室谷代表取締役Cognitionが本番障害対応のAIエージェント「Devin Oncall（デビン・オンコール）」を一般提供開始したんですよね。Devin Oncallは、Cognitionが2026年10月15日に一般提供を始めた本番インシデント対応のAIエージェントで、アラートやバグ報告を自動で調査し、原因の診断から緩和までを担います。
テキトー教師DotAI 認定講師これは単に「AIがアラートを見るようになった」という話じゃないんですよ。オンコール、つまり夜間や休日に待機して障害に即応する運用体制そのものを作り替えにいく発表です。
まず何が発表されたかを整理しましょう。
まず何が発表されたかを整理しましょう。
室谷代表取締役公式のアナウンスでは、Devinがアラートとバグを自動で調査し、チームの診断と解決を助けるとされています。すでに世界の大企業のいくつかで毎日数千件のアラートを処理している、と。
テキトー教師DotAI 認定講師毎日数千件というのは規模感として大きいですよね。しかも「SREにしてほしい」というメッセージまで添えられている。
CognitionはDevin Oncallを、単なる通知ツールではなく、オンコールを担う存在として位置づけているわけです。
CognitionはDevin Oncallを、単なる通知ツールではなく、オンコールを担う存在として位置づけているわけです。
室谷代表取締役MYUUUでも障害対応の初動って本当にコンテキスト収集に時間を取られるんですよ。ログを見て、デプロイ履歴を見て、誰がオーナーかを探して……。
そこを丸ごと引き受けるという話なので、実務者としてはかなり気になります。
そこを丸ごと引き受けるという話なので、実務者としてはかなり気になります。
Devin Oncallとは？何ができるAIエージェントか
Devin Oncallの特徴
本番インシデント対応AIエージェント
Cognitionが提供。アラートやバグ報告を自動で調査し、原因を診断して緩和まで進める。
ソフトウェアをセルフドライビングに近づける
エンジニアが全ステップを起動・調整するのではなく、方向性と意思決定に集中できるようにする。
従来AIエージェントの課題
本番デバッグが苦手。早合点で「答えを見つけた」と宣言し、探索が狭く、単純な緩和ではなく大規模なコード変更を試みた。
従来の補完手法とその限界
専用AI SRE企業が長大で過適合なプロンプト、専用モデル、独自グラフ構造で補ったが、モデルの進化に伴いスケールしなくなった。
設計思想
「賢いエージェント本体＋適切なコンテキスト・ツール・ワークフロー」に回帰。
モデル非依存アーキテクチャ
オンコールのタスクごとに最適なモデルを選択可能。より強いモデルが出たら採用すると明言。
3層構造
コアインテリジェンス、企業コンテキスト、エージェントの振る舞い。強いオンコールエンジニアの「システムを推論する力」「自社環境の知識」「実戦で鍛えられた信頼性ワークフロー」に対応。
テキトー教師DotAI 認定講師改めて定義を揃えておくと、Devin OncallはCognitionが提供する本番インシデント対応のAIエージェントです。アラートやバグ報告を自動で調査し、原因を診断して、緩和まで進めます。
室谷代表取締役公式ブログでは「ソフトウェアをセルフドライビングに近づける」という言い方をしているんですよね。エンジニアが全てのステップを起動して調整するのではなく、方向性と意思決定に集中できるようにする、と。
テキトー教師DotAI 認定講師背景ブリーフによると、これまでAIエージェントは本番デバッグが苦手だったと説明されています。早合点で「答えを見つけた」と宣言してしまい、探索が狭く、ロールバックやスケールアップのような単純な緩和ではなく大規模なコード変更を試みた、と。
室谷代表取締役そこに対して、従来は専用AI SRE企業が長大で過適合なプロンプト、専用モデル、独自グラフ構造などで補っていた。でもモデルが賢くなるにつれて、そうした手法はスケールしなくなった、というのがCognitionの主張なんですよね。
テキトー教師DotAI 認定講師だから「賢いエージェント本体＋適切なコンテキスト・ツール・ワークフロー」に戻した、という設計思想です。Devin Oncallはモデル非依存のアーキテクチャで、オンコールのタスクごとに最適なモデルを選べる、と公式ブログに書かれています。
室谷代表取締役ここ、地味に重要で。特定のモデルに縛られないから、新しいモデルが出たら乗り換えられるわけです。
Cognition自身が「より強いモデルが使えるようになったら採用する」と明言している。
