Ivantiブログ: 投稿者

エージェンティックAIがインフラストラクチャと運用を変革する方法

Thu, 11 Jun 2026 13:38:07 Z

インフラストラクチャと運用（I&O）チームは長年、よく知られたパラドックスの中で業務を行ってきました。ビジネスの規模が拡大するほど、I&Oが受けるプレッシャーも大きくなります。新しいアプリケーションの展開、追加されるエンドポイント、立ち上げられるクラウドワークロードの一つひとつが、複雑性、リスク、チケットを増加させます。

このプレッシャーに対する従来の対応策、すなわち人員の増強、ツールの追加、スクリプトの増加、APIの拡充は、せいぜい漸進的な軽減をもたらすにとどまってきました。しかし、中核にある構造的な問題、つまりリアクティブな運用の基盤となるアーキテクチャは、依然として根強く残っていました。今までは。

エージェンティックAIは、そのアーキテクチャを根本から刷新します。

ITと運用（I&O）におけるAIは、支援と提案の段階を超えました。推論、計画、実行、学習が可能な自律型エージェントは、もはや将来のロードマップ項目ではなく、すでに実運用に入っています。エージェンティックAIを意図的に導入している組織は、すでに大きなメリットを得ています。当社の2026年AI成熟度調査レポートによると、IT組織の57%が複数の重要なITワークフローでエージェンティックAIを利用しており、17%は広範なエンドツーエンドのプロセスに活用しています。この導入により、解決時間は数時間から数分へと短縮され、四半期ごとに数千件の手動チケットが回避されています。

さらに、AIを広範またはビジネスクリティカルなレベルまで拡張している組織の89%が、エンドユーザーが認識する前にチームが問題を検知するうえでAIが頻繁に役立っていると回答しています。一方、初期実験段階の組織では43%にとどまります。この変化により、I&Oはリアクティブな姿勢から、プロアクティブでインテリジェントな姿勢へと変わりつつあります。

残る問いは、組織がI&O環境でエージェンティックAIを大規模に実装する段階へ、どれだけ迅速に移行できるかです。

詳細はこちら：エージェンティックAIでITを変革：加速する自律型サービスの幕開け

従来型自動化の限界に達した理由

エージェンティックAIの重要性を理解するには、その前に何があり、なぜそれだけでは不十分だったのかを理解することが役立ちます。

I&Oにおける従来型の自動化は、非常に大きな価値をもたらしてきました。ランブックは組織内の知識を体系化し、スクリプトは反復的なプロセスを標準化しました。ロボティック・プロセス・オートメーション（RPA）ボットは、構造化されたルールベースのワークフローを処理します。これらのツールは周辺的な手作業を削減し、同じ人員でより多くの業務をこなせるようにしました。しかし、その本質は常に脆弱でした。明示的な指示に依存し、新しい状況に適応できず、人間が舵を取らなければ行動できなかったのです。

典型的なシナリオを考えてみましょう。午前2時に、一部のエンドポイントでパッチ展開が失敗します。ルールベースの自動化であれば、失敗を記録してチケットを作成するかもしれません。より複雑なスクリプトなら再試行を試みるかもしれません。しかし、失敗の原因が競合するアプリケーション、破損したエージェント、ネットワークセグメンテーションの問題、またはポリシー構成のドリフトのいずれにあるのかを診断することは、どちらにもできません。修復戦略をリアルタイムで適応させることもできません。サービスデスクにコンテキストを伝え、CMDBを更新し、影響を受ける資産の重要度に基づいてインテリジェントにエスカレーションすることもできません。人間のエンジニアが呼び出され、同じサイクルが続きます。

これが従来型自動化の限界です。指示は実行しますが、考えることはありません。タスクは自動化しますが、成果をオーケストレーションすることはできません。そして、インフラ環境がオンプレミス、マルチクラウド、エッジ、ハイブリッドアーキテクチャにまたがり、指数関数的に複雑化するにつれて、ルールベースの自動化で対応できることとI&Oチームが必要とすることの間のギャップは、大きな隔たりへと広がっています。

エージェンティックAIは、そのギャップを埋める答えです。

エージェンティックAIがI&Oにもたらす意味

エージェンティックAIシステムは、目標を自律的に設定し、それを達成するための計画を立て、ツールやシステムを横断して複数ステップのアクションを実行し、結果を評価して、アプローチを調整できます。しかも各ステップで人間の介入を必要としません。質問に答えるチャットボットや、事前定義されたワークフローを実行するスクリプトとは異なり、エージェンティックシステムは目標志向で適応性があります。特定から解決まで、タスクのライフサイクル全体にわたって機能します。

I&Oの文脈では、自律型エージェントが、従来は熟練したエンジニアまたは複雑で脆弱な自動化スクリプトの連鎖を必要としていた作業を実行できることを意味します。異なる監視システムからのシグナルを相関させ、インシデントの根本原因を特定し、適切な修復を実行し、修正が有効だったことを確認し、関連レコードを更新して、ループを完結させます。しかも、人間がチケットを開くのにかかる時間内でそれを実現します。

この変化は、単なる運用上の変化ではなく、考え方そのものの変化です。人間がアクションを開始し、自動化がそれを実行するモデルから、インテリジェントエージェントがアクションを開始、実行、検証し、人間が監督とガバナンスを担うモデルへと移行します。I&Oリーダーにとって、これはチームへの脅威ではありません。これまでにない最大の力の増幅装置です。

エージェンティックAIがI&Oを大規模に支える

サービスデスクのチケットキューは、負荷のかかったI&O機能を示す最も目に見える症状です。パスワードのリセット、ソフトウェアのインストール、アクセスのプロビジョニング、接続性のトラブルシューティングといった、大量で複雑性の低いリクエストは、アナリストの時間の大部分を消費し、運用コストを押し上げます。また、48時間のSLA期間後ではなく、今すぐ解決を必要とする従業員にとっても、大きなストレスとなります。

詳細はこちら：チケット処理担当からチームリーダーへ：エージェンティックITワークフォースの管理

チケットキューによる制約を解消する

エージェンティックAIは、キューをボトルネックではなくします。たとえば、Ivanti Neurons AI Self Service Agentのような会話型AIエージェントを想像してみてください。ナレッジベースから回答を取得するだけでなく、IDを検証し、コンプライアンスポリシーを確認し、プロビジョニングワークフローを実行し、システム・オブ・レコード内の変更を確認して、依頼者に通知します。すべて数分以内に行われます。チケットが人間のアナリストに届くことはありません。アナリストの時間は、人間の判断を必要とする業務のために取り戻されます。

次に、アナリストが複雑なタスクにより多くの時間を使える状況を想像してみてください。エージェンティックAIのデジタルチームメイトが人間のエージェントと並走し、プロアクティブなインサイトで支援し、問題を解決する最適な方法を助言し、インテリジェントなアクションで自動化します。

サービスデスク全体にエージェンティックAIを導入した組織は、チケット量が大幅に減少したと一貫して報告しています。多くの場合、導入初年度から効果が現れ、システムが成熟し学習するにつれてさらに積み上がります。これは従来の意味での自動化ではありません。大規模なインテリジェントオーケストレーションです。

ユーザーが影響を感じる前のプロアクティブな修復

I&Oで最もコストの高いインシデントは、防ぐことができたはずのものです。使用率が100%に達するまで検知されなかったディスク容量。サービスが停止するまで追跡されなかった証明書の有効期限。悪用されるまでパッチが適用されなかったソフトウェアの脆弱性。こうした障害は、振り返ればほぼ常に予測可能でした。シグナルは存在していたのです。問題は、すべてを常時監視している人がいなかったことでした。

自律型エンドポイント管理は、エージェンティックAIにより、エンドポイント、ネットワーク、アプリケーション、クラウドインフラ全体のテレメトリを継続的に監視します。エージェントは異常を検知し、微弱なシグナルを相関させ、問題が停止やセキュリティインシデントとして表面化する前に修復を開始します。容量上限に近づいているディスクは拡張されます。有効期限が迫る証明書は更新されます。脆弱なエンドポイントは、悪用がリスクとなる前に、次回のメンテナンス時間帯にパッチが適用されます。

リアクティブからプロアクティブへのこの移行は、エージェンティックAIがI&Oにもたらす最も価値の高い能力です。インシデントのコストを削減するだけでなく、インシデントそのもの、ダウンタイム、ビジネス中断、そしてそれに伴う評判へのダメージを防ぎます。I&Oリーダーにとって、この移行は運用上の成功のあり方を再定義します。指標は、リアクティブな指標である平均解決時間から、平均予防時間へと移ります。つまり、ビジネスへの影響が発生する前に、環境がどれだけ頻繁に検知し是正できるかです。

人員を増やさずにスケールする

エンタープライズIT環境は、IT予算を上回る速度で成長しています。エンドポイント数とエンジニア数の比率は広がり続けています。クラウドワークロードは増加し、セキュリティ要件は厳しさを増しています。この環境では、「人を増やす」という従来の手段は、財務的に持続可能でも運用上十分でもありません。人材市場は、必要とされる熟練エンジニアの規模を到底供給できないからです。

