技術概要：Causely – 企業向け AI のための因果インテリジェンス層

1. 問題定義

本論文は、サイト信頼性エンジニアリング（SRE）および継続的な信頼性ワークフローにおける AI エージェントの導入において、決定的なボトルネックとなっている「テレメトリから知識へのギャップ」を特定しています。現在、AI エージェントは環境状態の理解を、クエリ実行時に生の観測可能性テレメトリ（ログ、トレース、メトリクス）から直接導き出しています。このアプローチは「意味解釈税」と呼ばれる負担を課し、エージェントは推論ループのたびに構造化されていないデータからトポロジー、属性依存関係、因果関係を推論するために、膨大な計算リソースを消費せざるを得ません。

このプロセスは、以下の 3 つの主要な問題を引き起こします：

1. 非効率性：エージェントが環境状態の冗長な再構築を行うため、トークン消費量と遅延が増大します。
2. 脆弱性：エージェントはしばしば陳腐化した証拠に依存するか、一時的な異常をインシデントと誤解するため、健全な環境で「幻覚」されたインシデントが発生したり、活動的な障害において診断が見逃されたりします。
3. 経済的な持続不可能性：AI プロバイダーが定額制のシートサブスクリプションからトークン課金へ移行する傾向（2025 年末に指摘された傾向）に伴い、生テレメトリから環境理解を導き出すトークン集約的なプロセスは、直接的な財務上の負債となります。論文は、ベースラインのエージェントが、生テレメトリに「インシデントなし」という原則的なシグナルが存在しないため、エージェントが無限に検索を強要される結果、活動的な障害時よりも健全なクラスターで最大 7.2 倍のトークンを消費することを指摘しています。

2. 手法

構造化された因果層がこれらの問題を緩和できるかどうかを評価するため、著者らは制御された実証ベンチマーク研究を実施しました。

実験設定

• 環境：ローカルの Kubernetes クラスターにデプロイされた、24 マイクロサービスからなる OpenTelemetry デモアプリケーション（「Astronomy Shop」）。
• シナリオ：
  1. アクティブ・フォルト：決済サービスにコードレベルの欠陥を注入し、トランザクションの拒否を引き起こし、エラーを 3 つの下流サービスへ伝播させたもの。
  2. 健全なベースライン：欠陥なしで稼働している同一アプリケーション。
• エージェント構成：4 つの異なる AI エージェント設定がテストされました：
  • プロダクティビティ AI：シェル/kubectl アクセスを利用する Claude Code（Sonnet）および Codex（GPT-5.4 mini）。
  • オプス AI：観測可能性のためにキュレーションされた MCP（Model Context Protocol）サーバーを利用する、Gemini Pro 3 および Claude Sonnet バックエンドを備えた HolmesGPT。
• 条件：各エージェント構成は、以下の 2 つの条件でテストされました：
  1. ベースライン：生テレメトリツールへのアクセスのみ。
  2. 処置：生テレメトリツールへのアクセスに加え、Causely 因果インテリジェンス層（Causely MCP サーバー経由）へのアクセス。
• プロトコル：合計 72 回の実験実行が行われました（4 構成 × 2 条件 × シナリオあたり 9 クエリ）。クエリは、ヘルスアセスメント、影響分析、根本原因の特定、修復の 4 つのユースケースを網羅しました。

因果インテリジェンス層（Causely）

本研究は、$CI = (G_T, K_C, G_C, G_A)$ と形式的に定義される**因果インテリジェンス層（CI）**の独自実装を評価します：

• トポロジーグラフ（$G_T$）：エンティティとその構造的関係（接続性、レイヤリング、構成）のライブモデル。
• 因果知識ベース（$K_C$）：故障モードを症状および伝播ルールにマッピングするドメイン知識のグローバルライブラリ。
• 因果グラフ（$G_C$）：帰納推論を可能にする、環境固有の因果関係の確率グラフ。
• 属性依存グラフ（$G_A$）：測定可能な属性（例：レイテンシ、スループット）間の機能的関係のグラフ。

