AIエージェント能力アトラス › 仕事ごとの一覧 › ソフトウェア開発 › デバッグ・障害対応

再現困難・原因不明のバグの切り分け

Diagnose an elusive, hard-to-reproduce bug

0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。

専門家と比べて

ジュニア未満。ベテランSREの「勘」に基づく仮説生成には及ばない

できること

ログ・メトリクスを横断的に検索し候補となる仮説をいくつか提示

まだできないこと

同じ問題設定で何時間もループし続ける／周辺知識(ハードウェア固有の癖等)を要する非明示的な仮説への到達

なぜそうなのか

訓練データにない一意な環境要因への「未知の未知」に対する探索戦略が弱い

これからの予測の根拠

テレメトリ統合が進めば仮説生成の質は上がるが、「未知の未知」への飛躍的推論はモデルの本質的課題として停滞リスクを残す

いま使える主な道具

Claude Code、Datadog AI、New Relic AI

根拠

• How AI Can Help Debug Embedded Linux BSP Issues (Without Replacing Engineers) 2026-03
  周辺機器固有の問題に対しLLMには一貫した死角があり、同じ問題で何時間もループするモデルがあると指摘

同じ分野のほかの仕事（デバッグ・障害対応）

• 再現手順ありのバグ修正
• 本番障害の一次対応（インシデント対応）
• CI/CD失敗の自己修復ループ

AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。