エージェンティックAIはスケーリングの方程式を再定義します。自律型エージェントには、標準的な勤務時間、認知的な処理能力の限界、オンボーディング期間はありません。数千のエンドポイントにまたがる数百の同時タスクを、パフォーマンスや品質を低下させることなく処理できます。環境が拡大するにつれ、エージェントもそれに合わせてスケールします。直線的ではなく、指数関数的にです。適切に構成された1つの自律型エージェントは、これまで複数のジュニアアナリストに分散されていたワークロードを担うことができ、シニアエンジニアは日常的な修復ではなく、アーキテクチャ、イノベーション、戦略的取り組みに集中できます。

これは人を置き換えるためのものではありません。人が持つスキルにふさわしいレベルで活躍できるようにするためのものです。

成功の基盤となるシステム・オブ・レコード

エージェンティックAIを効果的に導入するには、有能なAIエンジンだけでは不十分です。信頼できる包括的なデータ基盤が必要であり、その基盤こそがIvanti Neuronsの基盤に組み込まれたシステム・オブ・レコードです。これには、デバイスインテリジェンス、脆弱性とエクスポージャ、ソフトウェアインベントリ、サービス管理情報など、権威あるデータソースが含まれます。どの資産が存在し、誰が所有し、コンプライアンスを満たしているかを把握するシステム・オブ・レコードです。

システム・オブ・レコードとは、I&Oの文脈では、IT環境に関する信頼できる唯一の情報源を指します。すべてのハードウェアおよびソフトウェア資産、すべての構成、すべての関係性、すべてのポリシー、すべての変更を含みます。これは、自律型エージェントが確信を持って意思決定するためのインテリジェンスレイヤーです。それがなければ、環境内で動作するエージェントは推測しているにすぎません。それがあれば、事実に基づいて推論できます。

I&Oにおいて最も効果的なエージェンティックAIのためのシステム・オブ・レコードは、いくつかの重要な要素を統合します。構成管理データベース（CMDB）のデータは、正確で最新かつ充実している必要があります。多くの組織が引き継いできた、古く、手作業で更新されるリポジトリではなく、実際の環境を動的に維持する記録であるべきです。IT資産管理（ITAM）は、資産を作成から廃棄まで管理し、正確な所有者情報が維持されるようにします。

サービス管理ワークフローは完全に統合されている必要があります。これにより、エージェントは実行フローの一部としてチケットを作成、更新、解決できます。IDおよびアクセスデータは利用可能でなければならず、エージェントがプロビジョニングや権限付与についてポリシーに準拠した意思決定を行えるようにします。また、監視、脆弱性、パフォーマンスツールからのテレメトリストリームは、エージェントがリアルタイムで照会できる統合されたコンテキストに流れ込む必要があります。

これらの要素が整うと、自律型エージェントは精度高く動作します。どの資産が重要で、どの資産がそうでないかを把握しています。どの変更に承認が必要で、どの変更が定義済みの自動化範囲内に収まるかを理解しています。資産の履歴、すなわち過去の障害、保留中のパッチ、インストール済みソフトウェア、アクティブな脆弱性を把握し、そのコンテキストをすべての意思決定に適用します。

システム・オブ・レコードに投資せずにエージェンティックAIを導入しようとする組織は、一般的に、エージェントの結果が一貫しなかったり、人間による継続的な修正が必要になったりすることに気づきます。AIの知能は、アクセスできるデータの質に左右されます。データ品質と統合への投資は、先送りできる前提条件ではありません。エージェンティックAIが変革的な価値をもたらすか、わずかな改善にとどまるかを決定する取り組みそのものです。

ビジネス価値：効率性指標を超えて

I&OにおけるエージェンティックAIの運用上のメリットは、それ自体で十分に説得力があります。解決時間の短縮、チケット量の削減、検知と修復までの平均時間の短縮。これらはI&Oリーダーに響く指標であり、純粋なコスト効率の観点から投資を正当化します。

しかし、ビジネス価値はサービスデスクのダッシュボードをはるかに超えて広がります。

I&Oチームがリアクティブで反復的な作業から解放されると、そのキャパシティを競争優位性を生み出す取り組みに振り向けることができます。アプリケーション展開の加速、セキュリティ態勢の強化、デジタルトランスフォーメーションプログラムの実現、そしてビジネスの成長に必要な、レジリエントでスケーラブルなインフラの構築です。I&O機能は、運用上のノイズを吸収するコストセンターから、ビジネス成果を形作る戦略的イネーブラーへと進化します。

従業員エクスペリエンスは、この価値の中でしばしば過小評価される側面です。従業員が数日続くチケットキューではなく、リクエストに対して即時かつインテリジェントな応答を受けられるようになると、生産性は向上し、ITに対する不満は減少します。従業員エクスペリエンスが人材獲得と定着における競争上の差別化要因となる世界では、摩擦がなく応答性の高いIT機能は、真のビジネス資産です。

エージェンティックAIは、有意義なリスク低減も実現します。単一のランサムウェアインシデントがダウンタイムと修復に数百万のコストをもたらし得る環境、またセキュリティ非準拠に対する規制上の罰則が増加している環境において、プロアクティブな脆弱性管理と自動化されたポリシー適用は、IT組織をはるかに超え、取締役会レベルやCFOのオフィスにも響く、定量化可能なリスク軽減を提供します。

最後に、エージェンティックAIは時間の経過とともに価値を積み上げます。すべてのやり取り、すべての解決、すべてのエスカレーション判断が、エージェントの将来のパフォーマンスを改善するデータを生み出します。環境の変化に伴って劣化する静的な自動化とは異なり、エージェンティックシステムは適応し、改善します。初期投資に対して、ますます大きなリターンをもたらすのです。

今後の道筋

インフラストラクチャと運用は、重要な変革期を迎えています。今日私たちが管理するシステムは、エンタープライズITの領域において、かつてないほど複雑で広範囲に及び、ビジネスの成功に不可欠です。I&Oへの要求は過去最高の水準にあります。しかし、リアクティブな手作業の介入と脆弱なルール駆動型自動化に依存する従来の運用モデルは、その可能性の限界に達しています。

エージェンティックAIは、根本的に優れたモデルを提供します。インテリジェントな自律型エージェントが、インフラ管理における大量で時間的制約が厳しく、ますます複雑化する作業を、継続的、正確、かつ大規模に処理します。その一方で、エンジニアは組織の競争力とレジリエンスを高める戦略的な業務に集中できます。

今日この能力に投資している組織は、単にIT運用を改善しているだけではありません。今後10年のエンタープライズテクノロジーの要求に応えられるI&O機能を構築しているのです。私たちは、それこそがすべてのI&Oリーダーが目指すべき標準であり、エージェンティックAIはそこに到達するために利用できる最も強力なツールであると考えています。

IvantiのエージェンティックAI機能がI&Oチームの運用変革をどのように支援しているかについては、ITサービス管理におけるエージェンティックAIへの移行をナビゲートするをご覧ください。

Agentic AIでITを変革する──加速する自律型サービスの夜明け

Tue, 19 May 2026 14:50:54 Z

ITサービスマネジメント（ITSM）業界は、今まさに大きな転換点に立っています。長年にわたって、サービスデスクは本質的に受動的なモデルで運用されてきました──従業員は問題に直面し、チケットを提出し、人間のアナリストが問題を診断・トリアージ・解決するのを待つ、というプロセスです。オートメーションの進展により処理量は向上しましたが、この基本的なモデル自体が見直されることはありませんでした。

転換点：ITSMは今後決して同じでなくなる理由

Agentic AIはこの方程式を根本から変えます。人間によるリクエスト処理のスピードを単純に上げるのではなく、agentic systemはユーザーの意図を理解し、コンテキスト情報を取得し、最適なアクションの経路を選択、さまざまなエンタープライズツールをまたいで実行、各ステップごとに人間の「承認」を待つことなく結果を確認します。今まさにITサービスマネジメントからITサービス自律（Autonomy）への転換を目撃しています。CIO、CISO、そしてITリーダー全員に重大な影響を及ぼす変化です。

数値もこの急務を裏付けています。Gartnerは、2026年末までにエンタープライズアプリケーションの約40％が特定タスク向けのAIエージェントを搭載すると予測しており、これは2025年の5％未満と比べて飛躍的な増加です。Gartnerの調査でも、2029年までに全企業の70％がagentic AIエージェントを活用してITインフラストラクチャを同時運用するようになるとしており、現状の5％未満から大きく拡大します。

これは従来の延長線上にある変化ではありません。テクノロジー組織がサービスを提供し、保護し、最適化する方法を根底から再構築する改革です。

スクリプト型ボットから自律型エージェントへ：ITSMにおけるインテリジェンス進化の軌跡

業界の未来を理解するには、その歩みを知る必要があります。ITSMのAI進化は、決定論的なスクリプトロジックから真に自律的な推論へと明確な軌道を描いてきました。

フェーズ1：ルールベースのオートメーション

ITSM自動化の初期段階では、スクリプトによるワークフローが活用されました──例えば、チケットに特定のキーワードが含まれていれば、あらかじめ設定したキューにルーティングする、不適合なアセットがあれば自動的にレメディエーションスクリプトを発動する、などです。これにより、手作業の排除やコンプライアンス向上等、効率化が進みましたが、システムの柔軟性には限界があり、新しい状況ごとにルール追加が必要で、曖昧なケースや学習は不可能でした。

