AI 활용연구 프리프린트
Meta Diviner, 장애 원인 분석 에이전트의 증거·사람 승인 운영 결과
원문 읽기 · arxiv.org ↗(새 탭에서 열림)Diviner는 장애 조사 에이전트의 판단을 검수된 운영 지식과 실제 시점의 증거에 묶고, 오래 남는 지식 변경은 사람이 승인하는 Meta의 운영 시스템이다.
운영 구조
- Encode는 검토된 사고 기록과 서비스 담당자의 지식을 범위가 정해진 기술·도구로 정리한다. Execute는 분리된 작업자와 리드가 시점별 증거를 모아 가설을 갱신한다.
- Evaluate는 조사 경로와 대응자 검토 결과를 비교한다. Adapt는 반복된 부족점을 재생 검증하고 소유자가 승인한 경우에만 운영 지식을 바꾼다.
평가
- 점수화한 조사에서 정확 원인을 찾은 비율은 45%, 유용한 인과 방향은 60%, 평균 근거성은 80%였다.
- 관찰 코호트에서 도움을 받은 사고는 탐지에서 완화까지 시간이 약 52% 짧고 완화 전 인력 투입이 약 15% 적었다.
읽을 때 주의
- 코호트 비교는 무작위 배정이 아니므로 사건 구성, 서비스 환경, 숙련도 차이가 결과에 영향을 줄 수 있다.
- 사람의 완화 결정과 지식 승인 절차가 시스템 일부다. 완전 자율 장애 복구 성능으로 읽어서는 안 된다.
함께 확인할 조건
- 장애 완화 시간과 인력 투입량의 코호트 차이는 관찰 자료로 채택·사건 구성·인력 차이를 분리하지 못한다.
- Meta 내부 인프라와 운영 절차에 맞춘 시스템이며 타 조직에서 같은 성능을 보장하지 않는다.
이 글의 용어
기사에서 다루는 개념을 검수된 용어집에서 살펴보세요.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.18 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.