Ivantiブログ: 投稿者

エージェント型AIがマシンスピードで自律的な脅威対応を実現する方法

Mon, 29 Jun 2026 14:00:03 Z

今日、セキュリティチームが受け取るアラートの40%がまったく調査されないのはなぜでしょうか。それは関心が足りないからではなく、攻撃ウィンドウの短縮に加え、テクノロジーのスプロールが深刻化しているためです。

今日のセキュリティチームは、攻撃の激化、予算の逼迫、増大するアラート疲れによって特徴づけられる脅威環境で運用しています。組織は平均して1日あたり960件のセキュリティアラートを処理しており、大企業では約30のツールにまたがって1日3,000件を超えるアラートに対応しています。これは、見落とされる可能性のある脅威が月に36,000件に上ることを意味します。攻撃者は1回の侵害に成功すればよい一方、防御側は毎回正しく対処しなければならず、この非対称性は大きな負担となっています。

組織にとってのこの重大なギャップは、アーキテクチャの問題です。脅威対応における最大の課題は、何が検知されるかではなく、アラートが鳴った後に何が起こるかです。

明るい材料があります。エージェント型AIは、そのアーキテクチャを変えます。既存のツールを置き換えるのではなく、検知とアクションの間にある運用上のギャップを解消するのです。

セキュリティにおけるスピードの問題

導入済みのツール（SIEM、EDR、脆弱性スキャナー、SOARプラットフォーム）は、検知に非常に優れています。脅威を可視化し、リスクを分類し、アラートを送信します。しかし、有効な対応を伴わない検知は、コストの高い記録作業にすぎません。真のボトルネックは、何が問題かを把握することではなく、意味のある速さで問題を修正することにあります。

詳細はこちら：AI主導の検出により従来の脆弱性管理が限界を迎えている理由

従来のセキュリティ運用は、おなじみの流れに沿って進みます。アラートが発生し、アナリストが調査し、判断が下され、修復が予定され、変更が承認され……その後ようやくアクションが実行されます。それぞれのステップは単独では妥当ですが、組み合わさることでチームは人間のスピードに縛られ、一方で脅威は自律的に進行します。調査が完了する頃には、攻撃者はすでにラテラルムーブメントを進めています。そしてパッチが展開される頃には、さらに3件の重大なCVEが公開されています。

タイムラインのギャップは明白です。2025 Verizon Data Breach Investigations Reportによると、組織がエッジデバイスの脆弱性を修復するまでの中央値は32日である一方、脅威アクターは同じ脆弱性を公開前または公開時点で悪用しており、実質的にゼロデイのタイムラインで行動しています。このギャップは加速しています。MandiantのM-Trends 2026 Reportでは、初期アクセスから二次的な脅威グループへの引き渡しまでの時間が、2022年の8時間超から2025年にはわずか22秒にまで短縮されたことが示されています。

効果的なセキュリティモデルでは、検知が即時かつインテリジェントなアクションをトリガーする必要があります。脆弱性評価、エンドポイント管理、パッチ展開、アクセス制御といった既存の機能はそのまま維持されますが、より高速かつ高い自律性をもって動作します。その結果、人間のスピードではなくマシンスピードで機能するセキュリティ運用が実現します。

エージェント型セキュリティの実際の姿

セキュリティにおけるエージェント型AIとは、エンドツーエンドのセキュリティワークフローを実行する自律システムを指します。各ステップで手動承認を待つことなく、検知から判断、アクションへと進みます。

エージェント型AIは攻撃対象領域全体で動作し、検知、判断、対応を単一のシステムとして連携させる必要があります。

自律的な脆弱性修復

重大なCVEが公開されると、エージェントは環境全体のエクスポージャーを直ちに評価します。悪用可能性とビジネスコンテキストに基づいてリスクに優先順位を付け、影響を受けるエンドポイントにパッチを展開して修復を検証します。これらはすべて、アナリストがチケットを開く前に実行されます。人間による監督は維持されますが、手動の引き継ぎによって生じる遅延は取り除かれます。

詳細はこちら：リスクベースのパッチ優先順位付けレポート

インテリジェントな脅威対応

エンドポイントが不審な動作を示すと、エージェントはEDR、ネットワークテレメトリ、資産インベントリにまたがるシグナルを相関分析します。影響を受けたデバイスは隔離され、アクティブなセッションは取り消され、フォレンジック証拠が取得され、SOCには完全なコンテキストとともに通知されます。脅威は拡大する前に封じ込められるため、アナリストは進行中の侵害ではなく、無力化されたインシデントを調査できます。