フェーズ2：AIアシスト型サービスマネジメント

機械学習および生成系AIの登場により、より適応力のあるレイヤーが実現しました。AIはチケットを自動分類し、インシデントのサマライズや、過去の解決データからのナレッジ記事自動生成などに活用されるようになりました。現在、約40％の組織がAIを活用して、より効率的なチケット解決を図っています。

チャットボットやバーチャルアシスタントも企業で活用され始め、従業員はフォームではなく自然言語によるITサポートとの対話が可能となりました。大きな進歩でしたが、AIの役割は依然としてアシスタントであり、人間の意思決定をサポートするものでした。

フェーズ3：Agentic AIと自律型ワークフロー

現在、業界は第3の、大きく変革的なフェーズの入口に立っています。Agentic AIシステムは指示を待ちません。観察し、推論し、計画を立て、実行します。

ITSMの文脈で言えば、agentic systemはエンドポイント上の異常を検知し、それを既知の脆弱性パターンと紐付けてヒーリングシーケンスを開始、Configuration Management Database（CMDB）を更新し、関連するチケットを自動的にクローズ──この一連を、従業員が問題に気付く前に完了します。Gartnerによると、2028年までに日常業務の少なくとも15％はagentic AIにより自律的に意思決定されると予測されており、2024年の0％から大幅な伸びが見込まれます。同年、企業向けアプリケーションの33％がagentic AIを組み込むとも予測されています。

本質的な違いは"agency"にあります。従来のAIツールはプロンプトへ反応するだけでしたが、agentic systemはゴールを追求します。インタラクション間でのメモリーを維持し、最適な結果への道筋を推論し、統合されたエンタープライズシステムを横断してマルチステップワークフローを自動で実行します。これがITSMを、単なるリクエスト処理主体から成果重視型へと変容させるアーキテクチャ上の飛躍です。

Agentic ITSMの構造：ペルソナ型／タスク型インテリジェンスとは

Agentic AIの成熟に伴い、ITSMへの応用は「persona-based agents」と「task-based agents」という2つの補完的アーキテクチャに集約されつつあります。両者を統合したものを、多くの業界関係者が「会話型ファーストドア（Conversational Front Door）」と呼んでおり、従来の断片化したポータルや電話ツリー、フォーム入力に替わる、自然で適応性の高いインターフェースを目指しています。

Persona-based Agents

Persona-based Agentは特定ユーザーロールのニーズに合わせて設計されています。例として、Self-Service Agentは従業員のファーストコンタクトポイントとして働きます。利用者は従来のサービスカタログや構造化フォームではなく、自然言語で要望を伝えるだけで、会話型Self-Service Agentが意図理解と誘導データキャプチャにより、完全構造化・即時実行可能なチケットへ変換してくれます。その結果、従業員側の負担は大幅に軽減し、サービスチームのデータ品質も向上します。このアプローチの効果は絶大です──AI導入のバーチャルサポートエージェントを展開した組織では、コール件数は50～70％減、従業員の利用率は80～85％に達しています。

Service Desk Agents

一方、サービスデスクエージェントはアナリストのナレッジ強化をサポートする役割を担います。コンテキストを考慮したガイダンス、トリアージ／分類の迅速化、リアルタイムのコーチングを提供──これにより経験の浅いアナリストもベテランと同等レベルまで引き上げられます。

AIによるインシデントサマライズでは、複雑なチケット履歴が自動で要点整理されるため、アナリストの作業時間を大幅に短縮できます。人間はプロセスに残りますが、より速く、的確で情報の共有度も向上します。

Task-based Agents

Task-based AgentはKnowledge Search、インシデント作成、Service Request fulfillment、要約、Q&Aなど、個別のオペレーション機能を担います。これらは、目標定義・環境モデリング・メモリー・推論・アクション実行を統合したagentic framework内で稼働します。Agent-to-Agent（A2A）やModel Context Protocol（MCP）などのインターオペラビリティ標準が登場しており、専門エージェント同士が協調して複雑なクロスドメイン課題を共同解決する「エージェントスクワッド」の時代への布石となっています。

Gartnerのロードマップもこの方向性を裏付けています。2027年には、agentic AI導入の1/3でスキルの異なるエージェントが組み合わされ、アプリケーションやデータ環境内で複雑なタスクを管理することが予想されています。つまり、将来のService Deskはひとつのモノリシックなシステムではなく、専門的知能を集結させるオーケストレートされたエージェントの集合体となります。

Self-Healing, Self-Securing, Self-Serving：自律型ITの三本柱

ITSMにおけるagentic AIの戦略的強みは、相互に関連する3つの能力、「Self-Healing」「Self-Securing」「Self-Serving」に集約されます。これらが真の自律型サービスデリバリーを体現します。

Self-Healing

Self-Healingは、従来のリアクティブ型サポートを根本的に変える最も顕著な特徴です。異常検知や自動診断を通じて、現代のプラットフォームはエンドポイント問題やセキュリティインシデントを、利用者に影響が及ぶ前に察知します。ハイパーオートメーションを実装したクラウドボットは、ITスタッフへのアラートにとどまらず、これまで表面化していなかった・見過ごされていた問題さえも能動的に解決、自動化・迅速化し、IT部門をイノベーションタスクへと解放します。Self-Healingが成熟するほど、人間が対応するチケットは着実に減り、サービスデスクは「解決」から「ガバナンス」と「継続的改善」へと役割拡大します。

Self-Securing

Self-Securingは、サイバーセキュリティとITオペレーションがもはや分断して存在できない現実を反映します。AIによるデバイス・組織構造・デジタルエクスペリエンスの可視化が強化され、ソーシャルトレンドや脆弱性スコアリングに基づき、潜在的なリスクをプロアクティブに特定・対処可能になります。

継続的なソフトウェアインベントリの整合性維持は、侵害リスクを未然に発見するためのベースです。ITSMとセキュリティオペレーションの融合は、agentic AIの登場で加速し、脅威検出・脆弱性管理・リメディエーションワークフローの一体運用が現実になります。

AI主導のプラットフォームを通じてITとセキュリティを統合する企業は、「見えないが避けられないセキュリティ（Invisible but inescapable security）」──ユーザー体験に摩擦を与えない継続的な保護──の提供という新たなスタンダードを確立できます。

Self-Serviceの「再創造」

従来型Self-Serviceポータルは、ユーザーの意図よりもシステムの論理を押し付けたため、利用が進みませんでした。Conversational AIによってこの構図が逆転します。

従業員は自然言語で対話し、システム側がバックエンドで複雑なルーティング・分類・完了処理を自動進行します。AI搭載バーチャルアシスタントは生産性と満足度を高め、消費者向けアシスタントの使いやすさを職場に持ち込み、アダプション率向上とコールボリューム削減も実現します。今後、音声オートメーションやモバイルファーストUI、能動的な通知が加わることで、デスクワーク・製造現場・移動先など多様な働き方の現場全てに最適化されたオムニチャネルサポートが実現します。

戦略的インプリケーション：ITリーダーにとっての意味

ITSMにおけるagentic AIの普及は、サービスデスクだけでなく組織全体に波及する戦略的インパクトをもたらします。CIOやITリーダーが留意すべきポイントを以下に示します。

コストセンターからバリューセンターへ

定型インシデントが自動的に解決され、AIが一次トリアージも担うようになれば、サービスデスクはもはやチケット数や平均処理時間で評価されるものではなくなります。ITチームはデジタルトランスフォーメーションや従業員エクスペリエンスイノベーション、ビジネスプロセス自動化など、より戦略的なイニシアチブに注力できるのです。ITリーダーの新たな問いは「より早く多くのチケットを処理するには？」ではなく、「自律型サービスによって生まれた余剰能力をいかに再配置するか？」です。

ガバナンスと信頼の必須性

爆発的成長を予想するGartner調査は同時に注意喚起もしています。2027年末までに、40％以上のagentic AIプロジェクトがコスト増大・価値の明確性欠如・リスク管理の不備でキャンセルされる恐れがあるのです。成功の鍵は、最初から組み込まれたコンプライアンス、可視性ルール、ポリシー遵守です。AIガバナンスは後付けの問題ではなく、設計段階から必須となる前提条件です。承認フローや監査性といったガードレールを埋め込んだアーキテクチャは持続的な価値を生みますが、後回しにすれば高コストな後戻りが待っています。

ITとセキュリティ運用のコンバージェンス

ITとセキュリティ部門の間に生じるデータサイロは、長年にわたり組織のレジリエンス低下の要因でした。agentic AIプラットフォームはサービスマネジメント、エンドポイント管理、エクスポージャー管理（Exposure Management）を統合し、従来分断されていた領域間のインテリジェント連携を可能にします。この融合は単なる技術面にとどまらず、組織的なアラインメントや共通指標、部門横断の文化醸成も求められます。

Employee Experienceを競争優位へ

AIによるセンチメント分析を活用し、デバイス・サービスマネジメント・セキュリティ・アプリケーションに渡るデジタル従業員体験をデータに基づき可視化・測定することで、Employee Experienceは抽象的な目標からデータドリブンな経営指標へと変わります。消費者レベルのIT体験を提供する企業は、ITサポートを単なるバックオフィス業務と見なす企業より、優秀な人材の獲得・定着で差をつけるでしょう。Digital Employee Experience（DEX）スコアは重要なKPIとして注目され、サービスデスクのスケール化されたパーソナライズ・共感力向上を実現します。

