なぜ重要か

あらゆるサービスチームは、どこにも書かれていない知識を抱えています。なぜある設定が選ばれたのか、壊れやすいコンポーネントをどう再起動するのか、特定の顧客が何を必要としているのか。人が去ったり、休暇に入ったり、単に忘れたりすると、知識もいっしょに去ります。チームは、夜間のインシデントという最悪のときに、自分たちの依存を知ります。

ほとんどの組織は、ドキュメント整備の運動でこれを直そうとしてきました。スタッフはすべてを書き留めるよう言われます。ナレッジベースは、古い、長い、見つけにくいといった理由で、誰も読まず信頼もしない記事で埋まります。数か月後に取り組みは勢いを失い、人々は同僚に尋ねる状態に戻ります。

より良いアプローチは、知識を別個の作業ではなく、仕事の一部として扱います。捕捉は、問題を解決しているときに、解決した人が数行で行います。役立つ記事は使われ、改善されます。失敗する記事は直されるか削除されます。ナレッジベースは、人々がすでに使っているツール、つまりサービスデスク、インシデントのチャンネル、コードのリポジトリの中にあります。このトピックは、ナレッジ中心サービス(KCS)の方法を含むこれらの考え方と、検索と下書きでAIが今果たす役割を説明します。サービスデスク(トピック 3.1 — サービスデスク)、問題管理(トピック 3.3 — 問題管理)、AIスキル(トピック 5.7 — AIスキルとプロンプト)と関連します。

中核となる概念

データ、情報、知識。 データは事実であり、情報は文脈の中のデータであり、知識は人が行動に使える情報です。エラーコードはデータであり、その意味を説明する記事は情報であり、午前3時に三つの可能な原因のうちどれがありそうかを知っていることは知識です。ナレッジベースは情報とポインターを保持できますが、知識のすべてを保持することはできません。Wikipediaのナレッジマネジメントの記事が、この分野を説明しています。

形式知と暗黙知。 形式知は、手順、チェックリスト、図のように書き留められます。暗黙知は実践と判断の中にあり、言語化が難しいものです。Wikipediaは、マイケル・ポランニーに結び付けられる用語である暗黙知を説明しています。どちらも重要です。書くことは形式知を助け、対話、ペア作業、同行は暗黙知を助けます。

ナレッジベース。 利用者とスタッフが検索できる記事、ガイド、回答の集まりです。Wikipediaがナレッジベースとウィキを説明しています。スタッフ向けの内部のものも、顧客向けの外部のものもありえます。品質は、ツールよりも維持に左右されます。

ランブック。 サービスの再起動や一般的なアラートへの対応のように、既知の状況を扱うための段階的な手順です。Wikipediaのランブックの記事は、それをシステム運用のための手順の集成と説明しています。良いランブックは短く、テストされ、それを引き起こすアラートにリンクされています。トピック 6.6 — ランブック自動化と自動修復を参照してください。

ナレッジ中心サービス(KCS)。 Consortium for Service Innovationが公表している方法です。主な考え方は、ワークフローの中で問題を解決しながら知識を捉える、記事を使いながら再利用し改善する、全員が貢献することを安全で当たり前にする、事前の計画ではなく需要によってナレッジベースを進化させる、というものです。その説明には「解決ループ」と「進化ループ」のようなプラクティスが含まれます。詳細は、コンソーシアムの最新の指針を確認してください。

ワークフローの中での捕捉。 記事を書くのに最適な時期は、問題を解決した直後です。症状、原因、修正を、チケットと同じツールの中に短くメモすれば、数分で済みます。後で記憶から書くとより時間がかかり、しばしば飛ばされます。

シグナルとしての再利用。 記事が問題の解決に使われたら、チケットにリンクします。リンクを数えれば、どの記事が役立ち、どれが全く使われていないかが分かります。誰かが記事を使って失敗したら、その場で直すか印を付けるべきです。

記事の質。 良い記事は、利用者が使う言葉での明確なタイトル、症状または質問の短い記述、分かっていれば原因、手順、うまくいったかの確認方法、うまくいかなかった場合に誰に尋ねるかを備えています。短く、システムと歩調を合わせて保たれています。

リポジトリの一部としてのドキュメント。 エンジニアリングチームにとって、ドキュメントをコードの隣に、Markdownのようなプレーンテキストで置き、変更をコードとともにレビューすれば、両者が揃った状態を保てます。Wikipediaのマークダウンの記事がその形式を説明しています。振る舞いを変えるプルリクエストは、ドキュメントも変更します。

意思決定記録。 重要な決定がなぜ行われたか、どんな代替案が検討されたか、その時点で何が分かっていたかを記録する短いメモです。新しいチームメンバーと将来のレビューが、その理由を理解する助けになります。

