--- title: Datadog、SRE調査用の特化型AIモデル「Scout」を限定プレビューで公開 url: https://www.elseif.net/ja/datadogsreaiscout published: 2026-11-01T08:06:34+00:00 language: ja section: モデル source: https://www.infoq.com/news/2026/10/datadog-scout-sre-model/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=global organizations: Datadog, AWS, Honeycomb, Splunk, New Relic, ClickHouse publisher: elseif --- # Datadog、SRE調査用の特化型AIモデル「Scout」を限定プレビューで公開 Datadogは、本番環境の問題を調査するために訓練された特化型AIモデル「Scout」をリリースした。このモデルは、同社のAI SRE製品である「Bits Investigation」内で動作し、アラートを受け取るとテレメトリを分析して問題の原因を推測する。現在、Datadogのエンジニアと一部の顧客が、クローズドプレビューとしてこのモデルを利用している。 発表で言及された作業の大部分はコスト削減に関するものである。調査には、クエリを実行し結果を研究し、次に何を調べるかを決めるために、多くのモデル呼び出しが必要になる。汎用モデルでもこれが可能だが、Datadogはすべてのアラートに対して実行するコストが高すぎると述べている。同社は、エンジニアがページングに反応している間にBitsが作業を開始することを望んでいる。 Datadogのベンチマーク「AlertEval」において、Scout mediumはGPT-6.1 Sol highやClaude Opus 5.5 highと類似のスコアを獲得した。推定推論コストは3倍から8倍低かった。xhigh設定では、ScoutはClaude Fable 5.1 xhighと同等の性能を、コストの4分の1で達成したとDatadogは述べている。価格は公開されていないため、これらの数値はScout medium調査のコストに対する相対値である。 AlertEvalは、実際のアラート、アーカイブされたテレメトリ、およびDatadogエンジニアが作成した説明を使用する。LLMジャッジがScoutの説明と専門家による説明を比較し、直接の原因と根本原因の両方のレベルでの一致に点数を与える。矛盾や根拠のない主張は減点される。スコアは0から100だが、Datadogはこれが解決したインシデントの割合ではないと警告している。 ScoutはGLM-5.3 Flashをベースにしている。Datadogは、過去のケースから発見されたパターンで作成されたインシデントシミュレーションを使用して、強化学習でモデルを後訓練した。シミュレーションにはアラート、クエリ可能なテレメトリ、既知の原因が含まれる。同社によると、顧客データは含まれていない。Scoutは、ログ、メトリクス、トレースの検索や、コード、デプロイ、機能フラグの検査など、Bitsにあるツールを模したツールで練習する。 技術レポートは、訓練中に何が間違っていたかを有益に説明している。最終的な回答に基づく報酬は、Scoutが主張を減らし、早期に調査を止めるよう促した。これはペナルティを受けにくくしたが、より良い調査者にはならなかった。チームは、正しさ、探索、裏付けとなる証拠を考慮するよう報酬を変更した。また、一部の訓練実行からツールを削除したり、利用可能な時間を短くしたりして、モデルがインシデントに対する1つの固定された経路を学習することを防いだ。 Datadogは、公開の90件の障害セットであるSREGymで第2の評価を実施した。Scoutはmedium努力で71件、highで79件、xhighで80件を解決した。GPT-6.1 Sol xhighは82件を完了した。Datadogはこれらのテストを自社で実施したため、独立した結果が有用である。 Scoutは、オブザーバビリティベンダーがエージェントがインシデントのどの部分を処理すべきかを模索する中で登場した。AWS DevOps Agentは、複数の監視製品からのテレメトリをソースコード、デプロイ記録、ランブックと組み合わせる。AWSはツール間で情報を統合するのに対し、Datadogは自社製品内で繰り返し使用するためのより安価なモデルを訓練している。 HoneycombのCanvas Agentは、多くのエンジニアが手動で調査する方法に近い。アラートが発火したりSLOが燃え尽きたりすると、共有Canvasを開き、クエリを実行し、アイデアをテストし、エンジニアが検査できるように証拠を可視化する。チームは、慣れたデバッグ手順をCanvas Skillsとしてキャプチャできる。Honeycombはまた、外部エージェントがテレメトリをクエリできるようにするMCPサーバーも提供する。Honeycombは専用のSREモデルを発表していない。その焦点はクエリエンジンと、調査がどのように進んだかの記録にある。 SplunkとNew Relicは、修復段階により深く踏み込んでいる。Splunk AI SREはアラートをグループ化し、証拠チェーン付きの推定原因を生成する。接続されたClaudeエージェントは、サンドボックスでコード変更を準備し、プルリクエストを開くことができる。New RelicのSRE Agentは、ランブック、インシデントレビュー、過去の解決策を分析に取り込む一方、Autopilotは修復アクションを提案できる。両者は本番環境の変更の前に承認ステップを保持している。 InfoQが報じたClickHouseの研究では、汎用モデルは要約を生成できるが、一貫して根本原因を見つけるには人間のガイダンスが必要だった。InstacartはBlueberryで同様のアプローチを採用している。エージェントがエンジニアがSlackで提案された原因を評価する前にコンテキストを収集する。 Scoutのベンチマーク証拠は、主にDatadog自身のものにとどまっている。独立したAIニュースアカウントAGTPは、AlertEvalが独立してテストされていないことを指摘した。また、Scoutがどの証拠を考慮し、破棄したかを示す監査証跡を求めた。Honeycombの可視的なCanvasやSplunkの証拠チェーンは、他のベンダーも同じ要件を認識していることを示している。短い回答はインシデント中に役立つかもしれないが、エンジニアはモデルがどのようにそれに至ったのを見ることも必要とする。 Datadogは一般提供の日程を提示していない。同社は、シミュレーションにさらに多くの障害タイプを追加し、最終的にBitsが修復を実行できるようにする計画を立てている。プレビューはその時点より前に停止する。Scoutは調査し、診断を与え、回復アクションを提案するが、変更についてはエンジニアが責任を負う。