Recommendations

レコメンデーションエンジンは、検出された節約の機会を優先順位付きの追跡可能な作業アイテムに変換します。各レコメンデーションには節約額、工数、リスクのメタデータが含まれており、何を最初に実装するかを判断できます。

レコメンデーションの属性

属性	説明
Title	最適化の明確で実行可能なサマリー
Description	問題と解決策の詳細な説明
Potential savings	月次または年次の見込み節約額
Effort level	実装の複雑さ：Low、Medium、High
Risk level	ワークロードへの潜在的な影響：Low、Medium、High
Source	発生元：CloudKeepers、Conversation、Assessment、Manual

レコメンデーションはドラフトとして開始され、昇格されると有効になり、Plan での実行を通じて追跡されます — 完全なライフサイクルについては Keepers を参照してください。

Findings と Recommendations

Keeper の検出は最初に**finding（検出）**として作成されます。Finding は以下のステータスを経由します：

ステータス	意味
New（新規）	検出されたばかりで、まだ誰も確認していません。
Acknowledged（確認済み）	チームメンバーが検出結果を確認し、フォローアップを担当しています。
Active（対応中）	検出結果への対応が進行中です。
Resolved（解決済み）	根本的な問題が修正され、検証済みです。
Dismissed（却下）	レビュー済みで、意図的に対応しないと判断されました。

Finding を昇格させると**recommendation（レコメンデーション）**が作成されます。これは独自のライフサイクル、影響分析、実装プレイブックを持つ別のオブジェクトです。

ソース

ソース	レコメンデーションの作成方法
CloudKeepers	検出ルールが利用率のドリフト、コストの異常、ベストプラクティス違反を継続的にスキャン
Conversation	`#recommend` を使って Alex に特定の領域を分析するよう依頼
Assessment	Well-Architected アセスメントがコスト最適化の柱のもとでレコメンデーションを生成
Manual	Recommendations を開き、New Recommendation をクリックして節約額、工数、リスクを自分で設定

カテゴリ

カテゴリ	典型的なチェック内容
Right-sizing	平均利用率 20%未満の EC2 インスタンス、過剰なキャパシティを持つ RDS インスタンス、過剰プロビジョニングされた Lambda メモリ
Reserved capacity	1年 vs 3年のコミットメント分析、Savings Plans カバレッジのギャップ、リザーブドインスタンスの利用状況
Spot opportunities	フォールトトレラントなバッチジョブ、開発・テスト環境、ステートレスアプリケーション
Storage lifecycle	S3 Intelligent-Tiering の有効化、Glacier アーカイブ候補、アクセス頻度の低いデータ
Unused storage	未割り当ての EBS ボリューム、孤立したスナップショット、空の S3 バケット、未使用の EFS ファイルシステム
Database	DynamoDB キャパシティモード、ElastiCache ノードのサイズ調整、インデックスとクエリの最適化、リードレプリカの機会
Network	リージョン間転送、NAT Gateway 効率化、VPC エンドポイント、アイドル状態のロードバランサー、クロスゾーン負荷分散

コラボレーション

各レコメンデーションにはディスカッションスレッドが含まれます：

機能	用途
コメント	コンテキスト、質問、実装メモを追加
メンション	`@username` でチームメンバーをタグ付け
添付ファイル	関連ドキュメントやチケットをリンク
監査証跡	すべての変更とステータス更新を追跡

レコメンデーションの実装

エージェント主導（承認あり）：

レコメンデーションの詳細をレビューします。
Alex に実装を依頼します。
提案された変更をレビューします。
Approval Center で実行を承認します。
実装の進捗を監視します。

手動：

レコメンデーション内の実装手順に従います。
質問はディスカッションスレッドで行います。
完了後に実際の節約額を記録して、Savings Tracking が見込み額と比較できるようにします。

エクスポートと統合

アクション	方法
エクスポート	レコメンデーションを CSV または Excel でダウンロード
チケット	レコメンデーションから Jira チケットを作成
同期	webhooks 経由でレコメンデーションの更新を外部システムに送信

例

レコメンデーションの検索と確認：

@alex #recommend show the top 10 cost recommendations by savings
@alex #recommend list low-effort EC2 recommendations with high savings
@alex #recommend explain why we should resize instance i-0abc123

特定の領域に対する新しいレコメンデーションの生成：

@alex #recommend analyze our S3 storage costs and suggest optimizations
@alex #recommend review EC2 instances idle for more than 7 days

実装 — Alex は提案された変更を示した上で、実行前に承認を求めます：

@alex #recommend implement the resize for instance i-0abc123

Savings Tracking

実装後の実際の節約額を見込み額と比較して測定する

Cost Analytics

レコメンデーションの背景にある支出トレンドと異常を調査する

Keepers

検出が Finding となり昇格してレコメンデーションになる流れを確認する

Code Review

CostOps

Deep Response Engine

インフラストラクチャ

ChatOps

Skills

アーティファクトとダッシュボード

レコメンデーションの属性

Findings と Recommendations

ソース

カテゴリ

コラボレーション

レコメンデーションの実装

エクスポートと統合

例

関連情報

Savings Tracking

Cost Analytics

Keepers

​レコメンデーションの属性

​Findings と Recommendations

​ソース

​カテゴリ

​コラボレーション

​レコメンデーションの実装

​エクスポートと統合

​例

​関連情報

Savings Tracking

Cost Analytics

Keepers

レコメンデーションの属性

Findings と Recommendations

ソース

カテゴリ

コラボレーション

レコメンデーションの実装

エクスポートと統合

例

関連情報