SpeedCurve（スピードカーブ）を吸収合併したEmbraceは、2026年に実施した調査結果を発表し、フロントエンドエンジニアリングチームの可観測性とAI導入状況を明確に示した。この調査によると、チームの約4分の3は成熟度スケールの中間に位置し、部分的な計測は行っているものの、エンドツーエンドの可視性を完全に確保できていない。フロントエンドとバックエンドの可観測性を完全に相関させている回答者はごくわずかで、エンジニアは問題の検出には慣れているものの、問題が発生する理由を説明できないことが多く、フロントエンドの問題をバックエンドの根本原因に結びつけることが最も弱い能力であると指摘された。一般的な監視手法が列挙され、ネットワーク／パフォーマンストレースとRUM（リアルユーザーモニタリング）はそれぞれ回答者の約69%が使っており、カスタムログ、クラッシュレポート、シンセティックモニタリングがそれに続き、セッションリプレーはあまり一般的ではなかった。
この調査では、一般的なAIの利用と、オブザーバビリティータスクへのAIの適用との間に顕著なギャップがあることが明らかになった。回答者の89%がワークフローでAIツールを使っていると回答したが（多くはコード生成、デバッグ、テスト作成のため）、オブザーバビリティーにAIを積極的に使っているのはわずか8%だった。エンジニアの約3割は、AIがオブザーバビリティーに適用できることすら知らず、さらにかなりの割合が実験的に使用したことがあるだけだった。にもかかわらず、AIの将来的な役割に対する信頼は高く、4分の3近くが、2～3年以内にAIがオブザーバビリティーにとって非常に重要になると予想していた。回答者は、AI導入における信頼構築機能を優先し、検証可能な出力、モデルが結論に至る過程の透明性、ヒューマン・イン・ザ・ループ制御を必須の前提条件として挙げた。
ウェブチームとモバイルチームの間でプラットフォームの違いが顕著に現れた。ウェブ中心のグループは、計測機器の整備が進んでおり、AI実験もより進んでいると報告されており、ウェブチームはRUM、トレース、ログを含む包括的なセットアップを備えている可能性がはるかに高い。対照的に、モバイルチームはクラッシュレポートとネットワークトレースに大きく依存しているが、実際のユーザーパフォーマンスを特定する自信は低く、モバイルエンジニアのほぼ半数がユーザーエクスペリエンスを評価する能力について中立的な立場を示している。モバイル回答者は、多様なデバイス、OSバージョン、ネットワーク状況にわたる問題の診断の複雑さを反映して、AI駆動の根本原因分析に対する強い意欲を示した。可観測性のためのAIの認識も異なり、モバイルエンジニアはウェブエンジニアに比べて、そのようなツールが存在することを知らない割合が著しく高いと報告されている。
役割に基づく認識も異なり、導入経路に影響を与える可能性がある。エンジニアリングマネージャーは、全体的な可観測性の成熟度を個々の貢献者よりも低く評価する傾向があり、リソースと予算の制約を主な阻害要因として挙げた一方、個々の貢献者はツール、自動化、運用上の複雑さを重視した。マネージャーはAIに対してより一貫して肯定的であり、日常的に高い頻度で使っていることが指摘されたが、個々の貢献者は、導入を決定する前に、同業他社の事例研究や実証ポイントをより強く求めていた。全体的に見て、最も求められているAI機能は説明ギャップと一致しており、パターンと異常の検出、リリース間のパフォーマンス回帰の検出、根本原因分析が最も高い順位となった。回答者は、スタンドアロンソリューションよりも、既存のワークフローを強化し、現在の開発および可観測性ツールに統合されるAIを好むと報告されており、導入が拡大するにつれて人間の監視を維持することが明確に重視されている。
レポート全文はこちら
出典：SpeedCurve
この製品の詳細については、SpeedCurve製品ページをご覧ください。
