること

「Log・Trace・Metric・Evalを分け、何が起きたか、なぜか、良かったかを診断できるObservabilityを作ります」を理解し、Observability Specificationとして対象業務へ適用し、採用・保留・停止の理由を第三者へ説明できる。

01 言葉を知る02 仕組みを理解する03 実例で理解する04 今日の理解度を確認する05 今日の整理をする
01|言葉を知る

言葉を知る

用語を暗記するだけでなく、どの判断に使う言葉かまで整理します。

Log

時刻、主体、操作、結果などの個別記録です。

Trace

一つの依頼が複数部品を通った経路を関連付けた記録です。

Metric

時間や件数など、継続集計する数値です。

Observability

外部出力から内部状態と原因を推定し、診断できる性質です。

Evaluation

固定した対象、評価例、指標、合格条件を使い、出力と実行経路が要求を満たすか測定・判定することです。

Observability Specification

「Log・Trace・Metric・Evalを分け、何が起きたか、なぜか、良かったかを診断できるObservabilityを作ります」を、判断・制御・測定まで含む独自成果物へまとめます。

相関ID

改ざん防止、アクセス制御、保持期間、相関ID、Alert、サンプリングを実装します。

02|仕組みを理解する

仕組みを理解する

この日の設計対象

Log・Trace・Metric・Evalを分け、何が起きたか、なぜか、良かったかを診断できるObservabilityを作ります。 ここで扱うのは用語を覚えることではなく、対象業務について選択できる状態を作ることです。まず現在分かっている事実、まだ検証していない仮説、組織として決める方針を分けます。技術的に可能という説明だけでは、業務へ入れてよい根拠になりません。対象、利用者、目的、入力、出力、外部への影響を同じ境界で記し、今回あえて扱わない範囲も明示します。 監査ログ、技術デバッグ、品質評価、個人監視を同一目的で収集しません。 境界の内側だけを詳しくして、前後の依存を消さないことが重要です。前工程から何を受け取り、後工程が何を確定情報として使うかを確認します。設計の結論には、採用案だけでなく保留条件と不採用理由を残します。

構造を順に追う

共通Trace IDでモデル、検索、Tool、承認、状態を結び、必要MetricとEval結果を版へ関連付けます。 各段階へ、開始条件、入力、処理、出力、担当、完了条件を付けます。順番どおりに進む正常例だけでなく、入力不足、競合、タイムアウト、権限不足、外部停止のときにどこへ移るかを記します。AIの応答を得た時点を完了にせず、その結果が人またはシステムで正しく利用され、必要な記録が残るところまでを一つの流れとして見ます。 段階の間では、識別子、版、状態、根拠を引き渡します。自由文だけで状態を表すと、再開・重複防止・監査が難しくなります。後から部品を交換できるよう、業務上の契約と特定製品の設定を分けます。

似た概念を混ぜない

監査ログ、技術デバッグ、品質評価、個人監視を同一目的で収集しません。 似て見える仕組みを一つの箱へ入れると、誰が更新し、どの失敗を止め、何を評価するかが曖昧になります。目的、保存期間、権限、更新者、失敗時の影響という観点で比較し、同じ情報でも用途が違えば別の扱いにします。 名称の違いだけで分けるのではなく、実際の案件を一件通して、いつ何が必要になるかを確かめます。判断材料がなくても処理を進められる設計は、モデルが空白を推測で埋める危険があります。「分からない」「保留」「人へ戻す」を正しい状態として用意します。

判断を再現可能にする

機密と個人情報をログへ過剰保存せず、原因診断に必要な構造とRedactionを選びます。 判断票には、選択肢、採用理由、使った証拠、反対証拠、決定者、確認日を残します。点数を付ける場合も、合計点だけで結論を決めません。安全、権利、契約、説明責任など、満たさなければ進めない条件を別のゲートにします。 判断が人によって割れる場合は、平均で隠さず、どの前提が違うかを確認します。製品デモ、公式仕様、自社ログ、担当者の経験は証拠の強さが違います。結論を最も動かす未確認事項を、次の検証課題として担当と期限へ変えます。

