テクニカルサポート業務にAIエージェントを活用してきた著者が、5ヶ月間の運用を振り返り、自動化の線引きについて考察。参照元が明確で答えが一意に決まる仕様回答は自動化を進められる一方、ログやコードから「なぜこうなったか」を組み立てて説明するテクサポ調査は、事実収集はAIに任せられても、説明の組み立てや相手のニーズに合わせた回答作成は人間の判断が必要と結論づけている。
Web開発ではCRUD/ActiveRecordの成功、画面起点の開発、事業の不確実性、モデリングの難しさという4つの要因からドメインが軽視されがちだが、変更理由の整合・語彙とデータモデルの一貫性・整合性境界の明確化という点でドメイン単位の境界設計には利点がある。初期はCRUDで速度を優先しつつ、リファクタリングへ移行するトリガーをあらかじめ合意しておくことが重要だと論じている。
SREのGuardDutyアラート対応負荷を減らすため、Claude TagとAmazon GuardDuty Investigation Agentを組み合わせて一次トリアージを自動化した事例。Claude Tagがオーケストレーション役となりInvestigation Agentの弱点（対応アラート種別の少なさ、アカウント横断調査不可）をFindings APIの横断検索で補い、Slackスレッドで調査結果を報告する構成。コストはAWS側はプレビュー無料、Claude Tagは1解析$3〜4程度。委任管理者detector活用やプロンプト設計上の学びも紹介。
GitHubで2024年8月17日に発生した大規模障害の公式ポストモーテムを解説する記事。データベースの過負荷が接続プールの枯渇を招き、依存サービスへカスケード的にダウンタイムが拡散した経緯を整理し、サーキットブレーカーパターンのPython実装例と、自社の障害分析にLLMを活用するプロンプト例を紹介している。