
Leading a Post-Incident Review
マスターインシデント発生後の振り返りを進行する
Practice running a blameless review after a major outage: reconstructing events, probing causes and agreeing on safeguards.
大規模な障害の後に、誰かを責めずに振り返りを行う練習をします。経緯を整理し、原因を掘り下げ、再発防止策に合意します。
Setting a Blameless Tone責任追及をしない姿勢を示すグレースは、レビューの目的は障害がどのように起きたかを理解することであり、責任を追及することではないと説明して、話し合いを始めます。率直に話し、その時点では妥当に思えたことと、後から振り返って明らかになったことを区別するようチームに促します。
Reconstructing the Timelineタイムラインを再構成するジャックがインシデントの経過を一つずつ説明し、ミアがアラートや引き継ぎ、意思決定がどのように進んだかを確認します。記録に抜けがある場合も、不確かなことを過失の証拠とみなさずに整理します。
Probing the Root Causes根本原因を掘り下げるグレースは、直接のきっかけから、障害の拡大を許したシステム上の条件へと議論を導きます。ジャックとミアは、インシデントをたった一つのミスのせいにすることなく、監視、デプロイ時の安全策、優先事項の競合について検討します。
When Someone Feels Blamed誰かが責められていると感じたときジャックが時間に追われたデプロイについて説明するなかで、議論が自分だけを責めているように感じます。グレースは自分の言葉が与えた影響を認め、判断を左右した制約や安全策に話題を戻します。
Agreeing on Safeguards安全対策の合意チームは調査で明らかになったことを具体的な行動に落とし込み、より安全なロールバック、より明確なアラート、より適切なエスカレーション経路について、担当者と期限を決めます。グレースは、各対策が単に手順を増やすのではなく、特定されたリスクに対処しているかを確認します。
Briefing Leadership経営陣への報告グレースはデイビッドに、障害の影響や要因、合意した再発防止策について報告します。その際、証拠から分かることを誇張しないよう注意します。デイビッドは、再発防止のために経営陣が何に予算をつけ、何を変更すべきか、また進捗をどう測るのかを尋ねます。