エンタープライズサービスマネジメントのIT超拡張

Agentic AIの見過ごされがちな効果のひとつは、インテリジェントサービス提供をIT部門以外──人事、ファシリティ、ファイナンス等──にも拡張できることです。基盤プラットフォームがノーコード、ワークフローデザイン、外部システムとのプリビルト連携に対応していれば、ITSMで実証されたパターンを企業全体の変革テンプレートとできます。今なおEメールや旧来のスプレッドシート、紙ベースで業務を回している部門も、ITを覆すagentic capabilitiesから大きな恩恵を受けるでしょう。

自律型サービス実現の必要性

Agentic AIによるITサービスマネジメントの変革は、もはや遠い将来の話ではなく、すでに現実として加速度的に進行しています。成功を掴む組織は、これを単なるテクノロジーアップグレードではなく、サービス設計・提供・体験の根幹からの再発明だと捉えるものになるでしょう。

人間の役割は消滅するのではなく、変化します。Agentic AIがITプロフェッショナルを排除するのではなく、その価値を高めるのです。アナリストは単なるチケット処理者からAIスーパーバイザー、ガバナンス設計者、エクスペリエンスデザイナーへと役割転換していきます。今後10年で求められるのは、マニュアル運用よりも自律型システムの設計・トレーニング・管理ができるIT人材です。

将来へ向けての道筋には明確な戦略が不可欠です。まずは自動化基盤──インテリジェントなワークフロー、AI支援による分類、Self-Serviceインターフェースによる摩擦低減とデータ品質改善──の構築から始め、Self-Healing Endpoint、Self-Securing環境、End-to-Endで課題を解決する会話型エージェントなど、自律型能力を目指しましょう。そして、自律型運用を大規模に持続できるよう、ガバナンス・カルチャー・人材育成に投資を拡充すべきです。

ITリーダーにとって、もはやagentic AIがサービスマネジメントを再定義するか否かは問題ではなく、「どれだけ迅速かつ戦略的に自社へ実装できるか」が問われています。自律型サービスの時代はすでに始まっており、競争優位は決断力のある者が手にします。確実性が訪れるまで待つ者には、得るものはありません。

実践におけるエクスペリエンスレベル契約（XLA）の台頭：ITSM変革を深掘りする

Fri, 21 Nov 2025 15:17:59 Z

数十年にわたり、ITサービスマネジメント（ITSM）の中核を担ってきたのは、サービスレベル契約（SLA）でした。SLAはIT提供の実務的な状況を追跡するうえで有効ですが、1つの重大な盲点があります。それは、ユーザーがIT体験について実際にどう感じているかをほとんど示さないことです。

そこで、エクスペリエンスレベル契約（XLA）とデジタル従業員エクスペリエンス（DEX）が、その全体像を補完します。これらは急速に注目を集めている新しいパラダイムを提供し、数値の背後にある人の体験に焦点を当てることで、ITSMを変革する可能性をもたらします。

では、XLAとは具体的に何であり、従来のSLAとどのように異なるのでしょうか。さらに、デジタル従業員エクスペリエンスは、XLAを成功させるうえでどのような役割を果たすのでしょうか。

XLAとは

エクスペリエンスレベル契約は、エンドユーザー体験が一貫して良好であり、期待を満たす、または上回ることを確保するために設計された指標とコミットメントの集合です。

XLAは従来のSLAと併用すべきものですが、SLAが技術的パフォーマンスや稼働時間に焦点を当てるのに対し、XLAは使いやすさ、応答性、感情的な満足度などを含む、ユーザーの総合的な体験を重視します。

XLAはユーザーの視点に焦点を当てることで、組織がサービスをユーザーのニーズに合わせ、満足度とロイヤルティの向上を促進できるようにします。

SLA、XLA、DEXがどのように連携するかを理解する

XLA、SLA、DEXは連携して機能し、技術面とユーザー体験の指標を360度の視点で把握できるようにします。

	説明	指標の例
サービスレベル契約（SLA）	サービスプロバイダーと顧客の間で、期待されるサービス品質、可用性、応答性を定義する契約です。SLAは技術的な指標に焦点を当てます。	稼働時間。応答時間。解決率。その他。
エクスペリエンスレベル契約（XLA）	プロバイダーと顧客の間で、エンドユーザー体験に焦点を当て、ユーザーの視点からサービス品質を測定する契約です。XLAには、技術的パフォーマンスだけでなく、使いやすさ、アクセシビリティ、総合的な満足度などの要素も含まれます。	エンドユーザー満足度スコア。ネットプロモータースコア（NPS）。デジタルエクスペリエンススコア（DEX）。

SLAやXLAとは異なり、デジタル従業員エクスペリエンス（DEX）は別の種類の契約ではありません。DEXは、従業員が業務を遂行する際に得るデジタル体験の質を指します。従業員が日々利用するテクノロジー、ツール、デジタル環境を包括します。

これらのツールや環境全体での体験に基づいてDEXスコアが作成されます。このスコアはXLAの一部として測定されます。良好なDEXは、従業員の生産性、エンゲージメント、総合的な仕事への満足度に不可欠です。

DEXがXLAの成功をどのように支えるか

デジタル体験分析は、XLAを成功させるうえで重要な指標です。従業員が良好なデジタル体験を得られるようにすることで、組織は次のことを実現できます。

生産性の向上 — 従業員が効率的かつ効果的に働けると、顧客に優れたサービスを提供しやすくなります。
顧客体験の向上 — 良好なDEXは、従業員が顧客ニーズにより適切に対応できるようになるため、多くの場合、より優れた顧客体験につながります。
ビジネス成果の促進 — DEXに焦点を当てることで、組織は収益の増加、コスト削減、競争力の向上などのビジネス成果を促進できます。

XLA導入のベストプラクティス

XLAの導入には、ユーザー満足度を効果的に測定するだけでなく、サービス提供における有意義な改善を促進するために、慎重かつ戦略的なアプローチが必要です。

以下のベストプラクティスに従うことで、組織はXLAを業務にうまく統合し、良好なユーザー体験を中心に据えた文化を育むことができます。

明確なユーザー体験指標を定義する： ユーザー体験を測定するために使用する主要な指標を特定します。これらは具体的で測定可能であり、ビジネス目標と整合している必要があります。
テクノロジーを活用する： 高度な分析、AI、機械学習を使用して、ユーザーデータを収集・分析します。これらのツールは、傾向や改善領域の特定に役立ちます。DEXツールにより、デバイス、ユーザー、組織全体にわたるIT体験を収集し、測定できます。
ユーザーとの関係を深める： アンケート、フィードバックフォーム、テストを通じて、ユーザーから定期的にフィードバックを収集します。これにより、ユーザーのニーズや嗜好に関する貴重なインサイトが得られます。アンケートではAIを活用して感情を特定し、強調表示できるようにしてください。
ITチームをトレーニングし、権限を与える： ITチームにユーザー体験の原則に関するトレーニングを提供し、ユーザー体験を改善する意思決定を行える自律性を与えます。
継続的な改善： XLAを生きた文書として扱います。定期的に見直し、ユーザーからのフィードバックや変化するビジネスニーズに基づいて更新します。

課題と得られた教訓

XLAの導入は、単に新しいツールを導入するだけではありません。考え方や文化の変革でもあります。一般的なハードルには次のようなものがあります。

体験の定義 — 「良い」体験とは何か。それは主観的であり、役割によって異なる場合があります。
文化的な賛同 — XLAには、経営層の支援と現場のITチームからの賛同が必要です。
継続的な改善 — XLAは静的なものではありません。ユーザーニーズの変化に応じて、定期的な見直しと再調整が必要です。
アンケートだけに留まらない測定 — アンケートは測定方法の1つにすぎません。DEXツールで実際のテクノロジー指標を取得できるようにしてください。

XLAを先導する組織は、定期的なフィードバックループに投資し、事業部門と共同で目標を設計し、体験の成果をITSMのパフォーマンスレビューに直接結び付けています。

未来：XLAが重要である理由

実際には、XLAとDEXは単なる流行語ではありません。サービスマネジメントの次の進化形です。テクノロジーがビジネスの成功とますます密接に結び付く中で、体験そのものがプロダクトになっています。XLAによって力を得たITチームは、「現状維持」を超えて、従業員エンゲージメント、顧客ロイヤルティ、戦略的な差別化を推進します。

ITSM変革に注力するすべての組織にとって、XLAを取り入れることは、テクノロジーの本来の目的、つまり人々が最高の仕事をできるようにすることについて、より深く耳を傾け、より速く行動し、より大きな視点で考えることを意味します。

DEXが生産性、満足度、定着率に与える影響を理解するには、デジタルエクスペリエンスレポートをご覧ください。

AIナレッジマネジメント：ナレッジベースに生成AIを活用する方法

Mon, 10 Jun 2024 20:33:57 Z

ChatGPT、Google Gemini、Microsoft Copilotなどのツールの登場以来、生成AIへの関心は急速に高まっています。その期待の高まりとともに、プライバシー、個人識別情報（PII）、セキュリティ、正確性に関する懸念も生じています。