Cognition自身が「より強いモデルが使えるようになったら採用する」と明言している。
テキトー教師DotAI 認定講師構造としては3層で説明されています。コアインテリジェンス、企業コンテキスト、エージェントの振る舞い。
これは強いオンコールエンジニアに必要な「システムを推論する力」「自社環境の知識」「実戦で鍛えられた信頼性ワークフロー」に対応する、という整理です。
これは強いオンコールエンジニアに必要な「システムを推論する力」「自社環境の知識」「実戦で鍛えられた信頼性ワークフロー」に対応する、という整理です。
室谷代表取締役なるほど、人に例えているのが分かりやすいですね。
Devin Oncallでできること――アラート調査から緩和までの流れ
Devin Oncallでできること
アラートトリアージ
インフラ・ログ・トレース・コードをたどって根本原因を調査。人の注意が必要なときは重要度・推定根本原因・推奨される次の一手を添えてエスカレーションする。
インシデントの相棒
インシデントチャンネルに自動参加し、チームと並んで調査。新情報ごとに影響を評価し、タイムライン・調査結果・意思決定を最新に保つ。
バグ報告と質問への対応
質問に答え、報告されたバグを再現し、コードをたどって予期しない挙動を追跡。修正が必要ならテスト済みのPRを動画の証拠付きで開く。
テキトー教師DotAI 認定講師公式ページでは、チームがDevin Oncallをどう使うかが3つに整理されています。1つ目がアラートトリアージ、2つ目がインシデントの相棒、3つ目がバグ報告と質問への対応です。
室谷代表取締役順番に見ていくと、まずアラートトリアージでは、Devinがインフラ、ログ、トレース、コードをたどって根本原因を探す。人の注意が必要なときは、重要度と推定される根本原因、推奨される次の一手を添えてエスカレーションする、と。
テキトー教師DotAI 認定講師公式ページの例が具体的なんですよ。チェックアウトのキュー遅延アラートに対して、Devinが「過去5分でセマフォ取得のタイムアウトが240件」「14:31 UTCのデプロイがコンシューマのバッチサイズを50から500に上げたのに、セマフォは50スロットのまま」「バッチがその上限でブロックしてキューが詰まっている」と特定しています。
室谷代表取締役そして「チェックアウト確認の約3%が遅延、消失はゼロ、決済は失敗していない。Sev-2としてオンコールを呼ぶ。
ロールバックを推奨しつつ、修正を準備してテストする」と。ここまで一気にやるわけです。
ロールバックを推奨しつつ、修正を準備してテストする」と。ここまで一気にやるわけです。
テキトー教師DotAI 認定講師2つ目のインシデントの相棒では、Devinがインシデントチャンネルに自動で参加して、チームと並んで調査します。新しい情報が入るたびに影響を評価し、タイムライン、調査結果、意思決定を最新に保つ、と。
室谷代表取締役公式ページの例だと、インシデントレポートにエグゼクティブサマリー、影響分析、タイムラインがまとまっているんですよね。「影響を受けた顧客は約3%、prod-euで12分、遅延した確認は4,120件、60〜120秒の遅れで消失ゼロ、決済失敗ゼロ、ブラストラディウスは1サービス」といった具合に。
テキトー教師DotAI 認定講師3つ目がバグ報告と質問です。Devinが質問に答え、報告されたバグを再現し、コードをたどって予期しない挙動を追跡する。
修正が必要なら、テスト済みのPRを動画の証拠付きで開く、と。
修正が必要なら、テスト済みのPRを動画の証拠付きで開く、と。
室谷代表取締役公式ページの例では、プランアップグレードが10秒ほどスピナーで固まるというサポートチケットに対して、Devinが再現し、「POST /api/plans/upgradeが毎回全てのプランを再スコアリングしている（約7秒）。要求されたプランだけをスコアリングするよう修正」として、PRを開いています。
テキトー教師DotAI 認定講師ここまで来ると、調査と修正の境目がかなり曖昧になってきますよね。
室谷代表取締役そうなんですよ。しかも公式ページには「Devinは過去の失敗を覚えて、同じ問題が次に起きないようにする」と書かれている。
メモリに「このアラートは通常、DBが遅いのではなくキューが満杯を意味する」「リトライの急増はキュー遅延の数分後に起きる。同じ問題」といった形で保存される、と。
メモリに「このアラートは通常、DBが遅いのではなくキューが満杯を意味する」「リトライの急増はキュー遅延の数分後に起きる。同じ問題」といった形で保存される、と。