バスファクター。 知識の不足でプロジェクトが止まるまでに、失う必要のある人数です。Wikipediaは、宝くじファクターとも呼ばれるバスファクターを説明しています。バスファクターが一ならリスクです。ペア作業、ローテーション、共有を通じて知識を広げれば、上がります。

知識の移転。 引き継ぎ、ペア作業、研修、同行を通じて、ある人から別の人へ知識を移すことです。Wikipediaが知識移転を説明しています。特に誰かが去るときは、そのための時間を取ってください。

見つけやすさ。 良い内容でも、人々が見つけられなければ役に立ちません。タイトル、タグ、検索の調整、アラートやチケットからのリンクが重要です。Wikipediaの検索エンジンと情報過多の記事が、関連する問題を説明しています。

AIと検索。 AIアシスタントは、ナレッジベースを検索し、記事を要約し、新しい記事を下書きできます。一般的なパターンである検索拡張生成(RAG)は、関連する箇所を検索し、モデルにそれだけを使って答えさせます。Wikipediaがこの考え方を説明しています。アシスタントの答えは、読むベースの質を超えず、誤ることもあります。トピック 5.4 — インシデント、ナレッジ、変更のための生成AIを参照してください。

ガバナンス。 ナレッジベースを誰が所有し、記事をどうレビューし、機微な内容をどう管理し、古い内容をいつアーカイブするかを決めます。ルールは軽く保ちます。

レンズはどう当てはまるか。 ナレッジ管理は、個々の記事の水準での継続的改善です。AIは、レビューのもとで、利用者の検索、要約、下書きを助けます。自動化は、アラートをランブックに、チケットを記事に結び付けます。アナリティクスは、どの記事が使われ、どれが失敗し、どんなギャップが検索されているかを示します。

ベストプラクティス

  1. 解決しながら捉える。 チケットのクローズの一部として、短い記事を書くか、既存の記事を更新します。追加の作業ではなく、通常のステップにします。
  2. 午前3時の読み手のために書く。 人々が検索する言葉、短い手順、修正がうまくいったかの確認を使います。最も有用な部分を最初に置きます。
  3. 記事をチケットとアラートにリンクする。 アラートが鳴ったら、ランブックにリンクします。記事がチケットを解決したら、両者をリンクします。リンクが、何が役立つかを示します。
  4. 使うときに直すか印を付ける。 使ったときに記事が誤っていたり不明確だったりしたら、すぐに訂正するか、レビューの印を付けます。簡単にできるようにします。
  5. 貢献を安全にする。 全員が編集でき、機微な内容や影響の大きい内容には軽いレビューを行います。貢献者に感謝し、間違いを罰しません。
  6. 定期的に剪定する。 長い間使われていない記事をレビューし、アーカイブします。大きく疑わしいベースより、小さく信頼されるベースのほうが良いです。
  7. エンジニアリングのドキュメントをコードと一緒に保つ。 変更とともにレビューし、APIリファレンスのように生成できるものはソースから生成します。
  8. 重要な決定を記録する。 文脈、選択肢、理由を含む短い意思決定メモを書きます。関連するコードや設計にリンクします。
  9. 意図して知識を広げる。 ペア作業、ローテーション、短い講演、同行を使って暗黙知を移します。重要なサービスごとにバスファクターを確認します。
  10. AIの答えを下書きとして扱う。 AIに検索と提案をさせ、出典を示し、記事が公式になる前に人が確認します。悪い答えを追跡し、情報源を直します。

チームで話し合うための問い

最後に誰かに説明を頼まなければならなかったことのうち、書き留められているべきだったものは何か。 実際の事例から始めます。「Xをどう再起動するのか」「Yがなぜこう設定されているのか」が出てくると予想できます。何が書かれるのを妨げたのかを尋ねてください。さらに掘り下げるために、今、一緒にそれを書き留めます。

私たちが信頼している記事はどれで、避けている記事はどれか。 信頼はチームやトピックによって異なります。理由を尋ねてください。「古い」「長すぎる」が出てくると予想できます。さらに掘り下げるために、信頼されていない記事を三つ選び、直すか削除します。

最も重要なサービスを復旧する方法を知っているのは何人で、その人たちが不在のときはどうなるか。 これはバスファクターを試す問いです。正直に数えてください。ひとりかふたりの名前が出てくると予想できます。さらに掘り下げるために、知識を広げるペアセッションやリハーサルを計画します。

今日、私たちはどこに書き留めていて、それを見つけられるか。 チャット、ウィキ、チケット、リポジトリ、個人のメモといった場所を一覧にします。特定の答えを一緒に探してみてください。さらに掘り下げるために、知識の種類ごとに置き場所を合意します。