多くの組織は、生成AIツールを変革をもたらす存在と見なしながらも、慎重に導入を進めています。セキュリティを損なうことなく、今すぐ得られるメリットを活用しつつ、将来のより戦略的な活用方法を見極めるという「最適なバランス」を模索しているのです。

すぐに成果を得られる領域の一つが、ナレッジマネジメントです。ナレッジマネジメントは、従来多くの組織にとって課題となってきました。しかし、AIベースのナレッジマネジメントは、特にナレッジベースの手作業による維持管理に追われるITチームに大きなメリットをもたらします。

生成AIとナレッジマネジメントの接点

生成AIとは、既存のデータに基づいて画像、動画、テキスト、音楽などの新しいコンテンツを作成できる人工知能の一種です。機械学習アルゴリズムを使用して大規模なデータセットを分析・学習し、その結果を活用して新しいコンテンツを生成します。

ナレッジマネジメントとは、組織内のナレッジを収集、整理、共有するプロセスです。さまざまな情報源から情報を収集し、集中管理されたデータベースに保存して、従業員が必要なときに簡単にアクセスできるようにします。

多くの組織ではナレッジマネジメントを手作業で行っているため、コンテンツが古くなったり、品質が不十分になったりすることがあります。生成AIはナレッジマネジメントのプロセスを自動化することで、その効率性と有効性を高めることができます。

生成AIを活用したナレッジマネジメントのメリット

生成AIがこれらを実現する具体的な方法をいくつかご紹介します。

ナレッジ記事の作成を自動化

生成AIは、製品ドキュメント、カスタマーサポートチケット、従業員向けトレーニング資料などの既存データソースから、ナレッジ記事の下書きを自動的に作成できます。これにより、IT担当者は新しいナレッジマネジメント施策の開発や既存記事の改善など、より戦略的な業務に時間を充てることができます。

ヘルプデスクのチケット件数が増加しているとIT担当者の56%が回答し、その増加の原因として78%がハイブリッドワークやリモートワークを挙げる中、ナレッジベースを強化することで、問題解決をより迅速かつ効果的に行えるようになり、チームはより戦略的な業務に取り組む時間を確保できます。

よりパーソナライズされた魅力的なコンテンツを作成

生成AIは、各ユーザーに合わせてコンテンツをパーソナライズし、ユーザー体験を向上させることができます。特に人事関連のナレッジ記事は、地域や言語に応じてパーソナライズできます。従業員ペルソナに固有のコンテンツを生成できれば、その従業員の利用率と体験が向上します。

ナレッジの品質を向上

生成AIは、誤りの特定と修正、ナレッジ記事へのコンテキストや追加情報の付与、古くなった情報のアーカイブ化を行うことができます。これにより、従業員は正確で最新の情報のみにアクセスできます。

新しいアイデアとインサイトを創出

生成AIは、既存のナレッジを新しい方法で組み合わせることができます。たとえば、人事、ファシリティ、ITの各部門が、従業員のオンボーディングとオフボーディングに関する記事をそれぞれ持っている場合があります。生成AIはそれらを活用して、3部門すべてを網羅した統合ナレッジ記事を作成できるため、従業員が複数の記事を探し回る必要がなくなります。

問題をより迅速に解決

生成AIは、データのパターンを特定して意思決定とパフォーマンスの向上を支援することで、問題を迅速に解決できます。たとえば、一定期間のITインシデントを調査し、類似する問題に共通する解決策を特定できます。そのうえで、サービスデスク担当者向けには解決を迅速化する方法を、従業員向けにはセルフサービスで対応する方法を示すナレッジ記事を生成できます。

検索精度を向上

生成AIは、各従業員のニーズや好みに基づいてナレッジの提供をパーソナライズすることで、検索精度を向上させることができます。平均的な従業員は情報検索に1日あたり3.6時間を費やしているため、ここで時間を節約できることはデジタル体験の向上につながる大きな成果です。

自動化を強化

生成AIは、ナレッジマネジメント記事の作成に直接関係しないものも含め、定型業務の自動化を支援できます。増え続ける業務負荷を背景に、IT担当者の92%が自動化を「必要」または「非常に必要」と考えています。そのため、プロセスを効率化する新たな方法を特定することで、コストを削減しながら、定型業務から解放された担当者が他の業務に取り組めるようになります。

生成AIを活用したナレッジマネジメントのデメリット

ナレッジマネジメントにおける生成AIは、多くの業界や分野に変革をもたらす可能性があります。一方で、導入時に対処すべき重要な課題がないわけではありません。

セキュリティとプライバシー

AIナレッジマネジメントシステムには機密情報や秘匿情報が含まれる可能性があるため、サイバー脅威から確実に保護することが不可欠です。また、AIが個人情報や識別情報を使用してコンテンツを生成する場合、プライバシー上の懸念が生じることもあります。

品質と正確性

生成AIモデルは優れた出力を生み出すことができますが、その品質と正確性は、入力データの品質やタスクの複雑さによって大きく異なる場合があります。

誤情報のリスク

生成AIは、誤った情報や誤解を招く情報を生成する可能性があり、ITに深刻な影響を及ぼすおそれがあります。たとえば、マルウェアを持ち込んだり、悪意ある攻撃者からIT環境を保護するために使用されている機能を無効にするよう誤って推奨したりする場合です。ユーザーがプリンタードライバーをインストールしようとしてAIに支援を求めたとします。その手順の中で、AIがウイルス対策ソフトウェアやファイアウォールを無効にするようユーザーに指示し、マルウェアがインストールされる隙を作ってしまう可能性があります。

AI生成コンテンツへの依存

これに過度に依存する企業は、人が作成するコンテンツや批判的思考力を重視しなくなり、専門知識の喪失につながる可能性があります。AIが生成した出力の検証と承認には、引き続き人による監督が不可欠です。

データのバイアス

生成AIモデルは、学習データに含まれるバイアスを意図せず反映し、偏った結果や不正確な結果につながることがあります。正確性が極めて重要なナレッジマネジメントでは、これは問題になり得ます。たとえば、AIナレッジマネジメントモデルが主に米国のデータで学習されている場合、他の国の人々にとって関連性の低い出力を生成する可能性があります。

倫理的な懸念

これには、AIナレッジマネジメントの学習データに潜在的なバイアスが含まれ、既存の不平等を助長する可能性などが含まれます。

インタラクティブレポートを入手：AITSM：AIがITサービスデスクの自動化をどう再定義しているか

AIナレッジマネジメントを成功させるには

懸念はあるものの、生成AIを活用したナレッジマネジメントは強力なツールになり得ます。潜在的なデメリットを慎重に検討し、それらを軽減するための対策を講じることで、組織はナレッジマネジメントにおいて生成AIを有効に活用できます。

AIナレッジマネジメントを導入する際に検討すべき5つのポイントをご紹介します。

生成AIモデルの学習に使用するデータタイプを特定する：データタイプを特定することで、使用するデータが正確で信頼できるものかを確認しやすくなります。既存のナレッジ記事、インシデントデータ、問題データ、またはそれらの組み合わせを使用しますか。

特定したデータが正確で、完全かつ最新であることを確認する：生成AIの品質は学習に使用するデータの品質に左右されます。「ごみを入れれば、ごみが出る」という原則は今も変わりません。

生成AIナレッジマネジメントモデルの出力を監視する：生成される情報が信頼できるものになるよう、バイアス、誤情報、完全性、正確性を確認します。

リスクを管理するためのポリシーと手順を策定する：これは、ナレッジマネジメントに生成AIを使用する際のデータセキュリティ、プライバシー、倫理的配慮などの課題に対処するうえで不可欠です。

承認プロセスを整備する：生成された出力を公開する前に、レビューと承認を必ず行う必要があります。

生成AIナレッジマネジメント導入のヒント

生成AIを活用したナレッジマネジメントが有用なツールになり得ることは間違いありません。同時に、そのメリットと潜在的な落とし穴の双方について、まだ学ぶべきことが多いのも事実です。

組織は、潜在的な影響を評価し、プライバシー、正確性、セキュリティに関する自組織固有の要件を満たすAIナレッジマネジメントソリューションを選定する必要があります。

そのうえで、導入を成功に導くためのベストプラクティスをいくつかご紹介します。

小さく始めて拡大する：まずは小規模な生成AIナレッジマネジメントのパイロットプロジェクトから始め、経験を積みながら拡大していくのが最適です。

ステークホルダーの賛同を得る：生成AIを導入する前にステークホルダーの賛同を得ることが重要です。これにより、生成AIが効果的に使用され、その出力が信頼されるようになります。

モデルを継続的に改善する：新しいデータで再学習を行い、発生し得る問題に対処することで、AIナレッジマネジメントモデルを継続的に強化することが不可欠です。

ナレッジ管理で生成AIを活用する方法

Fri, 14 Jul 2023 10:04:44 Z

ブログ「生成 AI によってナレッジ管理にもたらされる利点」では、AI がナレッジ管理にもたらす、コンテンツ作成の自動化、より魅力的なコンテンツの実現という利点について、考察しました。生成 AI をナレッジ管理のフレームワークの一部にすることで、正確さ、データの偏り、プライバシー、セキュリティに関する懸案事項が懸念が生じます。

