インシデント管理とは、システム障害やサービス品質の低下などの「インシデント」が起きたときに、影響を最小化しながら復旧までを進める運用プロセスです。インシデントの受付、優先度付け、対応の割り当て、復旧確認、再発防止の振り返りまでを一連の流れとして扱います。
インシデント管理の目的は、原因の特定よりも先に、業務への影響を止めることにあります。たとえば一時的な回避策でサービスを戻し、原因調査は後工程に回す判断も選択肢になるでしょう。対応履歴をチケットとして残しておくと、引き継ぎや説明がしやすくなります。
具体例として、Webサービスでエラー率が急上昇した場合に、監視アラートを起点に当番が一次対応し、重大度に応じて担当チームへエスカレーションします。復旧後は、発生時刻や影響範囲、暫定対応、恒久対応の方針を記録し、関係者へ共有する運用が一般的です。
インシデント管理を安定させるには、重大度の基準、連絡手順、SLAの考え方、復旧判断の責任者を明確にしておく必要があります。原因の根本解決を扱う「問題管理（Problem Management）」とは役割が異なるため、復旧と再発防止の担当範囲を分けて設計すると混乱が減ります。