チームの誰もが、誤りを見つけた記事を直すのは、どれほど簡単か。 障壁には、権限、レビューの遅延、批判への恐れがあります。それを30秒の作業にするには何が要るかを尋ねてください。さらに掘り下げるために、障壁をひとつ取り除きます。

知識を見つけたり書いたりするのにAIをどう使っていて、その言うことをどう確認しているか。 ナレッジの仕事にAIツールを使っているのは誰で、何を信頼しているかを尋ねてください。批判なしの使用が一部にあると予想できます。さらに掘り下げるために、答えが記事を引用することと、答えをそれと照らしてサンプリングすることを合意します。

実践:サービスマネジメントの例

ある国の気象機関の、8人のインフラチームは、予報データのパイプラインを運用しています。衛星データを処理する最も古いパイプラインの知識の大半は、二人の上級エンジニアが握っています。そのうちひとりが三週間の休暇を取ったとき、パイプラインの障害の解決に二日かかりました。オンコールの若手が、六年前のメールのスレッドにあった再起動の手順を見つけられなかったからです。

チームリードは、KCSの軽い版を使うことにします。問題を解決した人は誰でも、チケットの解決欄に、症状、原因、修正、確認を数行書きます。週に一度の10分のセッションが、新しいメモをレビューし、有用なものをチームのリポジトリのランブックに昇格させます。各アラートは、そのランブックにリンクします。二人の上級エンジニアは、当番で若手とペアを組むことと、パイプラインを歩いて説明する短い動画を二本録画することに同意します。

三か月後、40のランブックがあり、チームはチケットツールで、どれが解決済みのインシデントにリンクされているかを見られます。次の障害で、オンコールの若手はアラートからランブックを見つけ、それに従い、25分でパイプラインを復旧します。リポジトリで試されている検索アシスタントは、ある質問に誤って答えます。後の編集で置き換えられたランブックの箇所を引用していました。リードは、置き換えられた箇所は取り消し線を引くのではなく、削除する、というルールを加えます。

何が変わったか。パイプラインは二人に依存しなくなり、若手の自信が高まりました。何がまだ難しいか。上級エンジニアは、書くことに自分たちにない時間がかかると感じ続けています。一部のランブックは読むだけでテストされています。最も古いパイプラインには、誰も完全には理解していないコンポーネントがあり、どんな文書もそれを直せません。リードは、最も古いパイプラインのリハーサルを計画し、誰も理解していないコンポーネントの設計レビューを予定しました。

四つの視点

プロダクトとデリバリーのチーム

ドキュメントをコードと一緒に保ち、変更とともにレビューしましょう。仕事の一部として意思決定メモとランブックを書き、学んだことを運用と共有します。

サービスと運用のチーム

仕事をしながら解決策を捉え、使うときに記事を直し、アラートをランブックにリンクしましょう。ペア作業を通じて暗黙知を共有します。見つけたギャップをオーナーに伝えてください。

リーダーシップとガバナンス

知識を書くことと読むことを、副次的な作業ではなく、仕事の通常の一部にしましょう。ペア作業とリハーサルの時間に資金を出します。重要なサービスのバスファクターを求めてください。記事の量に報いてはいけません。

顧客とユーザー

良い記事があれば、自分で問題を解決し、より速く答えを得られます。記事が分かりにくい、あるいは誤っているとき、何をしようとしていたかを提供者に伝えましょう。

アジャイル、AI、自動化、アナリティクス

アジャイル

利用に駆動され、利用者とスタッフがフィードバックを与える形で、ナレッジベースを小さな歩みで進化させます。短い定期的なセッションでギャップをレビューします。注意:大きなドキュメントのプロジェクトは避けてください。公開の時点で古くなった内容を生みます。

AI

AIは、ベースの検索、記事の要約、引用付きの質問への回答、チケットやチャットからの記事の下書きができ、公式になるものは人が承認します。オーナーを指名してください。注意:アシスタントは、古い、あるいは誤った内容から自信をもって答えることがあります。出典を示し、訂正を追跡してください。トピック 5.4 — インシデント、ナレッジ、変更のための生成AIを参照してください。

自動化

アラートをランブックにリンクし、新しいチケットに記事を提案し、古い内容に印を付け、クローズしたチケットから下書き記事を作成します。人による編集を伴います。注意:自動の提案は、低品質の下書きでベースを埋めかねません。レビューなしで公開されるものを制限してください。トピック 6.6 — ランブック自動化と自動修復を参照してください。

アナリティクス

記事の利用、解決済みチケットへのリンク、結果のない検索、最後のレビューからの経過時間を追跡します。注意:作成した記事の数は量に報い、利用の数は、重要でまれなものより人気のあるトピックに報います。フィードバックとサンプリングを組み合わせてください。『サービスマネジメント指標』とトピック 7.3 — 測定とレポートを参照してください。