テキトー教師DotAI 認定講師この記憶の仕組みは後で詳しく触れましょう。
Devin Oncallの使い方・始め方と対応ツール連携
Devin Oncallの始め方と連携ツール
始め方
公式ページの「Get started」「Book a demo」から。devin.ai/oncallで開始
連携先ツール
Slack、Teams、Datadog、New Relic、Sentry、Grafana、PagerDuty、Jira、Linear、ServiceNow
すぐに動く連携
Datadog、Dynatrace、Sentryなど。可観測性コミュニティと組み、本番シグナルを調査と修正に変える
PagerDuty連携
インシデントからオートメーションを起動。Devinのセッションにインシデント、サービス、オンコールスケジュールへのアクセスを与える
室谷代表取締役始め方としては、公式ページに「Get started」と「Book a demo」があって、devin.ai/oncallから始められる形になっています。
テキトー教師DotAI 認定講師連携先がかなり広いんですよ。公式ページに並んでいるのはSlack、Teams、Datadog、New Relic、Sentry、Grafana、PagerDuty、Jira、Linear、ServiceNowです。
室谷代表取締役スレッドではDatadog、Dynatrace、Sentryなどと「すぐに動く」と書かれていましたね。可観測性コミュニティと組んで、本番のシグナルを調査と修正に変えていく、と。
テキトー教師DotAI 認定講師それぞれの役割も公式ページに書かれています。Slackは「バグが届いたらトリアージ」、Teamsは「issueが投稿されたらトリアージ」、Datadogは「アラートが発火したら調査」、New Relicは「テレメトリからアラートを根本原因まで」、Sentryは「エラーを修正に変える」、Grafanaは「全てのアラートを発火時に調査」、PagerDutyは「必要なときだけエスカレーション」、Jiraは「チケットを割り当てるとPRが返る」、Linearは「割り当てられたチケットを拾う」、ServiceNowは「シニアエンジニアの時間を節約」です。
室谷代表取締役PagerDutyのドキュメントも公開されていて、インシデントからオートメーションを起動したり、Devinのセッションにインシデント、サービス、オンコールスケジュールへのアクセスを与えたりできる、と。
テキトー教師DotAI 認定講師セットアップの考え方も公式ブログに整理されています。ローカルのエージェントワークフローではユーザーとエージェントが共生関係で、ユーザーが必要に応じてコンテキストを渡し、エージェントはユーザーの認証情報で外部システムに届く。
でもクラウドエージェントは自己完結している必要があって、アクセスと初期コンテキストを事前に設定する、と。
でもクラウドエージェントは自己完結している必要があって、アクセスと初期コンテキストを事前に設定する、と。
室谷代表取締役その代わり、クラウドエージェントが獲得したコンテキスト、たとえばレガシーシステムに関する属人的な知識が、個人のエンジニアが毎回渡すのではなく、チームや組織で共有できるようになる、というのが面白いポイントです。
テキトー教師DotAI 認定講師コンテキストは3層で用意されています。1つ目がResponderごとのメモリ、2つ目が組織ごとのスキル、3つ目が組織ごとのメモリです。
室谷代表取締役Responderごとのメモリは、どのチームメイトにタグを付けるかを覚えたり、今後の調査で違う振る舞いをするように指示できたりする。組織ごとのスキルは、環境を定期的にインデックスして、よくあるデバッグ作業のスキルを生成する。
顧客へのブラストラディウスの計算や、プラットフォーム依存のデータのクエリなどです。
顧客へのブラストラディウスの計算や、プラットフォーム依存のデータのクエリなどです。
テキトー教師DotAI 認定講師組織ごとのメモリは、全ての調査を後処理して、有用な情報を保存し、今後の調査で動的に検索できるようにする。公式ブログでは「低忠実度の組織知識のキャッシュ」として扱うように調整されている、と説明されています。
室谷代表取締役この3層があるから「初日から動く」し、使うほど良くなる、と。モニタリングでは誤診が時間とともに減っている、とも書かれています。
