AI SRE: ทีมเอเจนต์ช่วยวิเคราะห์เหตุการณ์ไอทีและเปิดแก้โค้ด

ชั่วโมงแรกของการเกิดเหตุการณ์ระบบล่ม (Incident) นับเป็นช่วงเวลาที่น่าเบื่อและซ้ำซากจำเจที่สุดสำหรับทีมไอทีที่ต้องรับเวร On-call ไม่ว่าจะเป็นการตรวจเช็คว่าบริการใดมีปัญหา การดูความเปลี่ยนแปลงล่าสุด ตรวจสอบบันทึก Log และตัดสินใจว่าจะย้อนเวอร์ชัน (Rollback) หรือแก้ไขเดินหน้าต่อ (Fix forward) ซึ่งกระบวนการเหล่านี้เป็นเช็คลิสต์เดิมๆ ที่มนุษย์ต้องทำซ้ำภายใต้ความกดดัน ขณะที่เครื่องมือประมวลผลที่มีศักยภาพกลับถูกปล่อยทิ้งไว้ให้ว่างเปล่า

แนวทางปฏิบัติทั่วไปของระบบ AI สำหรับฝ่ายปฏิบัติการ (Ops) มักจะจบลงด้วยการสร้างแชทบอทที่ผู้ใช้งานสามารถพิมพ์ถามปัญหาได้ แต่วิธีการดังกล่าวมีข้อบกพร่องสำคัญคือ เอเจนต์มักจะสร้างข้อมูลขึ้นมาเองอย่างมั่นใจโดยไม่ได้ตรวจสอบข้อมูลดิบจริงๆ เนื่องจากการวิเคราะห์รากเหง้าของปัญหาไม่ใช่แค่การตั้งคำถาม แต่เป็นการสืบสวนที่ต้องรวบรวมหลักฐาน ตรวจสอบการปล่อยโค้ดตั้งสมมติฐาน และสรุปผลอย่างรัดกุม

ทีมพัฒนาจึงได้สร้างทีม AI SRE ขึ้นมาโดยประกอบด้วยผู้เชี่ยวชาญเฉพาะทาง 4 ตัว แต่ละตัวมีเครื่องมือแบบอ่านอย่างเดียว (Read-only) เป็นของตัวเอง ได้แก่ ตัวตรวจสอบโค้ด ตัวตรวจสอบชุดการปล่อยโค้ด ตัวตรวจสอบโครงสร้างพื้นฐาน และตัวตรวจสอบเมตริก พร้อมทั้งมีตัวสังเคราะห์ข้อมูลและตัวคัดค้าน (Skeptic) ที่ทำหน้าที่หาช่องโหว่และพยายามพิสูจน์ว่าข้อสรุปนั้นผิดพลาด

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

เมื่อเกิดการแจ้งเตือน ระบบจะสร้างงานใน Kubernetes แบบชั่วคราว (Ephemera Job) ขึ้นมาเฉพาะเหตุการณ์นั้นๆ เอเจนต์แต่ละตัวจะทำการสืบสวนและส่งคำตัดสินพร้อมคะแนนความมั่นใจ หากพบข้อผิดพลาดที่ชัดเจน ระบบจะทำการสร้าง Pull Request เพื่อให้มนุษย์ตรวจสอบและอนุมัติการแก้ไขต่อไป โดยสถาปัตยกรรมทั้งหมดถูกออกแบบให้เรียบง่าย ไม่มีฐานข้อมูลเวกเตอร์ที่ซับซ้อน และตัวระบบสืบสวนไม่มีสิทธิ์แก้ไขโค้ดโดยตรง ยกเว้นตัวแก้ไขที่จะเสนอแนวทางให้มนุษย์ตัดสินใจเท่านั้น