同じ種類のincidentが二度目に起きるのを防ぐために、何をしますか?

トレードオフと落とし穴

• 変更ではなくドキュメントを生むpostmortem — 最もよくある失敗です。やり遂げなければ、同じincidentに再び出会います。
• 特定の症状を過剰に直す一方で、バグの種類が放置されること。インスタンスではなくカテゴリを直します。
• チューニングせずに検知を積み上げることによるアラート疲れ。ノイズの多いアラートは無視され、次のincidentがすり抜けます。
• 責める文化は報告を地下に追いやります。最も安いレッスンであるニアミスを失います。
• 繰り返すincidentを不運ではなくプロセス失敗のシグナルとして扱い、再発を指標として追跡します。

なぜ重要なのか

incidentはすでに支払った授業料です。唯一の無駄は、そこから学ばないことです。再発を体系的に防ぐチームは四半期ごとに信頼性が増す一方、ただ消火するだけのチームは同じ障害を永遠に再体験します。この学習のループ — そしてその中で正直でいられる安全性 — を築くことは、Tech Leadが残せる最も永続的なものの一つです。