処置条件では、エージェントは生テレメトリから再構築するのではなく、この事前計算された構造化コンテキストをクエリします。

3. 主要な知見

本研究は、Causely レイヤーへのアクセスが、測定されたすべての次元（遅延、精度、トークン消費量、コスト）においてパフォーマンスを著しく向上させることを示しています。

パフォーマンス指標（アクティブ・フォルト・シナリオ）

• 診断までの時間：平均で**63.2%**削減されました。最も顕著な改善は HolmesGPT（Gemini）に見られ、74.5 秒から 12.8 秒に低下しました（82.8% の削減）。
• トークン消費量：平均で59.9%削減されました。調査のフットプリント（総トークン数）は4.8 倍圧縮されました。
• ツール呼び出し：78.4%削減され、ツール呼び出しのフットプリントは4.8 倍圧縮されました。
• コスト：ベンチマークティアの価格設定において、実行あたりの直接 API コストが**56.9%**削減されました。

診断精度

• 根本原因の診断：精度はベースラインの**75%から Causely 使用時の100%**に向上しました。ベースラインのエージェントは、因果グラフなしでは因果的な駆動要因と下流の影響を区別することに苦労しました。
• 幻覚の削減：健全なベースラインシナリオにおいて、ベースラインのエージェントは頻繁にインシデントを幻覚しました（例：ツールアーティファクトや陳腐化したログを活動的な障害と誤解すること）。Causely は HolmesGPT（Claude Sonnet）の偽陽性を排除し、Codex では半分に削減しました。
• ユースケース別：最大の改善が見られたのは、最も多くのエンティティ間相関を必要とする根本原因の特定および影響分析のカテゴリーでした。

経済的含意

論文は、環境規模が増大するにつれて（例：24 から 1,000 サービスへ）、ベースラインエージェントのトークン消費量がトポロジーの複雑さに比例して線形に増加し、最先端モデルのコンテキストウィンドウを超える可能性があると予測しています。これに対し、Causely のトークン消費量はアクティブな問題の数に比例して増加し、環境規模に関係なく有界に留まります。企業規模（1,000 サービス）において、論文は Causely を使用した場合、生テレメトリエージェントと比較して調査あたりのコストが**98%**削減されると予測しています。

4. 貢献

1. 実証的検証：本研究は、生テレメトリ上で動作する AI エージェントと、因果インテリジェンス層に基づいた AI エージェントとの間の性能差を定量化した、最初の制御ベンチマークを提供します。
2. アーキテクチャ提案：環境状態の表現を AI エージェントの推論ループから切り離す、独自のアーキテクチャコンポーネントとして「因果インテリジェンス層」を形式化します。
3. 経済分析：AI の価格モデルがトークン課金へ移行するにつれて、隠れたコストであった「意味解釈税」が直接的な財務的負債となることを強調し、スケーラブルな企業向け AI にはトークン効率の高いエージェントが不可欠であると論じています。

5. 意義と主張

本論文は、Causely が生テレメトリをライブでクエリ可能なモデルに変換し、AI エージェントが診断を行い、影響を評価し、安全に行動するために必要な意味論的および因果的な基盤を提供すると主張しています。

著者らは、そのような層がなければ、AI エージェントは本質的に非効率的な推論者であり、すべてのクエリにおいて「再構築税」を支払うことになる、と論じています。この税は現在、定額制価格によって補填されていますが、プロバイダーがトークン課金へ移行するにつれて持続不可能になります。本研究は、因果的グラウンディングは単なる最適化ではなく、エンタープライズ信頼性ワークフローにとって必要な進化であり、エージェントが以下を実現することを可能にすると結論付けています：

• 調査時間とコストを大幅に削減する。
• 健全な環境における幻覚を排除する。
• コンテキストウィンドウの制限を超えたり、禁止的なコストを負担したりすることなく、大規模で複雑なマイクロサービスアーキテクチャにスケーリングする。

本論文は、限界に関して控えめなトーンを維持しており、研究が制御された環境におけるアプリケーション層の欠陥の単一クラスに焦点を当てたものであり、インフラストラクチャの障害、設定ミス、および生産環境規模のワークロードに対するこれらの知見を検証するためにはさらなる作業が必要であることを認めています。