損失コストを減らす！インシデント対応の「4つのタイムスパン」可視化戦略

この記事は、kubell Advent Calendar 2025（シリーズ 2）の12日目の記事です。

こんにちは。QAエンジニアの稲垣です。

突然ですが、質問です。

私が入社当初から関わっているインシデント障害対応改善委員会では、インシデント対応の継続的な改善活動を行っています。本記事では、その取り組みの一部をご紹介します。

私が携わっているビジネスチャットの「Chatwork」は、業種や職種問わず、全従業員が業務時間中を通して使い続けるという特性を持っているため、24時間365日止めることができません。

また、最もBPaaSしやすいビジネスチャットへと進化すべく、機能の追加や強化が進められており、単なるコミュニケーションツールにとどまらず、今後ますます、ビジネスを支える”インフラ”と言っても過言ではないサービスになっていくと考えています。

このようなサービスにおいて、システム停止など重大なインシデントが発生した場合、お客様には多大なご迷惑をおかけすることになりますし、そこにかかるコストも計り知れないものがあります。

深刻なシステム停止が発生した場合、1時間あたりの損失コストの中央値は200万ドルに上り、システムが復旧するまで1分ごとに約3万3,333ドルが失われています。調査対象企業において、深刻なITシステム停止により失われる年間コストの中央値は7,600万ドルに達しました。

日本円に換算した場合（1ドル=155円換算、2025年12月時点）

この数字は、インシデント対応の迅速性がいかに事業に直結するかを物語っています。

委員会のMissionは「お客様に安心してご利用いただき、インシデントによる事業への機会損失を減らすこと」と掲げています。

今回は、私たちが取り組んでいる、インシデントが発生した場合のインシデント対応フローの改善についてご紹介します。

DORAが提唱する「Four Keys」（デプロイ頻度、変更リードタイム、変更失敗率、サービス復元時間）を計測しているチームは多いと思いますが、私たちは少し違った視点からアプローチをしています。

具体的には以下のデータを記録しています。

また、定量的にモニタリングできるように、以下の「タイムスパン」を計測・改善のKPIとしています。

これにより、以下ができるようになりました。

上記の指標を注視し、課題のありそうなインシデント対応フロー箇所を発見し、改善を繰り返していくことで、タイムスパンが短縮すれば、委員会のMissionである「お客様に安心してご利用いただき、インシデントによる事業への機会損失を減らすこと」ができている状態と言えると考えています。

委員会のメンバーは、SRE、Dev、PdM、QAなど様々な職能から集められています。必要に応じて、ビジネスサイド、サポート、広報に協力いただくこともあります。これは、技術的な復旧だけでない視点を取り入れるためです。

インシデント対応は開発者だけで完結するのではなく、広報やサポート部門なども含めた全社的な活動として捉えることが極めて重要だと考えています。

なぜなら、技術的な復旧作業と並行して

これらが適切に連携されることで、お客様の不安を最小限に抑え、信頼の低下を防ぐことにつながるからです。

インシデントは「発生しないようにする」ことも勿論重要ですが「発生した時にいかに迅速に対応するか」も同じくらい重要です。

あなたのチームでは、インシデント対応のどのフェーズに時間がかかっているか把握できていますか？

まずは現状を可視化することから始めてみてはいかがでしょうか？

本記事が、あなたのチームの信頼性向上への取り組みを考える一助となれば幸いです。

kubell Creator's Note