継続的なコンプライアンスポスチャ

エージェントはエンドポイントとサーバーを継続的に監視し、構成ドリフトを検出します。ファイアウォールの無効化、暗号化の停止、許可されていないソフトウェアのインストールなど、デバイスがコンプライアンスから外れると、修復が自動的に行われます。構成は修正され、イベントは記録され、コンプライアンスが検証されます。コンプライアンスは四半期ごとの作業ではなく、継続的な状態になります。

アクセスリスクの軽減

エージェントは、想定外の地理的位置、権限昇格の試行、通常とは異なるデータアクセスなど、異常なアクセスパターンを検知します。不審なセッションは終了され、多要素認証が適用され、検証が完了するまでアクセスが制限されます。正当なユーザーは作業を継続できる一方で、ラテラルムーブメントはリアルタイムで阻止されます。

これらのエージェントは、SIEM、EDR、脆弱性管理、アイデンティティシステム、パッチ管理など、既存のセキュリティスタック全体で機能します。各ツールは、連携したシステムの一部として、より高速かつ効果的になります。目的はセキュリティ運用を置き換えることではなく、攻撃者がすでに実現しているスピードで運用できるようにすることです。

詳細はこちら：エージェント型AIがインフラストラクチャと運用をどのように変革しているか

検知からアクションへ：スピードのアーキテクチャ

エージェント型AIが実現する中核的な変化は、検知の時点で意思決定を行うことです。センシングとアクションを切り離すのではなく、脅威が発生した時点でリスクを評価し、即座に対応するようにセキュリティワークフローが設計されます。

重大な脆弱性が特定されても、エージェントは後で確認するためのチケットを提示するだけではありません。セキュリティアーキテクトが検討するのと同じ要素を評価します。

そのシステムはインターネットに公開されていますか？
どのデータにアクセスしますか？
実環境で悪用されている既知のエクスプロイトはありますか？
パッチ適用と延期を比較した場合のビジネスへの影響は何ですか？

その判断は、数日ではなくミリ秒単位で行われます。そしてこの成果を実現するには、自動化スクリプトだけでは不十分であり、コンテキストと結果について推論できるシステムが必要です。

ビジネスを考慮したリスクスコアリング

すべての重大な脆弱性が同じ緊急性を持つわけではありません。エージェントは悪用可能性、エクスポージャー、ビジネスへの影響を総合的に評価します。内部テストサーバー上の脆弱性は、顧客向け本番システム上の同じ問題とは異なる方法で処理されます。優先順位付けは自動的に行われ、その根拠は明確で説明可能です。

適応型の対応しきい値

エージェントは時間の経過とともに結果から学習します。特定のアクションが継続的に誤検知を生む場合、しきい値が調整されます。新しい攻撃パターンが出現すると、感度が高まります。状況の変化に伴って脆弱になるのではなく、使用を通じてシステムは改善されます。

コンテキストを保持したエスカレーション

エージェントが自律性の境界に達した場合、エスカレーションには単なるアラートではなく、その理由が含まれます。何が検知されたのか、どのシグナルが評価されたのか、なぜ自律的に判断を完了できなかったのか、どのアクションが推奨されたのかが、すべてアナリストに引き継がれます。人間の介入は、トリアージではなく重要な判断に集中します。

組み込みの監査可能性

すべてのアクションは、トリガー、評価されたデータ、下された判断、結果を含む完全なコンテキストとともに記録されます。コンプライアンスは後から再構築されるのではなく、ワークフローに直接組み込まれます。

セキュリティチームへの影響は測定可能です。2025 SANS Detection & Response Surveyでは、組織の73%が誤検知を検知における最大の課題として挙げ、76%がアラート疲れをSOCの主な懸念事項として指摘しています。これは単なる効率の問題ではありません。アナリストが時間の大半をノイズの仕分けに費やしている限り、セキュリティプログラムは設計上、受け身のままです。

その結果、運用の現実は変わります。検知は解決につながります。アラートはキューに積み上がるのではなく、発生した時点で処理されます。セキュリティチームは昨日のインシデントへの対応に費やす時間を減らし、次のインシデントを防ぐことにより多くの時間を使えるようになります。