テキトー教師DotAI 認定講師公式ページにはスキルの例も載っています。code_release_and_deploys、environment、ownership_structure、platform_dependenciesなどで、デプロイのされ方やフィーチャーフラグ、確認すべきデプロイウィンドウ、本番クラスタやアカウント、リージョン、データベースの特定、コードパスやエンドポイント、サービス、アラート、ダッシュボードのオーナー解決、依存関係のヘルスを示すメトリクスなどです。
室谷代表取締役オーナー解決の例が生々しいんですよ。CODEOWNERS、Datadogのteamタグ、PagerDutyのスケジュール、18ヶ月分のgit履歴から解決して、食い違うときは「実際に修正をマージしている人を信頼する」と。
テキトー教師DotAI 認定講師公式ページの例では、billing-apiは@acme/billing-platformに載っているけれど、billing-api/consumers/*はQ2のキューマイグレーション以降チェックアウトチームだけが修正していて、CODEOWNERSが古い、だからコンシューマのアラートは@checkout-oncallを呼べ、と。
室谷代表取締役こういう「ドキュメントが古いときに実際に直している人を探す」って、まさにシニアエンジニアが頭の中でやっていることですよね。
テキトー教師DotAI 認定講師あと、Respondersは親子のエージェントアーキテクチャだと説明されています。隠れた親Devinがチャンネルの新しいアラートを見て、新しい問題かどうかを判断し、必要なら子の調査を起動する。
これでアラートストリームへの意識と、個別の問題を調査するコンテキストを分離している、と。
これでアラートストリームへの意識と、個別の問題を調査するコンテキストを分離している、と。
室谷代表取締役既知の問題を覚えていることで無駄な作業も減る。Respondersは以前の作業を参照して関連アラートをグループ化することで、調査の約60%をスキップし、通常のオートメーションのコストの半分以上を節約する、と公式ブログにあります。
テキトー教師DotAI 認定講師100件のアラートのうち35件を調査、65件は既知の問題かノイズとしてスキップ、コストは54%削減、という図になっていますね。
室谷代表取締役インシデント側の設計も面白くて。メッセージはDevinに届く前にフィルタリングされて、無関係な議論で注意が散らないようになっている。
親Devinはバックグラウンドで調査を続け、子Devinが直接の質問を調査してコンテキストを共有する、と。
親Devinはバックグラウンドで調査を続け、子Devinが直接の質問を調査してコンテキストを共有する、と。
テキトー教師DotAI 認定講師これで親Devinはオーケストレーションとバックグラウンド調査に集中できて、子Devinは特定のリクエストに素早く答えられる。エンジニアはインシデントが進む中で質問できるけれど、その質問が親Devinの調査全体になるわけではない、という分離です。
室谷代表取締役ちなみに、こういうAIエージェントの使い方に近い話だと、ChatGPT Healthとは？使い方・連携アプリ・日本での利用・プライバシーを完全解説【2026年最新】でも連携の考え方を整理しているので、合わせて読むと分かりやすいです。
Devin Oncallの料金・提供範囲――日本で使えるか
テキトー教師DotAI 認定講師ここは慎重にいきましょう。料金について、今回の公式ページ抜粋と公式ブログ、スレッドには具体的な金額やプランの記載がありません。
室谷代表取締役そうなんですよね。だから「料金は現時点では明らかにされていません」と正直に書くしかない。
公式ページには「Get started」と「Book a demo」の導線があるので、詳細はデモや問い合わせ経由になるのだと思います。
公式ページには「Get started」と「Book a demo」の導線があるので、詳細はデモや問い合わせ経由になるのだと思います。
テキトー教師DotAI 認定講師日本で使えるかについても、公式の資料に地域別の提供範囲の記載は見当たりません。現時点では明らかにされていません、という扱いが正確です。
室谷代表取締役ただ、提供形態としては一般提供（GA）が始まっているので、以前の限定提供から広く使える段階に入った、というのは確かなポイントです。
テキトー教師DotAI 認定講師コスト面で参考になるのは、Respondersが既知の問題を参照して調査の約60%をスキップし、コストを54%削減するという設計です。これは料金そのものではなく、無駄な調査を減らすことでコスト効率を上げる仕組みの説明ですね。