そこで、次は、どのようにして効果的に機能させられるのかについて

ナレッジ管理で生成AIを活用する方法

日常業務で生成 AI を使用することへの懸念はあるものの、このテクノロジーはナレッジ管理を最適化する強力なツールとなる可能性を秘めています。潜在的な欠点を注意深く検討し、それを軽減する手段を講じることで、組織は生成 AI を利用してナレッジ管理の慣行を改善することができます。

ナレッジ管理に生成 AI を活用する際に考慮すべき 5 つのポイントを説明します。

必ず生成 AI モデルの学習に使用するデータの種類を特定します。データの種類を特定することは、使用されるデータが正確で信頼できることを保証するのに役立ちます。既存のナレッジ記事、インシデントデータ、問題データ、あるいはそれらの組み合わせを使うのか。
データの種類を特定した後、生成 AI は学習したデータと同程度のパフォーマンスしか発揮できません。「garbage in, garbage out (ごみを入れればごみしか出てこない)」という古いことわざは今でも当てはまります。上記で確認したデータが、正確かつ完全で、最新であることを確認してください。
生成 AI モデルの出力を監視し、偏り、誤情報、完全性、正確性の兆候を確認します。これにより、モデルによって生成された情報の信頼性を
ナレッジ管理で生成 AI をすることに伴うリスクを管理するための、方針と手順を策定します。これはプロジェクトの成功を保証するための重要なステップです。これらの方針および手続きは、データセキュリティ、プライバシー、倫理的な考慮事項などの問題に対処する必要があります。また、ナレッジ管理での生成 AI の利用が、責任ある倫理的な方法で行われることを保証するように設計される必要があります。
ナレッジ情報が公開される前に、承認プロセスを導入し、生成された出力がレビューされ、承認されることを保証します。

これらのステップを踏むことで、組織はリスクを最小限に抑えながら、生成 AI を利用してナレッジ管理の慣行を改善できます。

生成AIとナレッジ管理の組み合わせは慎重に

ナレッジ管理における生成 AI の効果と影響は、それがどのように使われ、実装されるかにかかっています。取り入れるかどうかを決める前に、利点とリスクを慎重に評価することが重要です。

利点と課題をいくつか確認します。

利点

1. 関連コンテンツの自動生成

生成 AI を使用すると、製品ドキュメント、カスタマーサポートチケット、従業員研修資料など、既存のデータソースからナレッジ記事を自動的に作成できます。

IT 専門家の 32% は、リモートワークへの移行以来、ヘルプデスクのチケットが増加していると報告しています。このため、より迅速で効果的な問題解決を可能になり、IT 専門家は、新たなナレッジ管理イニシアチブの開発や、既存のナレッジ記事の質の向上など、より戦略的な業務に専念できるようになり、ナレッジベースの強化には大きな機会となります。

2. 検索の精度の改善

生成 AI は、各従業員のニーズや好みに基づいて、ナレッジの提供をパーソナライズすることで、検索の精度を改善できます。平均的な従業員は 1 日に 3.6 時間を情報検索に費やしているため、ナレッジの提供方法における時間の節約は大きな利点です。

情報への容易で迅速なアクセスを可能にすることは、最終的に従業員のデジタル体験の向上につながります。

3. 自動化の強化

生成 AI は、ナレッジ管理記事の作成とは直接関係がなくても、ルーチンタスクの自動化を支援できます。

IT担当者の85% は、自動化と AI への投資を収益性の高い事業と評価しており、プロセスを合理化する新しい方法を特定することで、IT担当者はより複雑な問題に集中する時間を確保することができます。

利点

1. 誤情報のリスク

生成 AI は、誤った情報や誤解を招く情報を潜在的に生成する可能性があり、IT 分野で深刻な事態を招きかねません。たとえば、マルウェアの侵入や、悪意のある主体から IT 環境を守るために使用されている機能をオフにすることを誤って推奨するといった問題があります。

2. AIが生成コンテンツへの依存

AI が生成したコンテンツに依存しすぎると、人間が生成したコンテンツや批判的の思考の能力を優先しなくなり、専門が知識が失われる可能性があります。生成 AI をめぐるすべての議論にもかかわらず、正確性を検証し、生成された情報を承認するには、人間の監視が必要です。

3. 倫理的な懸案事項

生成 AI の使用には倫理的な懸案事項があります。たとえば、モデルの学習に使用されるデータに偏りがある可能性があり、それが既存の不平等を永続させる可能性があります。

生成 AI が IT ナレッジ管理の貴重なツールになることは間違いありません。しかし、新しく、興味深い技術ですが、生成 AI のもたらしうる利点と落とし穴については、まだ学ぶべき点が多数あります。

各組織は、潜在的な影響を個別に検討し、プライバシー、正確性、セキュリティのニーズを満たす適切な AI ソリューションを選択する必要があります。

ナレッジ管理のための生成AI導入のヒント

小規模から始めて、拡張する

規模なパイロットプロジェクトから始めて、経験を積みながら生成 AI を使って規模を拡大することをお勧めします。

ステークホルダーの賛同を得る

生成AIを本番に導入する前に、ステークホルダーの賛同を得ることが重要これにより、モデルが効果的に使用され、出力が信頼できることが保証されます。

モデルのパフォーマンスを監視する

モデルを本番にデプロイした後、モデルのパフォーマンスを監視することが重要です。これにより、モデルの潜在的な問題を特定し、モデルの精度を改善できます。

モデルを継続的に改善する

生成 AI モデルは常に改良されています。新しいデータで再学習し、潜在的問題に対処することで、継続的にモデルを強化することが重要です。

生成 AI によってナレッジ管理にもたらされる利点

Tue, 20 Jun 2023 15:24:02 Z

ChatGPT、Google Bard、Amazon Large Language Models、Microsoft Bing などのツールがリリースされて以来、生成 AI の機能に対する関心が高まっています。新しい技術には、プライバシー、個人情報、セキュリティ、そしてさらに重要な、正確性についての懸念を伴います。そしてそれは当然です。

組織は、生成 AI ツールをゲームチェンジャーと見ているにもかかわらず、受け入れには慎重です。多くの企業は、セキュリティで妥協することなく、将来に向けた生成 AI のより戦略的な使用方法を特定しながら、現在の利点を活用できるスイートスポットを見つけようとしています。

組織内ですぐに利点を得られる分野のひとつが、ナレッジ管理です。この取り組みは、多くの組織にとって課題でしたが、従業員の生産性を推進し、通常は手作業でナレッジを管理しているサポートチームに大きな利益をもたらすことができます。

生成 AI とナレッジ管理はどのように交わるのか

生成 AI とは、既存のデータに基づいて画像やテキスト、あるいは音楽などの新しいコンテンツを作成できる人工知能の種類を指します。機械学習アルゴリズムを使用して、大規模なデータセットを分析し、そこから学習します。そして、そこから、その分析に基づいて新しいコンテンツが生成されます。

一方、ナレッジ管理は、組織内で知識を収集、整理、共有するプロセスです。さまざまな情報源から情報を収集し、一元化されたデータベースに保存して、従業員が必要なときに簡単にアクセスできるようにします。

多くの組織が手作業でナレッジ管理を維持しているため、コンテンツが古かったり、不十分だったりする場合があります。ナレッジ管理に関わる多くのタスクを自動化することで、生成 AI はナレッジ管理プロセスの効率と効果を向上させることができます。

生成 AIがナレッジ管理を最適化する具体的な方法には、以下のようなものがあります。

1. ナレッジ記事作成の自動化

生成 AI は、製品ドキュメント、カスタマーサポートチケット、従業員研修資料など、既存のデータソースからナレッジ記事を自動的に作成できます。この自動化により、IT 専門家は、新しいナレッジ管理の取り組みの策定や既存のナレッジ記事の質の向上など、より戦略的なタスクに集中できます。

2. ナレッジの質の改善

生成 AI は、誤りの特定と修正、古い情報のアーカイブ、さらにナレッジ記事に文脈や追加情報を加えることで、知識の質を向上させることができます。これにより、従業員は正確で最新の情報にアクセスできます。

3. 新しいアイデアやインサイトの創出

生成 AI は、既存のナレッジを新しい方法で組み合わせることで、新しいアイデアやインサイトを生み出すことができます。たとえば、人事、施設、IT といった部署には、従業員のオンボーディングとオフボーディングに関する記事があります。

生成 AI はこれらを見て、3 つの分野すべてにわたるオンボーディングとオフボーディングのエンドツーエンドのプロセスについて検討した、統合されたナレッジ記事を作成できます。これにより、従業員は 3 つの異なる分野を検索する手間を省くことができます。

4. 問題解決までの時間を短縮

生成 AI は、データのパターンや傾向を特定することで、問題を迅速に解決することができます。これは、組織がより効果的な意思決定を行い、全体的なパフォーマンスを向上させるのに役立ちます。

たとえば、生成 AI は、定義された期間にわたって IT インシデントを調査し、共通の問題群に対する共通の解決方法を特定することができます。その調査結果に基づいて、サービスデスク担当者が問題を迅速に解決できるように、また従業員がセルフサービスで問題を解決できるように、ナレッジ記事を作成することができます。

5. より魅力的なコンテンツの作成

生成 AI は、ユーザーごとにパーソナライズすることで、より魅力的なコンテンツを作成し、企業の顧客体験の向上に貢献します。ナレッジ記事、特に人事ナレッジについては、地域や言語に基づいてパーソナライズされます。その人に固有のコンテンツを生成することができれば、従業員にとって利用や体験が大幅に向上します。

