Kubiks共同創業者、アレックス・ホロヴァック氏インタビューシリーズ

アレックス・ホロヴァックKubiksの共同創業者である彼は、スケーラブルで高性能なシステムを専門とする経験豊富なソフトウェアエンジニアです。Prove、TAG – The Aspen Group、airSlate、そしてGoogleにおいて、デジタルトランスフォーメーションを主導し、フォールトトレラントなマイクロサービスを構築し、エンタープライズ統合を開発してきました。現在、彼はこれらの専門知識を活かし、KubiksにおいてAIを活用したオブザーバビリティの革新に取り組んでいます。

クビックス Kubiksは、エンジニアリングチームが問題をより迅速に監視、診断、解決できるよう支援するAIネイティブの可観測性プラットフォームです。ログ、トレース、クエリ、LLM呼び出しを手動で設定することなく自動的にキャプチャし、AIを活用して根本原因を特定し、コンテキストに応じたアラートを送信し、さらには修正案を提案します。リアルタイムのサービスマップ、履歴スナップショット、そして主要なツールやクラウドプロバイダーとの連携により、Kubiksはインシデント対応を効率化し、システムの信頼性を向上させます。

あなたはairSlate、Prove、Googleといった企業でインフラの構築と拡張に携わってきました。これらの役割の中で、システムの拡張における課題に対するあなたの考え方に最も影響を与えたのはどの部分ですか？また、それらの経験が最終的にKubiksの共同設立にどのような影響を与えたのでしょうか？

100人以上のエンジニアが毎日変更をプッシュする中で、信頼性を維持することがどのようなことなのかを身をもって体験しました。このような環境では、バスファクター、つまり主要チームメンバーが突然利用できなくなるリスクが高く、サービスを円滑に運用し続けるためには、可能な限りすべてを自動化することが不可欠です。しかし、次に何が問題になるかを常に予測できるとは限りません。これらの経験から、従来のアプローチの限界が浮き彫りになりました。だからこそ、AIエージェントがあらゆる部分をリアルタイムで常時監視することで、すべてが変わります。AIエージェントは常時稼働しており、何か問題が発生すると即座に警告を発し、根本原因分析を行います。これが、私がKubiks.aiを共同設立し、このインテリジェントな常時監視をより多くのチームが利用できるようにするためのきっかけとなったのです。

Kubiksは2025年XNUMX月に、「XNUMX分でセットアップ完了、AIによる修正」という大胆な約束を掲げて設立されました。この会社を立ち上げる絶好のタイミングだと確信した、市場のどんなギャップに気づいたのですか？

AIがついにインターネットに自己修復レイヤーを追加できるようになったことで、現在、大きなギャップが生じています。私たちの使命はシンプルです。AIに本番システムを監視し、障害発生時に自動的に根本原因分析を行い、安全な修正プログラムを準備させることで、チームが数秒で対応できるようにすることです。AIが継続的なプロアクティブな監視を担うことで、エンジニアは延々と続くチェック作業ではなく、迅速な対応に集中できるようになります。これが私たちが実現しようとしている大きな変化です。

Kubiksは、リクエストとLLM呼び出しを独自にキャプチャし、修正を自動生成し、プルリクエストをレビューに提供します。このスムーズな検出から解決までのフローを実現したのは、どのような技術的ブレークスルーでしたか？徹底性とシンプルさのバランスを取るのは難しかったのでしょうか？

私たちの画期的な点は、エンドツーエンドの相関関係とコンテキストエンジニアリングです。支払い、ユーザー、セッション、データベース、キュー、モデル、バージョンといった主要なIDをあらゆるリクエストから自動的に取得し、単一のタイムラインに統合します。チェーン全体が接続された状態で、AIは最初の失敗した呼び出し、その原因となった入力、そして修正が必要な箇所を正確に特定します。これはFacebookの社内可観測性ツールであるScubaに基づいています。一度このようなツールを使うと、単なるメトリクスと集計には戻れなくなります。

Kubiksは、リアルタイムの可視化、サービスマップ、そして関係性中心のビューを提供します。ログ、トレース、メトリクス、そしてマッピングを1つの統合ダッシュボードに統合することで、チームが問題を検出し解決する方法がどのように劇的に変化するのでしょうか？

現代のシステムは、高速道路で車を運転しているようなものです。もしすべてのセンサーの生の読み取り値を解析しなければならなかったら、間違いなく事故を起こしてしまうでしょう。その代わりに、何がどこで問題なのかをフラグ付けする単一のダッシュボードが必要です。だからこそ、ログ、トレース、メトリクス、そしてライブマップを統合しています。一目で全体像を把握し、クリック一つで修正箇所にアクセスできます。これにより、散発的なデバッグ作業が、集中的で効率的な解決策へと変わります。

タイムトラベルとスナップショットアノテーションは、履歴デバッグに非常に効果的ですね。具体的には、リアルタイムビューだけでは発見できなかった問題を発見できたユースケースにはどのようなものがありますか？