実務で何が変わるのか

本番のセキュリティ環境にエージェント型AIが導入されると、その効果は個別の成功よりも構造的な変化として現れます。チームは、ワークフローの構成、リスク低減のスピード、人間の労力が投入される領域に一貫した変化を確認します。

1. アクションまでの時間が大幅に短縮される

検知と対応が一つの動きに統合されます。以前はトリアージとスケジュール設定に何日も待たされていた脆弱性が、リスクしきい値を満たすと自動的に評価、優先順位付け、修復されます。以前は調査中にラテラルムーブメントを進めていた脅威も、検知の時点で封じ込められます。測定可能な成果は、アラートの高速化だけでなく、滞留時間の短縮とより迅速なリスク低減です。

2. 運用オーバーヘッドが低減する

コンプライアンスドリフトの修復、パッチ調整、アクセス修正など、以前はアナリストの時間を消費していた定型的なセキュリティ業務が、継続的なバックグラウンド実行へと移行します。レポート作成は、定期的に慌ただしく行う作業ではなく、通常業務の副産物になります。セキュリティチームはプロセス管理に費やす時間を減らし、判断を下すことにより多くの時間を使えるようになります。

3. 対応品質がより一貫する

毎回同じコンテキスト入力を使用して判断が行われると、対応の挙動は安定します。発生時期やオンコール担当者に関係なく、同様のリスクは同様の方法で処理されます。この一貫性によりばらつきが減り、人為的ミスが抑制され、監査担当者、経営層、規制当局に対して成果を説明しやすくなります。

4. 人間の注意がより価値の高い業務へ移る

アナリストは、すべてのアラートや軽微な構成問題に引き込まれることがなくなります。エスカレーションが必要な場合や、判断がビジネスリスクに重大な影響を与える場合に関与します。その結果、アラート疲れと誤検知が減少し、脅威ハンティング、インシデント分析、戦略的改善により多くの時間を使えるようになります。

この変化のビジネス上の影響は、業界データにも表れています。IBMの2025 Cost of a Data Breach Reportによると、AIと自動化を広範に活用している組織は、侵害1件あたり平均190万米ドルを節約し、侵害ライフサイクルを80日短縮しました。2025年の世界平均の侵害ライフサイクルは241日で、過去9年で最短となっており、スピードのわずかな改善であっても、リスクとコストの有意な低減につながります。

パターンは一貫しています。セキュリティチームはバックログへの対応をやめ、脅威そのもののペースで運用を開始します。

対応の遅れがより大きなリスクになる理由

セキュリティにおいてAIに慎重になることは理解できます。セキュリティシステムは重要インフラに関わります。ミスは目立ちやすく、失敗の影響は現実のものです。より明確なユースケース、より強固なガバナンス、実証済みの制御が整うのを待つことは、責任ある選択のように感じられるかもしれません。

問題は、根底にあるリスク環境が変化していることです。攻撃者はすでにマシンスピードで行動している一方で、ほとんどのセキュリティプログラムは依然として人間のスピードで対応しています。意味のある自律性の導入を1週間遅らせるごとに、そのギャップは広がります。検知が失敗するからではなく、アクションが追いつかないために、エクスポージャーは静かに蓄積していきます。

ほとんどの組織は、必要なシグナルをすでに備えています。SIEM、EDR、脆弱性管理、パッチ適用システムは、高品質な検知とコンテキストを生成します。制約となっているのは実行です。アラートはキューにたまり、チケットは待機し、判断は停滞します。エージェント型AIは、検知と対応の距離を縮めることで、この制約に対処します。その距離が長く残るほど、セキュリティポスチャは現代の脅威の現実からさらに乖離していきます。

実際には、エージェント型セキュリティへの抵抗は、技術的なものよりも組織的なものであることが多くあります。AI主導の成果に対する責任の所在が不明確な場合があります。インセンティブがリスク低減よりもプロセス遵守を評価している場合もあります。チームが自動化を能力の拡張ではなく、自身の価値に対する脅威と見なすこともあります。

運用面では、むしろその逆であることが多いのです。自律性が高まるにつれて、アナリストの業務はより焦点が絞られ、より価値の高いものになります。脅威ハンティング、インシデント分析、攻撃者研究、アーキテクチャ改善の取り組みが拡大します。手動のトリアージ、パッチ調整、反復的な調査は後退します。人間の専門性は、判断が最も重要な場面で活用されます。

