オルタナティブ・ブログ > 生涯ITエンジニアでいこう。 >

どんどん出てくるIT業界の新トレンドを乗りこなし末長くエンジニアをやっていきましょう。

FinOps virtual summit, April 2026:AIエージェントが「アラート係」を引退させる日

»

FinOpsとITAM Forumが統合----"ガバナンスというコインの両面"

本サミット最大のニュースは、FinOps FoundationとITAM(IT Asset Management) ForumがLinux Foundation傘下で統合されたことです。J.R. Storment氏は「FinOpsとITAMはガバナンスというコインの両面だ」と表現しました。

これまで別々のチームが担っていた領域が、ひとつのフレームワークで管理される時代に入ります。

  • ITAM----リスク、コンプライアンス、ライセンス管理
  • FinOps----ビジネス価値、コスト最適化、ユニットエコノミクス

エンジニアの視点からは「ライセンス違反を防ぎながらクラウドコストも最適化する」という二重のゴールを、ひとつのパイプラインで実現できると読み取れます。なお、ITAM Forumを牽引してきたMartin Thompson氏は一線を退き、Linux Foundation新体制へバトンが渡されました。

AIを活かすにはデータ基盤が先----成熟度パスを確認する

Jonathan Moley氏(FinOps Foundation)が強調したのは冷静な現実認識です。Snowflakeのデータ戦略担当者が語ったように「情報を運用できるデータ基盤がなければ、AIはコンテキストを理解できない」。

組織が歩むべき段階はシンプルです。

  • 1 スプレッドシート管理を終わらせる 断片化したExcel管理は即刻廃止。これが出発点。
  • 2 FOCUS仕様で共通データ基盤を作る 標準化されたデータセットがなければ、次のステップに進めない。
  • 3 生成AIでオンデマンドのインサイト抽出 「先月のコスト要因を教えて」に自然言語で答えられる状態にする。
  • 4 エージェント型AIが自律的に監視・修正 人間がトリガーを引かなくても、AIが問題を検知して対処する最終形。

「アラートからエージェントへ」----6つの実装ユースケース

Amit Kenha氏(doit)は移行を Crawl → Walk → Run のフレームワークで整理しました。大事なのは、単に通知を飛ばすだけの"アラート係"を卒業し、AIが自ら判断して修正まで行う"エージェント"に育てることです。

Jonathan Moley氏が提示した6つのユースケースは以下のとおりです。

Use case 01
自然言語ダッシュボード
「先月のGKEコスト急増をチーム別に」と聞けば即答。クエリ記述不要。
Use case 02
廃棄リソース自動発見
未使用リソースの特定からJiraチケット起票まで全自動。調査工数ゼロ。
Use case 03
CI/CDガードレール
IaCコードをデプロイ前にスキャンし、コストポリシー違反を"シフトレフト"で防止。
Use case 04
パーソナライズ通知
リソースオーナーにSlackで文脈付きの最適化提案を直接送信。
Use case 05
自動プルリクエスト
修正コードをAIが生成してPRを自動作成。開発フローを邪魔しない。
Use case 06
自動タグ付け
リソース間の接続関係を推論し、不足タグをAIが自動補完。
「人間には"unknown unknowns"を見つけるための自動化コードを書ききることはできない。AIこそが、その未知を発見し、最適なメッセージを最適なタイミングで届けるツールになる。」 -- Jonathan Moley, FinOps Foundation
自動化の順序を誤るな----Kenha氏の警告
いきなり本番環境のシャットダウンやコミットメント購入をAIに任せるのは危険です。まずは「退屈なタスク」から始めてください----タグの強制適用、アイドルリソースのクリーンアップ、非本番環境の週末停止など。小さな成功体験で組織内の"AIへの信頼"を積み上げることが、自律化の安全な出発点です。

Google CloudとFOCUS 1.4----ツールとデータ標準の最新動向

Google Cloudの新機能

機能名 概要
AI Explainability Agent 請求コンソール上でコスト変動の理由をプロアクティブに解説。入力/出力トークン比まで分析可能。
Spend Caps Gemini API・Vertex AI・Cloud Run等5サービスで予算超過時に自動停止。リソース削除なしの非破壊的制御。
Commitment Tracking EA契約のコミットメント消化状況をAI時代に即した粒度で可視化。

FOCUS 1.4のアップデート

グローバル企業が現場で詰まりやすかった2点が解消されました。請求書データと利用実績の照合をサポートするスタンドアロンデータセットの追加、そして請求通貨と支払い通貨の両面での照合----為替影響の可視化が可能になります。マルチリージョン・マルチカレンシー環境で戦っているSREやFinOpsエンジニアには直接響くアップデートです。

AIコストの新指標----「トークン経済学」という考え方

SAPの事例で紹介された視点ですが、AIワークロードに従来のNPV評価をそのまま当てはめるのは無理があります。新たに追跡すべき指標は3つです。

  • トークン価値の最大化----投入したトークンがどれだけビジネス価値を生んだか
  • Cost per Inference----1回のAI呼び出しにかかるコスト
  • Cost per Thought----推論の"深さ"に対するROI。単なる計算コストではなく、AIがどれだけ考えたかへの投資効果

予算配分はウォーターフォール型ではなく、短期スプリントで資金投入と振り返りを繰り返す「アジャイルな資金配分」が推奨されます。

まとめ----エンジニアとして何をすべきか

Dan Berg氏の言葉を借りれば、AIは「究極の抽象化レイヤー」です。ブラックボックスに頼るほど、中で何が起きているかが見えなくなる。だからこそ Trust but Verify----AIを信頼しつつも、人間が最終判断を行うHuman-in-the-loopの設計は外せません。

あなたの組織への問いかけ

AIエージェントにどこまでの「自律権限」を与える準備ができていますか?

そして、その判断を支えるデータ基盤----コンテキストとしての正確なクラウドコストデータ----はすでに整っていますか?

Comment(0)