よくある失敗パターン

  • ドキュメント整備の運動。 書き込みの急増の後に、劣化が続きます。仕事の一部として知識を捉えましょう。
  • 長い記事。 誰も読みません。短く、タスクに焦点を当てたものを書きましょう。
  • 古い内容。 信頼が損なわれます。使うときに直すか印を付け、剪定しましょう。
  • チャットにしかない知識。 見つけられません。有用な答えをベースに移しましょう。
  • バスファクターが一。 ひとりの不在で仕事が止まります。意図して知識を広げましょう。
  • 確認されないAIの答え。 誤った助言が広がります。出典を示し、答えをサンプリングしましょう。
  • 罰としての執筆。 人々が避けます。当たり前にして、称えましょう。

成熟度モデル

観点 開始 発展 標準化 管理 オーケストレーション
捕捉 頭の中とチャット インシデントの後に一部の記事がある 捕捉がワークフローの通常のステップである 捕捉の質がサンプリングされ改善される 捕捉が人のレビューとともに自動化される
見つけやすさ 同僚に尋ねる 検索できるベースがある アラートとチケットが記事にリンクする 検索のギャップが内容を駆動する 検索とアシスタントがツールをまたいで統合される
質 レビューされていない 時折の整理 使うときに直すか印を付け、定期的に剪定する 質が利用と結果で測定される 質が組織全体で継続的に改善される
広がり ひとりの専門家 一部でペア作業がある 重要なサービスのバスファクターが確認される リハーサルとローテーションが計画される 知識がチームとパートナーをまたいで共有される

チェックリスト

  • 人々が、チケットのクローズの一部として解決策を捉えている。
  • アラートがランブックにリンクしている。
  • 記事が短く、利用者が検索する言葉で書かれている。
  • 誰でも、誤りを見つけた記事を、軽いレビューのもとで直せる。
  • 使われていない、あるいは古い記事を定期的に剪定している。
  • エンジニアリングのドキュメントがコードと一緒にあり、変更とともにレビューされている。
  • 重要なサービスごとのバスファクターを知っている。
  • AIの答えが出典を引用し、正しさについてサンプリングされている。

AIプロンプト

解決済みのチケットから記事を下書きする。

Here is a resolved ticket with notes, personal data removed: [paste].
Draft a short knowledge article with: a title in the words a user would search, the symptom, the cause (only if stated), the steps, how to check it worked, and who to ask if it did not. Mark any gap with [missing] and do not fill it.
List what you are unsure of.

夜間の読み手のために記事をレビューする。

Here is a runbook: [paste].
List steps that are ambiguous, steps that assume knowledge not stated, and anything that could cause harm if followed literally. Do not rewrite the runbook.
List what you are unsure of.

検索からギャップを見つける。

Here are search terms that returned no result or were followed by a ticket: [paste list]. Here are our article titles: [paste list].
Group the search terms into themes, and for each theme say whether an existing article title looks related or whether a new article is needed. Do not draft articles.
List what you are unsure of.

AIスキル

  • runbook: ランブックを書き、テストするときに使います。
  • decision-records: 決定がなぜ行われたかを記録するときに使います。
  • architecture-decision-record: 他の人が理解する必要のある設計上の決定に使います。
  • prompt-engineering: ナレッジベースから読み取り、出典を引用するプロンプトを設計するときに使います。

主要な情報源

  • Consortium for Service Innovation, Knowledge-Centered Service (KCS): サポートの仕事で知識を捉えるための、主要な実践的方法。
  • Ikujiro Nonaka and Hirotaka Takeuchi, The Knowledge-Creating Company (1995): 暗黙知と形式知について。
  • Wikipedia, "Knowledge management" and "Tacit knowledge": 中立的な概観。
  • Wikipedia, "Runbook": 運用手順についての背景。

参考文献

  1. Knowledge management — Wikipedia — https://en.wikipedia.org/wiki/Knowledge_management
  2. Knowledge base — Wikipedia — https://en.wikipedia.org/wiki/Knowledge_base
  3. Tacit knowledge — Wikipedia — https://en.wikipedia.org/wiki/Tacit_knowledge
  4. Wiki — Wikipedia — https://en.wikipedia.org/wiki/Wiki
  5. Runbook — Wikipedia — https://en.wikipedia.org/wiki/Runbook
  6. Retrieval-augmented generation — Wikipedia — https://en.wikipedia.org/wiki/Retrieval-augmented_generation
  7. Markdown — Wikipedia — https://en.wikipedia.org/wiki/Markdown
  8. Bus factor — Wikipedia — https://en.wikipedia.org/wiki/Bus_factor
  9. Knowledge transfer — Wikipedia — https://en.wikipedia.org/wiki/Knowledge_transfer
  10. Consortium for Service Innovation — KCS library — https://library.serviceinnovation.org