現在の分散システムにおける混沌エンジニアリング（Chaos Engineering）の主な課題は、安全性を確保する技術は成熟している一方、実験の意図や学習価値を検証する仕組みが欠落している点です。既存のツールはシステムが予算枠内で維持されているか、障害発生時に自動停止できるかといった安全面の判断は得意ですが、なぜその実験を行うのか、どのような信念を検証しようとしているのかといった意図を扱えていません。その結果、チームは安全な実験を繰り返すばかりで、システム全体の障害伝播に関する新たな知見を獲得できない状況に陥っています。 この問題解決のため、特許取得済みの「意図に基づく混沌エンジニアリング」アーキテクチャが提案されています。この手法では、単にポッドを停止するといったスクリプトベースの手法ではなく、検証したい行動仮説を明確に定義する仕様を基に実験を自動生成します。具体的には、「在庫サービスでレイテンシが増加しても、チェックアウトフローの SLO が維持される」といった仮説を入力とし、システムの依存グラフを解析して最も情報量の多いコンポーネントを特定します。 安全性の評価も進化的です。従来の閾値ベースの判断に加え、リアルタイムのトポロジーと「回復力予算」に基づいて評価を行います。これは、単にサーバーが落ちたかではなく、実際のユーザー行動（例：購入完了率）がどの程度影響を受けたかを即時に判断するものです。これにより、インフラ的には正常に見える状況でも、特定のユーザーコンテキストでは致命的な影響を与えるような微妙な故障を検出可能になります。 さらに、ビジネス価値を直接指標とするアプローチも重要です。特定のマイクロサービスの停止が収益に直結する場合は即座に中止する仕組みなど、技術的なノイズと実際の金銭的損失を AI が区別できるようになります。これにより、システムは過去の失敗から学習し、依存関係のモデルを逐次更新することで、より精度の高い実験を設計できるようになります。 現在の混沌エンジニアリング分野には、意図仕様の標準化、構造化された実験成果データの蓄積、そして実験の質を評価する基準という 3 つのGapが存在します。これらのインフラを整備し、ツールが仮説に基づいて行動できるようになれば、安全で効果的なシステム回復力の向上が可能となります。