障害対応

障害が起きたとき、原因の調査と復旧はエンジニアに任せます。PdM の役割は影響の判断・ユーザーへの告知・優先順位の決定・社内への情報の流れを整えることです。調査中のエンジニアに何度も状況を聞くと復旧が遅れるので、情報はインシデントの指揮役（インシデントコマンダー）に集め、そこから受け取ります。

SRE の「インシデント対応の役割」

SRE の「ポストモーテムの構成」

重大度の基準は会社ごとに決めるもので、段階の数や名前も違います。大事なのは、障害が起きる前に基準を合意しておくことです。基準が決まっていると、誰を呼ぶか、告知を出すか、経営に報告するかをその場で迷いません。PdM は「どの機能が止まると、どれくらいの人とお金に影響するか」の情報を基準づくりに出します。

告知のタイミング：ユーザーへの影響を確かめたら、原因が分からなくても早めに第一報を出します（目安の時間を社内で決めておきます）。その後は「次は○時に更新します」と決めて定期的に更新し、復旧したら復旧報、落ち着いたら原因と対策の報告を出します。

【障害】一部のお客様でログインできない状態が発生しています
発生日時：11月12日 10:05 頃から
影響：アプリからのログインが失敗することがあります（Web は利用できます）
状況：原因を調査しています
次回のお知らせ：11:00 頃

推測の原因や、守れるか分からない復旧時刻は書きません。分かっている事実と、ユーザーができること（回避策）を短く書きます。

障害や負荷の集中のときに、なくても困らない機能を止めて、主要な機能を守ることを縮退（デグレード）といいます。全部が止まるより、おすすめやランキングが出ないほうがずっとましです。どれを止めてよいかは事業の判断なので、PdM が事前に決めておきます。

ポストモーテムは、障害のあとに、個人を責めずに仕組みの問題を見つける振り返りです。「誰がミスしたか」ではなく「なぜそのミスが起きられたのか、どう防ぐか」を考えます。

障害の最中に決めることを減らすほど、復旧は速くなります。判断の権限を当番に渡しておくのも PdM ができる大事な準備です。