オンコール管理

エンジニア40名のBtoB SaaS。オンコールは「システムに詳しい人」に偏っており、特定の3名が月の 80% を担当していた。3名のeNPSは -15 まで低下。

ローテーション制を導入。全SREメンバー8名で週次ローテーション、Primary + Secondary体制。深夜呼び出し1回あたり 5,000円 の手当 + 翌日午前の代休を制度化。

半年間の離職者はゼロ。以前は退職を考えていたメンバーも「公平になった」と評価。

月間売上8億円のEC。オンコールのPager Loadが 週25件 あり、そのうちアクション不要が 60%。エンジニアが「どうせ誤報」と思い始め、本当に重要なアラートの対応が遅れるようになっていた。

月次のPager Loadレビューを開始。Top5のアラートを分析。

3ヶ月で 週25件 → 週4件 に削減。アクション不要率も 60% → 12% に改善。

エンジニア6名のスタートアップ。これまで障害時は「気づいた人が対応する」方式で、深夜にCTOの携帯に電話がかかる状態が続いていた。

6名で週次ローテーション（Primary + Secondary）を導入。少人数のためRunbookを徹底的に整備し、誰でも対応できる体制を目指した。

主要な15パターンのアラートにRunbookを作成。各Runbookは「症状確認（30秒）→ 対応手順（3ステップ以内）→ エスカレーション基準」の構成で統一した。

導入前はCTOが月 20回 呼ばれていたが、ローテーション + Runbook整備で全メンバーが対応可能になり、CTOへのエスカレーションは月 2回 に減少。CTOが本来の開発業務に集中できるようになった。