--- title: Microsoft-Decisions-1 × Azure Service Health で Azure サービスの非推奨、Retirement の影響、優先度を判断する tags: #azure author: [Kazuki Yamabe](https://www.docswell.com/user/kdk_wakaba) site: [Docswell](https://www.docswell.com/) thumbnail: https://bcdn.docswell.com/page/VJP393KXE8.jpg?width=480 description: 2026年11月7日の『JAWS-UG浜松・静岡 × JAZUG Shizuoka クラウド勉強会 202611』で発表した登壇資料です。Microsoftより提供されている意思決定モデル・Microsoft-Decision-1とAzure Service Healthを使い、非推奨・Retirement通知の影響度や優先度を判断してユーザーの判断を補助するサンプルアプリケーションについて説明します。主にMicrosoft-Decision-1が何か、実際に作成して苦労した点やこうしたほうがよい、といった内容をまとめた資料となります。 published: November 07, 26 canonical: https://www.docswell.com/s/kdk_wakaba/5R8PR1-2026-11-07-165559 --- # Page. 1 ![Page Image](https://bcdn.docswell.com/page/VJP393KXE8.jpg) Microsoft-Decisions-1 × Azure Service Health で Azure サービスの非推奨、Retirement の影響、優先度を 判断する JAWS-UG浜松・静岡 × JAZUG Shizuoka クラウド勉強会 202611 2026.11.07 / Kazuki Yamabe # Page. 2 ![Page Image](https://bcdn.docswell.com/page/2EV4M4V3JQ.jpg) Agenda ● 自己紹介・導入 ● Decision Models & Microsoft-Decision-1、Azure Service Health とは ● Azure サービスの非推奨、Retirement を行う Azure Retirement Planner ● Azure Retirement Planner - デモ ● Azure Retirement Planner の開発時に苦労したこと、課題点 ● まとめ・参考資料 # Page. 3 ![Page Image](https://bcdn.docswell.com/page/57G1G1LYEL.jpg) 自己紹介・導入 # Page. 4 ![Page Image](https://bcdn.docswell.com/page/4EQDXDY6JP.jpg) 自己紹介 専門領域 / Area of expertise • Microsoft Azure / Cloud Infrastructure • Virtual Machine / Containers / Kubernetes • Infrastructure Automation ( CI/CD、Infrastructure as code、Scripts、etc ) 受賞歴 / Awards • 2025年：Microsoft MVP (Azure Compute Infrastructure、Azure Networking) • 2026年：Microsoft MVP (Azure Compute Infrastructure、Azure Kubernetes and Open Source) Blog / SNS Kazuki Yamabe B Blog https://www.kdkwakaba.com Avanade Japan K.K. X X (Twitter) @kdk_wakaba in LinkedIn https://www.linkedin.com/in/kdk-wakaba # Page. 5 ![Page Image](https://bcdn.docswell.com/page/KJ4Z6ZWM71.jpg) 注意事項 注意事項 • 本内容は2026年11月7日現在の内容です。今後のアップデートで内容が変更される可能性があります • 本内容は個人の見解であり、会社の方向性、戦略、意見ではありません # Page. 6 ![Page Image](https://bcdn.docswell.com/page/LE1RVRYYEG.jpg) Azure サービスの非推奨・Retirement 対応はやることが多くて大変 # Page. 7 ![Page Image](https://bcdn.docswell.com/page/GEW1L1G172.jpg) こうした判断を AI の意思決定モデルや他のモデルでまとめられないか？ # Page. 8 ![Page Image](https://bcdn.docswell.com/page/47ZPMPLXE3.jpg) Decision Models & Microsoft-Decision-1、Azure Service Healthとは # Page. 9 ![Page Image](https://bcdn.docswell.com/page/YJ6MNMWP7V.jpg) Decision Models (意思決定モデル) とは 事前に定義された選択肢や評価基準に基づき構造化された判断結果を返すモデル 主な特徴 型付きの判断 分類・選択の判断 後続処理への接続・制御 自由形式の文章ではなく、Yes/No・固定された選択肢・スコ ア・確率で返す 分類・ルーティング・優先順位付け・評価・条件判定、および実 行先（モデル・ツール・エージェント・担当者・次の処理）の選 択 予測可能な形式で返るため接続しやすく、確率やスコアで自 動処理・再評価・人へのエスカレーションを制御できる 例: 承認 / 却下、優先度 高・中・低、スコア 0.82 例: 問い合わせの種別分類、対応エージェントの選択 例: 高スコア→自動処理 / 中→再評価 / 低→人へ 代表的な製品・モデル Jev OpenAI Decisions API Microsoft-Decision-1 Clef TypeSafe OpenAI Microsoft（Foundry） Cloudflare • 意思決定タスクに特化したモデル • 構造化された意思決定向けAPI • 高速・低コストな意思決定に特化 • 用途別のDecision Modelファミリー • Noul・Choice・Scoreの3形式に対応 • Predicate・Choice・Scoreに対応 • Yes/No・選択・評価を確率で出力 • Workers AIで利用可能 • 画像入力に対応（実験的） • アプリやワークフローへの組み込み に強みを持つ • Microsoft Foundryで利用可能 • Apache 2.0で公開。軽量版Clef-Flash あり # Page. 10 ![Page Image](https://bcdn.docswell.com/page/GJ5Z5ZMPE4.jpg) Decision Models と生成LLMの違い、従来の生成LLMの課題 得意なタスク 生成LLM テキスト生成・説明・要約・コード生成・複雑な推論 生成LLMで意思決定させる場合の課題 Decision Models 分類・選択・採点・優先順位付け・条件判定 Decision Models での解消 出力の揺れ 同じ入力でも表現や形式が変化し出力が不安定に なる 固定された選択肢・スコア・確率で返し、 出力形式が一定になる 後続処理への接続 文章から値を取り出す解析・補正処理がアプリに 必要 予測可能な形式で受け取り、そのまま ワークフローへ接続できる 判断基準の明確さ 判断基準がプロンプトに埋もれやすく、検証・再 現が難しい 選択肢と評価基準を事前に定義し、 質問単位で検証できる 確信度の扱い 確信度が明示されず、自動処理と人の確認を切り 分けにくい しきい値を設け、自動処理・再評価・ 人へのエスカレーションを制御 # Page. 11 ![Page Image](https://bcdn.docswell.com/page/9E2RNR9ZJR.jpg) Microsoft-Decision-1 とは Microsoft が提供するアプリケーションやAIエージェントの判断処理に特化した高速な Decision Model 構造化された意思決定 確率付きの結果 高速・低コストな判断処理 エージェントとワークフローの制御 • 分類・ルーティング・ランク付け・採点など、 定義された選択肢を判断 • Yes／No・選択肢・段階評価に対応し、 各候補の確率を返す • 単一パスの Decision Scoring で、繰り 返される判断を高速に処理 • モデル・ツール・次のアクションの選択や、 AI 出力の評価に利用 • 文章ではなく、アプリが処理しやすい構造 化された結果を返す • 確率に応じて、自動実行・人の確認・別 モデルへの引き継ぎを制御 • 限定された判断タスクの効率化に適して いる • Foundry からデプロイし、Decision API として組み込み可能 • Azure 上で Entra ID・RBAC により認 証・権限を管理 ※ 2026年11月7日現在、Jev や Decisions API のような画像入力の判断には非対応 # Page. 12 ![Page Image](https://bcdn.docswell.com/page/D7YDPD4N7M.jpg) Azure Service Health とは Azure のサービス障害・メンテナンス・Retirement など、自分の環境に影響する情報を通知するサービス 影響する情報を個別に表示 複数種類のイベントを通知 アラートで通知 Retirement の把握に活用 • サブスクリプション・サービス・リージョンに基 づくダッシュボードで確認 • サービス問題、計画メンテナンス、セキュリ ティアドバイザリーなどを通知 • メール・SMS・プッシュ通知・Webhook な どで通知を受け取れる • Retirement は、少なくとも90日前までに 通知（緊急時を除く） • 影響を受けるリソースを把握し、更新状 況を追跡 • 非推奨や廃止などの変更は、ヘルスアド バイザリーで通知 • 設定したアラートルールに該当するイベント が対象 • Retirement の情報は REST API でも取 得可能 # Page. 13 ![Page Image](https://bcdn.docswell.com/page/VEN656YVE8.jpg) Azure サービスの非推奨、Retirement を行う Azure Retirement Planner # Page. 