生成 AI の欠点

ナレッジ管理と組み合わされた生成 AI ソリューションは、多くの業種や分野に革命をもたらす可能性を秘めています。しかし、次のような落とし穴がないわけではありません。

1. セキュリティとプライバシー

ナレッジ管理で使用される生成 AI システムには、機密情報や取り扱いに注意が必要な情報が含まれている可能性があります。そのため、サイバー脅威から確実に保護することが非常に重要です。さらに、特に AI が個人情報や識別情報を含むコンテンツを生成する場合、プライバシーに関する懸念が生じる可能性があります。

たとえば、生成 AI は、現実のように見えるマルウェアやフィッシング攻撃を作成することができます。これらの攻撃は、個人情報、財務データ、その他の機密情報を盗むために使用される可能性があります。

2. 品質と正確性

生成 AI モデルは印象的な出力を生み出すことができますが、その品質と精度は入力データとタスクの複雑さによって大きく異なります。「garbage in, garbage out (ごみを入れればごみしか出てこない)」という古いことわざは今でも当てはまります。また、AI が正確で最新の情報にアクセスできるようにすることも難しく、AI が生成する情報の質に影響を与える可能性があります。
たとえば、ChatGPT の学習データはインターネットから収集され、定期的に更新されます。しかし、ChatGPT の現在のバージョンは、2021 年 9 月までに収集されたデータに基づいて学習されています。このため、2021 年 9 月以降の時事問題や話題になったことに関する質問には、ChatGPT では答えられない可能性があります。

3. データの偏り

生成 AI モデルは、学習データに存在する偏りや偏見を不注意に反映し、偏った結果や不正確な結果をもたらす可能性があります。このデータの偏りは、正確さが重要なナレッジ管理用途では特に問題となります。
たとえば、あるモデルが主に米国のテキストのデータセットで学習された場合、そのモデルは他の国の人々に関連するテキストを生成する確率が低くなる可能性があります。

生成 AI により、組織は、質の向上、魅力的なコンテンツ、自動化を通じて、ナレッジ管理を強化することができます。しかし、その過程には注意点もあります。組織のナレッジ管理で生成 AI の活用を成功させるために必要なことについて説明します。

エンタープライズサービス管理の必要性

Wed, 15 Mar 2023 14:42:49 Z

主な要点

エンタープライズサービス管理（ESM）とは、テクノロジーサービスが組織と従業員のニーズを確実に満たせるように管理する仕組みです。
ビジネスと顧客のニーズを満たしながら、一貫した効率的で費用対効果の高いサービスを提供できるようになります。
エンタープライズサービス管理 (ESM) の利点には、従業員満足度の向上、従業員エンゲージメントの向上、コストの削減、効率化、コンプライアンスの改善などがあげられます。
包括的なプロセスと自動化により、利用可能なリソースを最適化しながら、顧客に最高品質のサービスを提供することに役立ちます。
効果的なエンタープライズサービス管理（ESM）の戦略には、明確な目標と目的、包括的なプロセス、自動化、モニタリングとフィードバックの4つの重要な構成要素があります。

今日の組織は、従業員に質の高いサービスを提供するために、テクノロジーへの依存度を高めています。その結果、エンタープライズサービス管理 (ESM) の必要性が高まっています。

エンタープライズサービス管理とは何か

エンタープライズサービス管理（ESM）は、組織のテクノロジーサービスの提供を管理するために使用される一連のプロセスと仕組みです。 ESMでは、組織と顧客のニーズを満たしながら、一貫した効率的で費用対効果の高いサービスを提供できるようになります。

従業員は、日々の業務において、IT部門や企業内の他の多くのサービス提供者と関わる場合でも、ビジネスにおいて常に同様のユーザー体験を期待しています。これには、人事 (HR)、法務、施設、プロジェクト管理、セキュリティ、営業、マーケティング、研究開発、財務などの部署が含まれます。

エンタープライズサービス管理の利点

エンタープライズサービス管理にはさまざまな利点があります。最も重要な利点には次のような項目があります。

1. 従業員満足度の改善

エンタープライズサービス管理（ESM）は、従業員が必要なときに必要な仕事をするために、テクノロジーがどのように役立つか、妨げになっているかを確認します。 ESMは、サービスを一貫して効率的に提供することで、従業員の生産性と満足度を向上させます。 ESMでは、明確な期待値を提示し、コミュニケーションを強化し、責任感を醸成することで、従業員は、要求されたサービスを提供するチームとより強く関与していると感じることができます。

たとえば、従業員がリクエストしたステータスを確認できれば、そのリクエストがどの段階まで進み、いつまでに完了する予定なのかを知ることができます。これにより、従業員や事業部門は、仕事に集中でき、ITが従業員の効率を阻害することなく生産性を高めることができます。

2. 従業員エンゲージメントの向上

セルフサービスポータル、Microsoft Teams、仮想エージェント、電子メールにまたがるオムニチャネル体験を提供することで、従業員は自分のニーズや希望に合った働き方を選択でき、さまざまなモードで情報やサービスを簡単に検索してリクエストできるようになるため、エンゲージメントが高まります。

3. コストの削減

エンタープライズサービス管理（ESM）は、プロセスを合理化し、不要な複雑さを解消することで、大幅なコスト削減を実現します。ここでは、自動化が鍵となります。チケットの分類、割り当て、柔軟なワークフローを自動化し、最初から適切なチームがチケットを処理することを保証できます。これにより、コスト削減だけでなく、効率化や顧客満足度の向上にもつながります。

4. 効率化

エンタープライズサービス管理（ESM）は、サービスが期限通りに提供され、組織の優先事項を満たすように保証することで、効率を上げ、エラーを減らすことができます。これは、標準化されたワークフロー、文書化されたプロセス、自動化された割り当て、相互接続されたシステムによって実現され、組織全体でより質の高いサービスを実現することができます。

5. コンプライアンスの改善

エンタープライズサービス管理（ESM）によって、組織が業界の規制や標準を満たすことを可能にします。詳細な監査とレポートにより、組織はサービスレベル、セキュリティプロトコル、その他の規制へのコンプライアンスを確保できます。これにより、組織はデータや資産を保護し、関連する規制コンプライアンスの遵守を徹底することで、市場における競争上の優位性を確保できます。

効果的なエンタープライズサービス管理戦略の特徴

従業員は、ITやIT以外のサービスに簡単かつ即座にアクセスでき、リクエストが自動的に実行されることを期待しています。

サービス管理を検討するときには、ITサービスデスクやヘルプデスクが最重要視されますが、これは エンタープライズ（ESM）戦略の1つの要素にすぎません。エンタープライズサービス管理を導入する契機となる重要な機能として、次のような項目があります。

セルフサービスポータル
簡単なナレッジアクセス
チケットの自動化
ケース管理

効果的なESM戦略は、次の4つの主要な要素を備えている必要があります。

1. 明確な目標と目的

ESM に関しては、組織の目標や目的を包括的に理解することが不可欠です。これは、人事部 (HR) や施設管理部が利点について明確な考えを持つことから始まると言えます。

小さなことから始めると、電子メールが通常のコミュニケーション形態であれば、新しいESMプラットフォームに電子メールの自動作成を組み込み、セルフサービスポータルや仮想エージェントを第二段階として導入することが理にかなっているでしょう。

しかし、自動化やワークフローテクノロジーを活用し、バックエンドプロセスを強化することはさらに重要です。これにより、業務の合理化とプロセスの効率化が図られ、生産性の向上が期待できます。

また、ESM戦略を明確にすることで、刻々と変化する顧客基盤のニーズに対応し、常に高品質なサービスを提供できます。

2. 包括的なプロセス

最初の設計から最終的な提供まで、ESMプロセスは包括的かつ詳細であり、サービス提供の幅広い段階を網羅する必要があります。組織が提供しようとするサービスやプロセスを文書化し、概要を説明することが重要です。これらのサービスやプロセスは、最初は限定的かもしれませんが、組織が成熟するにつれて必然的に拡大していきます。

さらに、最高の従業員満足度と最高の効率をもたらす最も重要なプロセスを特定することが不可欠です。包括的なプロセスを導入することで、利用可能なリソースを最適化しながら、組織が顧客に最高品質のサービスを提供することを保証できます。

3. 自動化

組織で自動化を実現することで、プロセスを合理化し、エラーを減らすことができます。適切なチームに自動的に仕事を割り当てることで、対応や解決にかかる時間を大幅に短縮し、顧客からの要求への対応時間を改善できます。承認、タスク、通知を自動的に管理するワークフローにより、高いレベルの正確性と品質を維持できます。

既存の手作業によるステップに自動化を組み合わせることで、組織オペレーションのスピード、正確性、品質を大幅に向上させ、従業員体験を向上させることができます。

4. モニタリングとフィードバック

ESMプロセスのパフォーマンスを監視し、組織の目標や目的を達成しているかどうかを確認するためにフィードバックを行うことが重要です。これを効果的に行うには、ダッシュボード、アナリティクス、その他のレポートツールを導入し、チームの負荷を可視化し、アンバランスや矛盾を特定する必要があります。