失敗から先に設計する

最終回答だけを保存し、どの根拠・Tool・版・承認で外部作用したか追えません。 失敗を「回答が少し違う」の一種類にまとめず、発生原因、検知方法、影響範囲、回復可能性で分けます。外部へ送る、公開する、削除する、支払う、個人を評価するなどの操作は、下書きより厳しい条件を置きます。頻度が低くても重大な失敗は、平均品質へ埋めません。 通常経路を速くするだけでなく、危険な入力を正しく止めることも価値です。再試行が同じ外部操作を重ねないか、停止後に誰が案件を引き継ぐか、誤りを訂正して影響を受けた人へ説明できるかを確認します。

制御を一つに頼らない

改ざん防止、アクセス制御、保持期間、相関ID、Alert、サンプリングを実装します。 指示文だけ、確認者だけ、ログだけの単独対策にせず、予防、検知、停止、対応、復旧を重ねます。固定条件はコードや権限で強制し、曖昧な分類はAIに候補を出させ、高影響の結論は必要な材料を見られる人が担います。人の確認には、時間、専門性、根拠、保留手段が必要です。 制御が働いた件数も記録します。ブロックが多すぎる場合は業務を止め、少なすぎる場合は検知漏れの可能性があります。例外対応を担当者の善意に任せず、連絡先、期限、代替経路、再開条件を運用へ含めます。

測る対象と基準を固定する

経路別Latency、エラー、Tool結果、Guardrail、品質、費用、Trace欠損、ログ閲覧を測ります。 指標には対象期間、母数、除外条件、測定者、データの所在を付けます。平均だけでなく中央値、分布、重大失敗を分け、導入前と導入後を同じ定義で比べます。活動量、出力品質、利用状況、事業成果は別の層です。生成回数が増えても、採用されず確認負荷が増えれば価値は出ていません。 測定のために過剰な個人情報を集めたり、学習目的を従業員評価へ無断転用したりしません。欠測をゼロとして扱わず、測れない項目は未確認として残します。どの数字ならGo、修正して再試験、停止のどれにするかを実行前に決めます。

データと責任を対応させる

この設計で使う情報には、所有者、提供者、品質責任者、アクセス承認者、更新頻度、保存期間を付けます。共有フォルダーに存在することは、正確で利用許可があることを意味しません。最新版、機密区分、個人情報、著作権、契約上の制約を確認し、目的に必要な最小範囲だけを扱います。 この設計に必要な情報と、念のため集めたい情報を分けます。訂正が生じたとき、元データ、参照知識、処理状態、出力履歴のどれを更新するかを決めます。データが古い、欠ける、権限外の場合に、AIが補完せず保留できる経路を作ります。

実装へ渡せる粒度にする

「共通Trace IDでモデル、検索、Tool、承認、状態を結び、必要MetricとEval結果を版へ関連付けます」を、特定の画面操作ではなく入出力契約として表します。各部品は、何を受け取り、何を返し、どの認証で、何秒待ち、何回再試行し、どのログを残すかを持ちます。外部作用の前後には、承認対象と実行対象が同一であることを確かめる識別子を置きます。 一つの巨大なエージェントへ任せず、固定処理、検索、モデル、人、既存システムを役割で分けます。ただし部品が多いほど受け渡しと障害点も増えます。必要最小限の構成から始め、品質と運用の証拠が得られた範囲だけを拡大します。

実例を三種類で通す

工場の品質異常調査の通常例、境界例、失敗例を一件ずつ用意します。通常例では期待する流れと出力、境界例では判断が割れる条件、失敗例では停止・復旧・説明を確認します。成功例だけを繰り返しても、本番の安全性は分かりません。実例には個人情報を必要以上に含めず、架空化または利用許可のある代表データを使います。 各例について、どの情報を参照し、どの分岐を通り、誰が何を確定し、何が記録されたかを追います。設計図の外で担当者が補った作業は、見なかったことにせず図へ戻します。

関係者レビューを行う

業務責任者、実行担当、データ責任者、技術担当、リスク・法務、出力を受ける人は異なる懸念を持ちます。全員が毎回参加する必要はありませんが、誰の確認が欠けているかは残します。レビューでは「便利そうか」だけでなく、目的、境界、必要データ、最悪の失敗、停止、費用、測定を順に確認します。 「機密と個人情報をログへ過剰保存せず、原因診断に必要な構造とRedactionを選びます」という結論を第三者に復唱してもらい、解釈がずれれば成果物を修正します。専門用語だけで説明せず、実際の一件がどう変わるかを示します。反対意見は抵抗として捨てず、未発見の制約や影響を知る証拠として扱います。

