Give Your On-Call Its Own AI Teammate - Swaapnika Motapothula, Chinmay Gandhi & Vlad Tsvang, Meta

한 줄 핵심

Meta는 온콜 운영을 사람의 즉응 작업에서 팀 전용 AI 동료가 triage, 회복, 인수인계를 맡고 인간은 핵심 판단만 하는 형태로 바꾸고 있다.

시간별 요약

1. 0:00
   더 빨라진 코딩, 더 느린 운영 AI로 새 코드를 훨씬 더 빨리 만들게 되었지만, 운영 부담은 그 속도를 따라가지 못해 프로덕션 장애와 새벽 호출은 여전히 사람에게 남아 있다. 문제의 중심이 코드를 쓰는 속도에서 프로덕션에서 운영하는 속도로 옮겨 갔고, 그래서 AI가 작성한 코드를 AI가 운영까지 도울 수 있는지가 핵심 질문이 된다.
2. 1:21
   새벽 2시 장애의 두 가지 모습 같은 12개 알림이 떠도 기존 방식에서는 사람이 알림을 정리하고, 질문을 던지고, 원인과 롤백 이후의 작업까지 직접 이어 붙여야 한다. 반면 AI 동료가 미리 우선순위를 정하고, 대시보드·변경 내역·과거 장애를 연결해 원인과 검증 방법, 수정안을 미리 준비하면 사람은 확인만 하고 다시 잠들 수 있다.
3. 3:18
   시작점은 각자 흩어진 자동화였다 기존 온콜 자동화는 알림 스크립트, triage bot, 배포 봇, 수정 에이전트처럼 각자 다른 조각을 해결하고 서로의 맥락은 공유하지 못했다. 모든 단서는 존재했지만 연결되지 않아 결국 사람이 연결 고리가 되었고, 이를 해결하려면 한 rotation을 하나의 AI teammate가 통합해서 보는 구조가 필요하다.
4. 5:08
   자율성은 단계적으로 얻는다 AI 동료는 shadow, pair, 그리고 독립 실행의 3단계 자율성 사다리로 키워야 한다. 실수 비용이 낮고 테스트·CI·리뷰로 쉽게 잡히며, 같은 작업에서 충분한 실적이 쌓인 경우에만 자율 수준을 올려야 하고, 중요한 프로덕션 완화 조치는 여전히 인간 승인 아래 둬야 한다.
5. 7:15
   사람이 검토할 항목만 줄이는 방식 AI가 장기 꼬리 업무, 중복 알림, routine fix를 처리하면 사람에게 남는 것은 23개 중 3개처럼 정말 중요한 결정뿐이다. 결과는 보드, 채팅, 인시던트 화면에서 한눈에 요약되고, 사람은 필요한 항목만 승인하거나 확인하며 나머지는 AI가 계속 진행한다.
6. 9:31
   triage, 복구, 인수인계의 자동화 새 신호가 들어오면 자동 triage가 중요도를 분류하고 적절한 에이전트를 호출하며, 실패한 자동화는 스스로 복구를 시도하고 안 되면 사람에게만 페이지한다. 또한 교대 시점과 매일 아침에는 현재 상태, 사람이 해야 할 일, AI가 처리한 일을 채팅으로 요약해 다음 온콜에게 자연스럽게 넘긴다.
7. 11:44
   교대 사이에 이어지는 팀의 기억 온콜 에이전트는 개인이 아니라 팀에 속해야 하며, playbook, alert profile, 과거 결정과 교정 내용을 shift를 넘어 이어 받아야 한다. 메모리는 의미 기반으로 검색되고, 실제로 도움이 된 항목만 남기며, 틀린 내용은 다시 열어 교정이 곧 새로운 기억이 되도록 설계된다.
8. 13:24
   피드백과 팀 맞춤화가 채택을 만든다 작동을 지속시키는 핵심은 피드백을 한 번 보고 끝내지 않고 시스템 입력으로 계속 흡수하는 루프다. 팀마다 playbook과 skill workflow를 그대로 가져가되 같은 teammate를 공유하고, identity·config·memory를 rotation 단위로 맞추면 도입이 새로운 프로젝트가 아니라 설정 작업이 된다.
9. 14:11
   변한 것과 아직 측정해야 할 것 온콜 담당자의 역할은 깊은 탐색보다 가설과 근거를 바탕으로 핵심 결정을 내리는 쪽으로 바뀌고 있다. 초기에는 부담 감소가 보이지만 정량 측정은 더 엄격해야 하며, 앞으로는 승인되는 mitigations, chat에서 만든 skills, 실제로 되돌려준 온콜 시간 같은 지표를 증명해야 한다.

실무 인사이트

• 온콜 자동화는 개별 도구를 늘리는 방식보다, 알림·변경·과거 사건을 한 맥락으로 묶는 단일 AI teammate 구조가 훨씬 효과적이다.
• 자율성은 한 번에 주는 것이 아니라, 실수 비용과 검출 가능성을 기준으로 단계적으로 확대해야 안전하게 운영할 수 있다.
• 도입 성패는 기능 수보다 피드백 루프, 팀별 커스터마이징, 실제로 줄어든 온콜 시간의 측정에 달려 있다.