14 ![Page Image](https://bcdn.docswell.com/page/Y79LYLPVJ3.jpg) Azure の非推奨・Retirement を判断するアプリ：Azure Retirement Planner # Page. 15 ![Page Image](https://bcdn.docswell.com/page/G78X6XD4ED.jpg) Retirement の通知から判断、評価、承認をするまでのフロー # Page. 16 ![Page Image](https://bcdn.docswell.com/page/L7L898MVJR.jpg) Azure Retirement Planner : Azure リソースの構成 # Page. 17 ![Page Image](https://bcdn.docswell.com/page/4EM6Z6YN7W.jpg) Azure Retirement Planner - デモ # Page. 18 ![Page Image](https://bcdn.docswell.com/page/PERP6P9479.jpg) Azure Retirement Planner デモ 今回は事前に通知された内容がどのように表示されるか、人間の承認で Github の Issue 作成、Project への登録のデモをします。 # Page. 19 ![Page Image](https://bcdn.docswell.com/page/P7X3M3QZEX.jpg) Azure Retirement Planner の開発時に 苦労したこと、課題点 # Page. 20 ![Page Image](https://bcdn.docswell.com/page/37KYGY9VED.jpg) Microsoft-Decision-1 や意思決定モデルで苦労したこと、気づき AI に意思決定モデルを使って仕組みを作らせてみると choice を選びがちになる？ • AI に Decision Models の仕様を任せたところ、判断部分を全て choise にしていた • AI にこのあたりを作ってもらうなら noul、choise、score について具体的な要件や振り分けを決めておいた方がよい score、choice で分ける場合、判定基準のしきい値は明確に設定する • 判断基準のしきい値を広くとりすぎると想定しない結果になるケースが割とある ( 例：少しでも判断に迷うと Unknown に振り分けがちになる、など ) • 色々なパターンを検証した上で判断のしきい値を決めるとよい 複数の判断で結果をまとめる場合、項目ごとの重みづけや優先度を決めておくと判断精度の向上になる • 単純な平均値で判断を決めてしまうと判断の精度がブレるため、どの判断結果を優先するかを決めるとよい • Azure Retirement Planner では企業ごとに重要視するポイントが異なるため、無理に重みづけをせず人間の判断に任せるようにした # Page. 21 ![Page Image](https://bcdn.docswell.com/page/LJ39N99QJ5.jpg) Azure Service Health で都合よく Retirement 通知が来ない 実データを用いた検証が中々できず、開発時で実際の検証が中々できない • Agent に VM 資格情報や任意操作の権限を持たせず、Worker 側で登録済み計画・承認を検証できる • 閉域網内に実行用の VM を置くと管理工数が増加する • Agent を使う Windows の実行基盤なら Windows 365 for Agent もあるが、完全閉域網での通信ができない制約もある Retirement を想定したサンプルデータの準備やテストモードのような仕組みを検討する • 実通知が来るまで待っているといつまでの検証できないため、Retirement を想定したサンプルデータで動作を検証する • 細かい条件や意図的にできるテストモードのような仕組みであらかじめ挙動を試せるようにする # Page. 22 ![Page Image](https://bcdn.docswell.com/page/8JDGWGGWJG.jpg) 開発に関する苦労、苦戦したところ ( Codex を使った開発で ) Codex の Plan モードを使っても最初に仕様を決め切るのが難しい • 最初に仕様を作り切るのは中々難しい、後からあれこれ追加すると時間がかかったりする • 特に細かい部分を決め切るのが難しいと実感 • Spec Kit のようなツールもあるが、出てきた仕様に対してどうしていくかを決める部分が重要 GPT-6 Luna はトークン消費は安いが、要件や細かいところを決め切れていないと抽象的になりやすい • コードの実装やテスト、デプロイのようなものはある程度やってくれるが、エラーで詰まると解消までに時間のかかるケースもある • 手順の説明のように文章周りになると抽象的になりやすいので、ある程度具体的な指示を出してあげるとよい 通勤中や外出先で開発を進めていると、自宅 PC の認証切れや手動対応の必要な箇所で詰まる • スマートフォンのアプリと連携は便利だが、認証が必要なケース、手動の承認や権限付与のようなケースで止まることも • たまに Compute Use で安全ではない URL として一度停止すると頑なにブラウザを認証しようとしなくなるケースも… # Page. 23 ![Page