コアサービスがダウンし、ライブマップがシステム全体のエラーで赤く染まったと想像してみてください。しかし、混乱の中で何が最初に失敗したのか全く分かりません。例えば、以前、再試行ポリシーの設定が誤っていたAirflowジョブがありました。このジョブは夜間にスケジュールされていましたが、トラフィックがピークとなる日中に実行され、データベースが過負荷状態になりました。リアルタイムビューでは広範囲にわたる障害しか表示されませんでしたが、タイムトラベル機能を使えば、そのジョブの失敗からインシデントが始まったところを巻き戻して観察することができ、ライブビューでは明らかではなかった根本原因を明らかにすることができます。

AIはどのようにテレメトリを分析し、異常を検知して修正案を作成しているのでしょうか？ Kubiksが、従来の監視では見逃してしまうような、微細な問題や目に見えない問題を検知した事例を教えていただけますか？

あるエンジニアが機能フラグの背後に新しいロジックをデプロイし、フラグをオフにした状態でも2週間は本番環境は安定していました。その後、特定のユーザーセグメントに対してこの機能を有効にすると、そのユーザーのみにエラーが発生しました。標準ダッシュボードでは、エラーはランダムに発生し、デプロイ原因の特定が困難でした。Kubiksは、各リクエストをコードバージョン、フラグの状態、ユーザーセグメント、ダウンストリームの呼び出しに関連付けます。エラーが急増すると、AIはそれらをフラグの有効化と特定のコードパスに一致させ、エラーの原因となった関数とトリガーとなる入力をハイライト表示しました。コードとフラグに可観測性を関連付けることで、AIは原因を迅速に特定し、従来のツールでは見落とされるような、的確な修正を提案します。

ユーザーからはKubiksについて「セットアップの手間が一切ない」「箱から出してすぐに使える」という評価をいただいています。インストールから日々のワークフローに至るまで、信頼性と使いやすさを両立させるためにどのような対策を講じましたか？

Kubiksはローカル開発からすぐに使い慣れた環境を構築できるように設計されているため、本番環境が本格的に稼働する前に信頼を築くことができます。CLIはアプリをローカルで実行し、HTTP、DB、キュー、LLM呼び出しを自動でインストルメント化し、クリーンなテレメトリをストリーミングします。手動のログ記録やトレースは必要ありません。MCP経由でAIコードエディターに豊富なコンテキストを提供し、ステージング環境や本番環境と全く同じビューで表示されます。一度習得すれば、機能開発の自然な流れの中で使いこなせるため、最も重要な場面でシームレスかつ信頼性の高い操作が可能になります。

今日、多くのAIスタートアップ企業は、システムの急速な拡張に伴い、可観測性の問題に取り組んでいます。Kubiksは、小規模なチームが数十億ドル規模の企業と同じ信頼性基準で運用できるよう、どのように支援しているのでしょうか？

スタートアップは動きが速いです。あらゆる場所にログやトレースを追加するために、スプリントを中断することはできません。だからこそ、私たちは自動インストルメンテーションを重視しています。Kubiksは一度インストールするだけで、HTTPルート、データベース呼び出し、LLMのインタラクションなど、全体像をすぐに把握できます。これにより、小規模なチームでもオーバーヘッドなしでエンタープライズレベルの信頼性を実現できます。

AI を活用したシステムの複雑さが増す中で、分散 AI ワークロード全体の信頼性、可観測性、実用性を確保する上で Kubiks が果たす役割はどのようなものだと思いますか?

従来のマイクロサービスは複雑でしたが、予測可能でした。コールグラフをマッピングしてフローを予測することができました。分散AIはそれを一変させます。エージェントは動的にインタラクトし、ツールを起動し、即座にプランを調整し、コンテキストに基づいてルーティングを行います。これは革新的ですが、デバッグにとっては悪夢です。Kubiksは、セットアップ全体（すべてのエージェント、ツール、キュー、Webhook、モデル呼び出し）を自動でインストルメント化し、誰が何をいつ、どのデータで実行したかを示すライブ因果グラフを作成します。KubiksのAIはこれをリアルタイムで監視し、ドリフト、ループ、ハンドオフのミス、不適切な判断を、後からログに記録するのではなく、発生時に捕捉します。

今後、AIを活用したクラウドネイティブ環境における可観測性はどのように進化していくとお考えですか？今後数年間、Kubiks.aiではどのようなロードマップ（自動化の強化、インテリジェンスの深化、統合の拡大など）を追求していく予定ですか？

近い将来、企業はクラウド上で数百万のエージェントを同時に実行するようになり、何が、いつ、どのようなデータで呼び出されたのかを明確に把握する必要があります。可観測性は進化し、これらの動的なシステムに関するリアルタイムの洞察を提供し、LLM内部をピアリングすることでその意思決定を理解するようになります。Kubiksでは、エージェントレベル（プロンプト、パラメータ、モード、ツール、入力、出力）におけるエンドツーエンドのトレースに重点を置いています。これにより、エンジニアは脅威、エッジケース、異常を早期に検出し、複雑なAI環境の信頼性と実用性を高めることができます。

素晴らしいインタビューをありがとうございました。さらに詳しく知りたい読者は、こちらをご覧ください。 クビックス.