Jira Service Management（JSM）に搭載されたAI機能が、インシデント対応の現場課題である「アラート疲弊」と「原因特定の遅さ」に直接効きます。中核を担うのは、AtlassianのAIエージェント Rovo です。
まず、シグナル/ノイズ判定です。大量に発生するアラートをAIが「シグナル（対応すべき兆候）」「ノイズ（抑制してよいもの）」に分類し、その判断理由を平易な言葉で提示します。オンコール担当者はまず重要なシグナルに集中でき、判定に対するフィードバックを与えることで精度が継続的に向上します。あわせて、類似アラートを24時間の枠内で自動グルーピングし、共通の根本原因を推定してノイズを削減します。
次に、AI根本原因分析（Root Cause Analysis）です。ログ・メトリクス・トレースといった一次/三次のデータを横断的に参照し、インシデントの根本原因を推定。DynatraceやNew Relicなどのオブザーバビリティ連携があれば、ダッシュボードを切り替えることなくAIに原因サマリや次のアクションを尋ねられます。
プロセス改善の観点では、「アラートの選別 → 重要事象への集中 → 原因特定 → 復旧」という一連のインシデント対応フローを、属人的な勘や手作業に頼らず標準化・高速化できる点が価値です。結果として、オンコール負荷の軽減とMTTR（平均復旧時間）の短縮につながります。
参考リンク：