Image](https://bcdn.docswell.com/page/VEP3933X78.jpg) まとめ・参考資料 # Page. 24 ![Page Image](https://bcdn.docswell.com/page/27V4M443EQ.jpg) まとめ Microsoft-Decision-1 は Microsoft Foundry で提供される Decision Models (意思決定モデル) • 事前に決定した内容に応じて noul (Yes/No)、choise (分類、ルーティング)、score (評価、優先順位) の3種類で判定を行う • Microsoft Foundry で提供されるため、Azure 上でのリソース、権限管理や閉域網のようなセキュリティ要件の厳しい要件でも意思決定モデルを使用可能 意思決定モデルで判断を任せる場合、具体的な判断基準を決めておく • 曖昧な判断だと回答も曖昧になるため、どういう内容について判断させたいかを事前に決めておく • 特に AI でざっくり作成すると判断タイプの偏りが出たりするので、人間側である程度の判断基準を決めておいたほうがよい Azure サービスの Retirement で何かをする時は実データで検証できる仕組みを準備する • Retirement の通知は都合よく発生するものではないため、適宜リソースを準備しておいたり再読み込みしないと検証ができないケースも発生する • 場合によってはサンプルデータの準備やテストモードのような仕組みで検証できるようにする # Page. 25 ![Page Image](https://bcdn.docswell.com/page/5JG1G11Y7L.jpg) 今回使ったサンプルアプリケーションのリポジトリ kdkwakaba / azure-retirement-planner • https://github.com/kdkwakaba/azure-retirement-planner/ # Page. 26 ![Page Image](https://bcdn.docswell.com/page/47QDXDD6EP.jpg) 参考資料 / References ① Introducing Microsoft-Decision-1, our model for fast decision-making https://commandline.microsoft.com/microsoft-decision-1-model-foundry/ https://commandline.microsoft.com/microsoft-decision-1-model-foundry/ Microsoft Foundry で Microsoft-Decision-1 をデプロイして使用する https://learn.microsoft.com/ja-jp/azure/foundry/foundry-models/how-to/use-foundry-models-microsoft-decision Introduction - TypeSafe https://docs.typesafe.ai/introduction Decisions | OpenAI API https://developers.openai.com/api/docs/guides/decisions clef (Cloudflare) · Cloudflare AI docs · Cloudflare Workers AI docs https://developers.cloudflare.com/workers-ai/models/clef/ Azure Service Health とは https://learn.microsoft.com/ja-jp/azure/service-health/overview # Page. 27 ![Page Image](https://bcdn.docswell.com/page/KE4Z6ZZMJ1.jpg) 参考資料 / References ② サービス提供終了のアラートとアクション - 適切なシグナルの選択 https://learn.microsoft.com/ja-jp/azure/service-health/service-retirement-alerting-guidance https://learn.microsoft.com/ja-jp/azure/service-health/service-retirement-alerting-guidance Azure Health Advisories による影響を受けたリソース https://learn.microsoft.com/ja-jp/azure/service-health/impacted-resources-retirements Azure Resource Graph とは https://learn.microsoft.com/ja-jp/azure/governance/resource-graph/overview Microsoft Graph のアクセス許可の概要 https://learn.microsoft.com/ja-jp/graph/permissions-overview?tabs=http Microsoft Foundry Models のクォータと制限 https://learn.microsoft.com/ja-jp/azure/foundry/foundry-models/quotas-limits?tabs=python