変更と版を管理する

設計時点のモデル、外部サービス、規程、データ版、確認日を記録します。AI関連の仕様は変わるため、一度の合格を永久保証としません。入力分布、料金、権限、モデル、知識、業務ルールの変更を検知したら、影響する評価例と承認を再実行します。変更理由と差分を残し、以前の正常状態へ戻せるようにします。 「最終回答だけを保存し、どの根拠・Tool・版・承認で外部作用したか追えません」という問題が再発したとき、どの版で、誰が、どの証拠を見て判断したかを追えることが必要です。軽微な表示変更と、能力・権限・データ利用の変更を同じ承認にしません。後者は失敗影響が変わるため、再評価の対象です。

今日の完了条件

Observability Specificationは、空欄をそれらしい言葉で埋めたら完成ではありません。「Log・Trace・Metric・Evalを分け、何が起きたか、なぜか、良かったかを診断できるObservabilityを作ります」を、判断・制御・測定まで含む独自成果物へまとめます。 通常例と失敗例を第三者が追え、採用・保留・不採用の理由が証拠へ戻れ、次に誰が何を確かめるかが分かる状態を完成とします。 最後に、目的と対象外、主要な選択、残る不確実性、停止条件、次の見直し日を一段落で説明します。図と表の名称・識別子をそろえ、前日までの成果物と矛盾しないか確認します。未解決事項は欠点を隠すものではなく、次の安全な検証を定義する項目です。

03|実例で理解する

実例で理解する

具体例で判断する

品質異常AgentのTraceは、センサー入力、検索した手順版、分類候補、担当承認、通知結果を結びます。生の作業者情報を無期限に残さず、案件IDと必要な証拠へ限定します。重大分類の見逃しをEvalへ戻し、同じ版で再現できるようにします。 この例では、技術的に可能な最大範囲ではなく、目的を測れて失敗を小さく止められる範囲を選びます。担当者の経験を消すのではなく、どの判断材料と例外処理を維持するかを明示します。導入前の値、試験期間、対象件数、重大失敗を固定し、結果が良くても権限は自動で広げません。条件が変わった場合は、同じ成果物へ確認日と差分を追記して再評価します。

Observability Specification

「Log・Trace・Metric・Evalを分け、何が起きたか、なぜか、良かったかを診断できるObservabilityを作ります」を、判断・制御・測定まで含む独自成果物へまとめます。

  1. 対象と目的を固定する
  2. 「監査ログ、技術デバッグ、品質評価、個人監視を同一目的で収集しません。」を図へ反映する
  3. 「共通Trace IDでモデル、検索、Tool、承認、状態を結び、必要MetricとEval結果を版へ関連付けます。」を順に記録する
  4. 制御と人の責任を対応させる
  5. 「経路別Latency、エラー、Tool結果、Guardrail、品質、費用、Trace欠損、ログ閲覧を測ります。」で受入条件を置く

04|今日の理解度を確認する

今日の理解度を確認する

1 / 5
QUESTION 01

DAY53「Log・Trace・Eval・Observability」で、「Log」の説明として適切なものはどれですか。

QUESTION 02

「工場の品質異常調査で最終回答だけを保存し、どの根拠・Tool・版・承認で外部作用したか追えません」という状況が起きました。最も適切な判断はどれですか。

QUESTION 03

DAY53「Log・Trace・Eval・Observability」で、対象を混同しないために置く区別として最も適切なものはどれですか。

QUESTION 04

DAY53「Log・Trace・Eval・Observability」の設計を運用後に評価する測定対象として最も適切なものはどれですか。

QUESTION 05

Observability Specificationを実装へ渡せる状態にする設計はどれですか。

05|今日の整理をする

今日の整理をする

この3点を持ち帰る

  • ✓ Log・Trace・Metric・Evalを分け、何が起きたか、なぜか、良かったかを診断できるObservabilityを作ります。
  • ✓ 監査ログ、技術デバッグ、品質評価、個人監視を同一目的で収集しません。
  • ✓ 改ざん防止、アクセス制御、保持期間、相関ID、Alert、サンプリングを実装します。

講義本文 4,866字

PRIMARY SOURCES

確認に使った一次資料・公式資料

本文は各資料を参照し、初学者向けに独自構成・独自表現で解説しています。
NEXT LESSONDAY 54「実践:小さなPrototypeを完成させる」へ次のDAYに進む →