室谷代表取締役あと、公式ブログには「本番調査は速く、コスト効率が良くなければならない」と書かれていて、賢いエージェントなら時間をかければ環境を把握できるかもしれないけれど、それでは要件を満たさない、という問題意識が示されています。
テキトー教師DotAI 認定講師だからこそ、スキルやメモリで知識をキャッシュして、初日から動けるようにしているわけです。
SREGym-Liteで100%達成、Devin Oncallの性能と導入事例
室谷代表取締役ここが今回の発表で一番インパクトのある数字なんですよね。SREGym-LiteでDevin Oncallが100%を達成しています。
テキトー教師DotAI 認定講師数字を正確に整理しておきましょう。SREGym-Liteは17の障害で構成されるベンチマークで、エージェントが正しい根本原因を特定し、同じ実行の中で実際にシステムを修正できるかをテストします。
各テストは実際の本番インシデントに基づいている、と。
各テストは実際の本番インシデントに基づいている、と。
室谷代表取締役モデル別のスコアを見ると、Claude Code（Sonnet 5）が45.1%、Codex（GPT-5.6 Sol）が76.5%、CloudThinker（Opus 5）が76.5%、Devin Oncall（Claude Fable 5.1）が85.3%、Devin Oncall（GPT-6 Astra）が100.0%、Devin Oncall（Claude Opus 5.5）が100.0%、Devin Oncall（GPT-6.1 Sol）が94.1%です。
テキトー教師DotAI 認定講師公式ブログでは、公開されているSREGymリーダーボードの結果として、CloudThinkerもGPT-6 Astraで100%に到達したと注記されています。ここは公平に見ておくべき点ですね。
室谷代表取締役そのうえで、Devin Oncallは「最も速い緩和時間」でベンチマークを飽和させたと。公式ブログには「Opus 5.5で100%を2分21秒」という記載もあります。
テキトー教師DotAI 認定講師ただし、Cognition自身が重要な留保を付けています。これらの結果は、モデルが閉じたシステムでバグを見つける正しい判断ができることを示しているけれど、本番の調査はビザンチンなレガシーシステムと大量のテレメトリデータの検索を伴う、と。
エージェントはまだ最初のもっともらしい根本原因で止まってしまい、エンジニアが「もっと深く掘れ」「根本原因を探せ」と言わなければならない、と。
エージェントはまだ最初のもっともらしい根本原因で止まってしまい、エンジニアが「もっと深く掘れ」「根本原因を探せ」と言わなければならない、と。
室谷代表取締役だからCognitionは早合点に対処するために、調査プロンプトと、Devinと並行して非同期で走る2つ目の「レビュー」エージェントを用意しているんですよね。最近の推論、ツール呼び出し、結果を検査して、相関を因果と取り違えていないか、矛盾するテレメトリを無視していないか、トリガーと根本原因を混同していないかをチェックする、と。
テキトー教師DotAI 認定講師「最近のデプロイは調査の手がかりであって、因果の説明ではない」という例が分かりやすいです。調査する仕事と、結論が証拠から導かれているかを確認する仕事を分けているわけですね。
室谷代表取締役導入事例も具体的です。Modalでは、アラートがSlackに届くとDevinが拾い、重大度が高そうかを判断し、誰かがスレッドを開く前に調査する。
インシデントのおよそ80%でDevinが有用な何かを出していて、正確な原因のこともあれば、オンコールエンジニアが追加の質問で磨く仮説のこともある、と。
インシデントのおよそ80%でDevinが有用な何かを出していて、正確な原因のこともあれば、オンコールエンジニアが追加の質問で磨く仮説のこともある、と。
テキトー教師DotAI 認定講師ModalのMatthew Sweeney氏のコメントも公式ページに載っています。「Datadog MCP＋コードトレース＋ユーザーステアリングの組み合わせは、何が起きたか、何が起きるべきだったか、問題があるかを理解するのに非常に効果的。
毎日何時間ものコンテキスト収集を節約している」と。
毎日何時間ものコンテキスト収集を節約している」と。
室谷代表取締役Reductoでは「ほとんどの場合、エンジニアがページされなくなった。エンジニアがオンコールの不満を言わなくなった」と。
