問題管理 とは？

インシデント管理は「今起きている障害をとにかく復旧させる」こと。問題管理は「なぜその障害が起きたのか原因を調べて、二度と起きないようにする」ことだよ。消火と防火の関係だね。

応急処置だけだと同じ障害が何度も起きるよ。たとえばサーバーのメモリ不足で毎月障害が起きるなら、再起動で復旧するのがインシデント管理、メモリを増設するのが問題管理だね。

なぜなぜ分析やフィッシュボーンダイアグラムなどの手法を使うよ。「なぜメモリ不足？→なぜリークが発生？→なぜコードに問題？」と掘り下げていくんだ。

「既知のエラー」として登録して、暫定的な回避策（ワークアラウンド）を共有するんだ。根本対策が決まるまでの間、同じインシデントが起きても素早く復旧できるようにしておくよ。

インシデントの発生件数が目に見えて減るよ。短期的にはコストがかかるけど、長期的には運用チームの負荷が劇的に下がるんだ。SREの世界でも「トイル削減」として同じ考え方が重視されているね。