モニタリングによって、作業負荷の傾向や変化を観察し、サービスレベルの目標がどの程度達成されているかを測定できます。これにより、すべての組織の目標や目的が達成されことを保証できます。さらに、マネージャーは、リソースの調整と優先順位を適切に判断できるようになります。

組織が従業員に質の高いサービスを提供するために技術への依存度が高まるにつれ、エンタープライズサービス管理 (ESM) の必要性はますます高まっています。

ESMは、コスト削減、従業員満足度の向上、効率化を実現すると同時に、組織が業界の規制や標準に準拠していることを保証できます。効果的な ESM 戦略には、明確な目標と目的、包括的なプロセス、自動化、監視とフィードバックがあります。

従業員満足度の向上からコストの大幅削減まで、効果的なESM戦略の導入により、「Everywhere Work」の新時代において、生産性と効率を維持することができます。 IT 部門が IT 以外の資産を管理する責任が高まる中、ESMは IT部門がその影響力を拡大し、組織にビジネス価値を提供することを支援します。Ivanti がお客様のエンタープライズサービス管理戦略をどのように支援できるのか、その詳細をご覧ください。

プロアクティブなサービス管理で従業員エクスペリエンスを向上

Tue, 28 Sep 2021 22:23:26 Z

最近、「従業員エクスペリエンスをどのように向上させるか」というテーマについて考えていました。多くの組織では、セルフサービスポータル、Teams チャネル、チャットボット、さらにはソーシャル IT 掲示板といった概念を用いて、IT の観点からこれを推進しています。いずれも優れたアイデアですが、従業員エクスペリエンスに本当に対応しているのでしょうか。

この考え方について、もう少し詳しく説明します。私の友人はサービス管理ソリューションを利用しており、そこには非常に優れたセルフサービスポータルがあります。問題の作成、ナレッジベースの検索、新しいコンピューターの注文などのサービスリクエストを行うことができます。彼がそのセルフサービスポータルを利用して IT とやり取りした 2、3 回については、満足していました。

不十分な従業員エクスペリエンス

しかし、IT についてどう思うかを尋ねると、彼は「IT は決してプロアクティブではなく、コンピューターにはいつも問題がある」と答えました。どういうことでしょうか。なぜでしょうか。2 週間前、彼は市内へ向かう電車に乗りました。移動時間は約 1.5 時間で、仕事をする時間があったため、ノート PC を取り出して作業を始めました。30 分後、ノート PC のバッテリーが切れ、作業を続けられなくなりました。その 3 日後にノート PC を起動すると、「バッテリーはシステムに十分な電力を供給できなくなっており、交換が必要です」というメッセージが表示されました。さらに 6 か月前には、ブルースクリーンクラッシュとマザーボードの問題が発生していました。バッテリーの問題が起きた後、彼はセルフサービスポータルにアクセスして IT に問題を登録しました。すると IT から、そのノート PC は交換が必要であり、交換用ノート PC のサービスリクエストを申請するように案内されました。

IT 部門は、何を行うべきかを特定し、友人に対応するまで非常に迅速でした。その問題の範囲内では、適切な対応だったと言えます。しかし、友人は依然として IT に不満を感じていました。彼が最初に口にしたのは、「なぜ自分が気付く前に、IT がプロアクティブにこれらの問題を把握できなかったのか」ということでした。

そこで私は彼に質問を返しました。もし IT がプロアクティブで、あなたが気付く前にこうした問題を把握し、交換部品を手配したり、あなたが何もしなくても新しいコンピューターを注文したりできるとしたら、IT をどのように評価しますか。彼の答えは明快で、「10 点満点中 10 点。素晴らしい」でした。

シフトレフト

多くの組織が「シフトレフト」という概念について語っています。これは、サービスの卓越性とエンドユーザーのエンパワーメントに焦点を当てようとするものです。しかし、エンドユーザーを支援するだけでは、プロセスを左へ動かす量はごくわずかです。最も大きなシフトレフトは、問題をプロアクティブに特定し、解決することです。

自動化と自己修復

これを実践するために、Ivanti Neurons for Healingを使用した場合のプロセスを見てみましょう。

1. 自動化プロセスがノート PC に対して実行され、そのプロセスに基づいて、バッテリーの状態が不良、非常に悪い、または使用不可であることを特定します。

2. その結果に基づき、Microsoft Teams 経由でノート PC の所有者にメッセージを送信し、この問題を通知するとともに、どのように対応したいかを尋ねます。

問題を IT に通知する
新しいノート PC をリクエストする
現時点では問題を無視する

3. この Teams でのやり取りの結果に応じて、自動化プロセスは次のいずれかを実行します。

新しいノート PC のサービスリクエストを作成する
問題を IT に通知する
しばらくの間、問題を無視する

4. もちろん、Microsoft Teams でのやり取りを省くこともできます。しかし、この通知機能があることで、ユーザーは何が起きているかを把握し続け、状況にプロアクティブに関与できます。

これらをすべて組み合わせると、この自動化プロセスはどのような形になるでしょうか。

このシフトレフトにより、ユーザーは妨げられたり中断されたりすることなく業務を続けられます。私たちユーザーは、業務用ノート PC の何かを修正する方法を、どれほど頻繁に Google で検索しているでしょうか。なぜでしょうか。それは、セルフサービスポータルにログインし、問題を登録し、IT 担当者からの返信を待ち、IT 担当者が自分のコンピューターにリモート接続するための都合のよい時間を調整するよりも、自分で直せばすぐに解決できると感じるからです。しかも、その結果として IT 担当者がすでに自分で試したことと同じことを行い、すでに分かっていることを伝えてくるだけ、ということもあります。

最近、ご自身や同僚が経験したさまざまな問題を考えてみてください。いくつか挙げてみましょう。

バッテリーの状態。 これはすでに取り上げましたが、実際には、ユーザーは新しいバッテリーが必要になるまで自分のバッテリー状態を把握していません。しかも、それが重要なプレゼンテーションの最中であることもあります。
プリントスプーラー。 最近の問題の一つに、耳にしたことがあるかもしれない Windows 10 のプリントスプーラーの脆弱性がありました。多くの IT 組織はプリントスプーラーを無効化し、ユーザーは印刷しようとしたときに初めてそのことに気付きました。CIO に提出しようとしていたレポートを印刷できない状況を想像してみてください。
ブルースクリーンクラッシュ。 ブルースクリーンクラッシュが発生したとき、すぐに IT に問題を登録することはどれほどあるでしょうか。通常は、3 回から 5 回発生して、ようやくもう限界だと感じるものです。しかし、これが自動的に行われ、背後で自動化によって IT の問題が作成されれば、IT は初回から状況を把握できます。
アプリケーションのクラッシュ。 同様に、アプリケーションがクラッシュすることを、実際にどれほど早く IT に伝えているでしょうか。この問題は、休憩中の雑談で話題に上るまで検知されないこともよくあります。

ここでは 4 つのシナリオだけを挙げましたが、ほかにも多くを挙げられるはずです。些細な問題の中には、IT に報告されないままのものが非常に多くあります。従業員が問題を申告する前にそれを把握し、さらに一歩進んでプロアクティブに解決できるとしたらどうでしょうか。Ivanti Neurons for Healingには、上記のような事前定義済みチェックが多数用意されており、独自のチェックを作成することもできます。

360 度ビュー

自動化と自己修復は、より優れた従業員エクスペリエンスを推進する 2 つの重要な要素です。さらに検討すべき領域として、従業員の 360 度ビューがあります。すべてのサービス管理プラットフォームは、従業員に関するデータを保持しています。氏名、メール、電話番号、上司、所在地、建物、開始したインシデントやリクエスト、さらには所有している資産まで把握できます。このデータは有用ですが、静的または履歴的なデータです。ユーザー、デバイス、そしてその時点で起きていること、たとえば記録されたインシデント、ノート PC のパフォーマンス、その他の情報をリアルタイムで把握できれば、どれほど有益でしょうか。

Ivanti Neurons Workspaceでは、ユーザーデバイスのデータに加え、パフォーマンス、最近のインシデントログ、ソフトウェア、パッチなどの詳細情報を確認できます。この情報により、IT アナリストは詳細かつ強力なリアルタイム情報を得て、問題を迅速に特定し、修復できます。

新しい従業員エクスペリエンス

最後に、真の従業員エクスペリエンスを把握できるとしたらどうでしょうか。ほぼすべてのサービス管理プラットフォームでは、問題やリクエストへの対応後にアンケートを送信することでこれを実現しています。これは特定時点の把握には有効ですが、ユーザーのエクスペリエンスを真に包括的に示すものではありません。先ほど述べたように、私の友人はコンピューターに問題を抱えていたため、IT に満足していませんでした。こうした情報をすべて 1 か所に集約し、分析を用いて従業員に関する各領域をスコア化できれば、従業員を最終的に把握できる従業員インデックスを得ることができます。

Ivanti では従業員を第一に考えています。従業員エクスペリエンスを向上させることで、Everywhere Workplace にいるすべての人を支援できます。Ivanti Neurons for ITSMとNeurons ハイパーオートメーション（Healing と Workspace）を組み合わせることで、より優れた従業員エクスペリエンスを実現するプロアクティブなサービスモデルを可能にします。Ivanti が従業員を第一に考える取り組みをどのように支援できるか、詳しく知りたいですか。ぜひお問い合わせください。喜んでお手伝いします。