公式ブログでは、ReductoでDevinが複数のアラートにまたがる懸念の傾向を捉えて自らインシデントを開き、本番アラートが発火するずっと前に問題をフラグしたことで影響が劇的に減った、と紹介されています。
公式ブログでは、ReductoでDevinが複数のアラートにまたがる懸念の傾向を捉えて自らインシデントを開き、本番アラートが発火するずっと前に問題をフラグしたことで影響が劇的に減った、と紹介されています。
テキトー教師DotAI 認定講師AngelListは、自社の調査ハーネス「Sky」を廃止してDevin Oncallへ移行しています。根本原因の特定がSkyの3.5倍正確で、インシデントの50%をエンドツーエンドで自分で処理した、と。
室谷代表取締役RV Tech、リビアンとフォルクスワーゲンの合弁会社では、顧客レポートから車両識別子とタイムスタンプを自動抽出し、ログを取得し、パーススクリプトを実行してトリアージする。エンジニアは手作業の初期調査ではなく分析をレビューする側になり、あるチームでは複数のエンジニアをプロダクト作業に戻せた、と。
テキトー教師DotAI 認定講師ClayとCrosbyのコメントも載っています。Clayは「セッションごとに事前設定された環境が立ち上がり、Devinがプロダクトをローカルで実行し、バグをエンドツーエンドで再現し、提案した修正が実際に動くかを検証する」。
Crosbyは「Devinに最初の一手を試してもらうのに5〜10分待つ方がいい。たとえ正しくなかったとしても、自分なら探索しなかった道を1つ探索してくれている」と。
Crosbyは「Devinに最初の一手を試してもらうのに5〜10分待つ方がいい。たとえ正しくなかったとしても、自分なら探索しなかった道を1つ探索してくれている」と。
室谷代表取締役Crosbyのコメント、実務者としてすごく共感するんですよ。正解じゃなくても、探索した軌跡が残ることに価値がある。
Devin Oncallがオンコール体制とSREの働き方をどう変えるか
テキトー教師DotAI 認定講師ここまでの内容を、オンコールとSREの働き方という観点で整理してみましょう。
室谷代表取締役まず前提として、エンジニアがオンコールで疲弊し、コンテキスト収集に毎日数時間を費やしていた、という問題があります。背景ブリーフにもそう書かれています。
テキトー教師DotAI 認定講師そこに対してDevin Oncallが変えるのは、大きく3つです。
- 一次対応の主体: 人がページを受けてから調査を始めるのではなく、Devinが先にアラートを調べ、必要なら人にエスカレーションする
- 調査の分離: 調査する仕事と、結論が証拠から導かれているかを確認する仕事を分ける
- 知識の蓄積: Responderごとのメモリ、組織ごとのスキル、組織ごとのメモリで、属人的な知識をチームで共有する
室谷代表取締役1つ目は役割の変化が大きいですよね。公式ページのコピーも「Devinが最初にページに答え、必要なら人にエスカレーションし、全てのアラートから学ぶ」となっています。
テキトー教師DotAI 認定講師2つ目は品質の話です。レビューエージェントが非同期で走ることで、人が「もっと深く掘れ」と言う代わりになる。
これは調査の質を担保する仕組みです。
これは調査の質を担保する仕組みです。
室谷代表取締役3つ目は組織の話で、これが一番大きいかもしれない。個人のエンジニアが毎回コンテキストを渡すのではなく、クラウドエージェントが獲得した知識がチームや組織で共有される。
レガシーシステムの属人的な知識が、個人から組織の資産に変わるわけです。
レガシーシステムの属人的な知識が、個人から組織の資産に変わるわけです。
テキトー教師DotAI 認定講師講座で受講生さんを見ていても、障害対応で一番しんどいのは「誰に聞けばいいか分からない」「どこを見ればいいか分からない」という段階なんですよ。そこを初日から埋めてくれるのは大きいです。
室谷代表取締役MYUUUでも、属人的になっている運用手順をどう共有知にするかはいつも課題なんですよね。Responderごとのメモリに「このアラートは通常、DBが遅いのではなくキューが満杯を意味する」と保存される、というのは、まさに属人知の形式知化です。
テキトー教師DotAI 認定講師ただ、Cognition自身が「本番調査はビザンチンなレガシーシステムを伴う」と認めているように、万能ではないんですよ。最初のもっともらしい根本原因で止まる問題は、レビューエージェントで対処しているという段階です。
室谷代表取締役そこは冷静に見ておきたいですね。ベンチマークで100%を出しても、それがそのまま自社環境で再現するとは限らない。
公式ブログもその点は正直に書いています。
公式ブログもその点は正直に書いています。
テキトー教師DotAI 認定講師それでも、Respondersが調査の約60%をスキップしてコストを54%削減する、という設計は、オンコールの負荷とコストの両方に効いてきます。アラートの洪水に人が疲弊する構造そのものへの対処です。
室谷代表取締役あと、公式ブログの締めのメッセージがいいんですよ。「ソフトウェアを出荷するなら、それを動かし続ける能力も一緒に持つべきだ。
Devinに変更を本番まで追わせ、問題を解決まで運び、変化する中でシステムを健全に保たせる」。
Devinに変更を本番まで追わせ、問題を解決まで運び、変化する中でシステムを健全に保たせる」。
テキトー教師DotAI 認定講師そして「エンジニアが全てのステップを起動して調整するのではなく、方向性を示して意思決定する」というのが、セルフドライビングの定義だと。
室谷代表取締役エンジニアが手動オペレーターになるのではなく、より野心的なソフトウェアに挑める。そこがゴールだ、と。
テキトー教師DotAI 認定講師オンコールという、地味だけど確実にエンジニアを消耗させる領域に、真正面から入ってきた発表だと思います。
よくある質問
テキトー教師DotAI 認定講師最後に、よく聞かれる点を整理しておきましょう。
室谷代表取締役まず、Devin Oncallとは何か。Cognitionが2026年10月15日に一般提供を始めた本番インシデント対応のAIエージェントで、アラートやバグ報告を自動で調査し、原因の診断から緩和までを担います。
テキトー教師DotAI 認定講師次に、何ができるのか。アラートトリアージ、インシデントの相棒、バグ報告と質問への対応の3つです。
アラートをインフラ、ログ、トレース、コードまでたどって調査し、必要なら重要度と推定原因、推奨される次の一手を添えてエスカレーションします。インシデントチャンネルに自動で参加して、タイムラインや調査結果を最新に保ちます。
バグは再現し、テスト済みのPRを動画の証拠付きで開くこともあります。
アラートをインフラ、ログ、トレース、コードまでたどって調査し、必要なら重要度と推定原因、推奨される次の一手を添えてエスカレーションします。インシデントチャンネルに自動で参加して、タイムラインや調査結果を最新に保ちます。
バグは再現し、テスト済みのPRを動画の証拠付きで開くこともあります。
室谷代表取締役連携できるツールは、Slack、Teams、Datadog、New Relic、Sentry、Grafana、PagerDuty、Jira、Linear、ServiceNowです。スレッドではDatadog、Dynatrace、Sentryなどとすぐに動くと説明されています。
テキトー教師DotAI 認定講師料金については、今回の公式資料に具体的な金額やプランの記載がなく、現時点では明らかにされていません。日本で使えるかについても、公式資料に地域別の提供範囲の記載は見当たりません。
室谷代表取締役性能面では、SREGym-LiteでDevin Oncallが100%を達成しています。GPT-6 Astraで100.0%、Claude Opus 5.5で100.0%、Claude Fable 5.1で85.3%、GPT-6.1 Solで94.1%です。
テキトー教師DotAI 認定講師ただし、これはCognition自身の評価であり、公開リーダーボードではCloudThinkerもGPT-6 Astraで100%に到達していると注記されています。また、ベンチマークは閉じたシステムでの結果で、本番のレガシーシステムとは条件が違う点も公式ブログが認めています。
室谷代表取締役導入事例としては、Modalでインシデントのおよそ80%で有用な初期調査を出し、Reductoではエンジニアがページされなくなった、AngelListは自社ハーネスSkyを廃止してDevin Oncallへ移行した、という話が公式に紹介されています。
テキトー教師DotAI 認定講師他のインシデント対応ツールとの違いについては、今回のソースでは他社ツールとの直接比較の説明は限定的です。Cognitionは「モデル非依存のアーキテクチャで、タスクごとに最適なモデルを選べる」点と、「賢いエージェント本体＋コンテキスト・ツール・ワークフロー」という設計思想を違いとして説明しています。
室谷代表取締役というわけで、オンコールに悩んでいるチームは公式のデモやドキュメントを覗いてみるといいと思います。僕も引き続きウォッチします。