エージェント型セキュリティの導入を遅らせている組織は、立ち止まっているわけではありません。現代の攻撃のペースに追随できない対応モデルで運用することを選択しているのです。時間の経過とともに、そのミスマッチが主要なリスク源になります。

変革はすでに進んでいる

セキュリティ運用は、検知がバックログを生み、アラートが作業を増やし、対応タイムラインが数日に延びるような受動的モデルから離れつつあります。先進的なプログラムは、システムが状況を感知し、リスクを評価し、継続的に行動するプロアクティブな実行を中心に再編されています。自律型エージェントは量とばらつきを吸収します。人間のチームは戦略、調査、改善に集中します。

この変化は、現代のセキュリティがどのように運用されるべきかの変化を反映しています。攻撃者はすでに偵察、エクスプロイト開発、ラテラルムーブメントを自動化しています。攻撃は、チケットのトリアージや承認のスケジュールを待つことなく進行します。人間のスピードのワークフローに縛られたままのセキュリティプログラムは、そのギャップを埋めるのに苦戦します。

より効果的な組織を分けるのは、異なる運用を行う準備ができているかどうかです。検知だけでなく実行も設計します。自律性を意図的に統制します。活動ではなく成果を測定します。時間の経過とともに、システムが学習し、チームが再集中することで対応が改善されるため、この運用モデルの優位性は複利的に高まります。

セキュリティリーダーが直面している問いは、もはや自律性がセキュリティ運用に属するかどうかではありません。現在の環境が求めるペースでセキュリティを運用する準備が、自組織にあるかどうかです。

セキュリティのスピードギャップを解消する準備はできていますか？

Ivanti Neurons for ITSMが、検知から解決までをスピードと制御性を備えて進める自律型セキュリティワークフローをどのように実現するかをご覧ください。

目に見えないIT部門：エージェント型AIでシームレスな体験を提供する方法

Thu, 18 Jun 2026 19:42:35 Z

あらゆる企業がAIを導入している一方で、その投資効果をまだ待っている企業も少なくありません。Ivantiの2026年AI成熟度レポートによると、現在AIをまったく利用していないと回答した組織はわずか2%でした。多くの組織がAIの実験段階を越えつつある中、真の競争優位を生むのは、そのAIが継続的なビジネス価値を大規模に提供できているかどうかです。

企業は、ユーザーに使われないチャットボットを展開します。誰にも信頼されないエージェントを実装し、「AI搭載」ツールを導入しても、従業員は結局それを避けたり、個人利用のシャドーAIツールを無視できずに使ったりします。問題はAIに何ができるかではありません。ユーザーにAIで何をさせようとしているかです。多くの組織は、AIを設計すべき体験ではなく、展開すべき機能として捉えています。AIに何が可能かに注目し、ユーザーが実際に何を必要としているかを見落としているのです。その結果、価値よりも不満を生む、また別のシェルフウェアソリューションが生まれます。

デジタルエクスペリエンスは、AI導入の成功と失敗を分ける欠けていた要素です。AIのユーザー体験を優先する組織は、ユーザーの信頼を損なう実装上の落とし穴を特定し、業務を中断させることなく改善をもたらすエージェント型AIを展開するための実践的なフレームワークを構築できます。AIとITが最も力を発揮するのは、目に見えないスーパーパワーとして機能するときです。ユーザーが意識するのはテクノロジーではなく、仕事をいかに簡単に進められるかです。

AI導入のパラドックス

MITの調査によると、企業のAI施策のおよそ95%は測定可能なROIを実現できておらず、その多くが実際のビジネス価値へ拡大する前にパイロット段階で停滞しています。

何が起きているのか： 経営層がAI施策を承認し、IT部門がテクノロジーを展開し、トレーニングが予定され、導入指標が追跡されます。そして6カ月後には、誰も使っていません。チャットボットは使われなくなり、AIアシスタントは放置され、従業員は本来仕事を楽にするはずだったツールを避けるための回避策を生み出します。

これは変更管理の失敗ではありません。既存の職場テクノロジーの上にAIを重ねたとき、ユーザーが実際に何を体験するのかを理解できていない結果です。

ユーザーはAIそのものを求めているわけではありません。ノートPCがより速く起動すること、プレゼン中にアプリケーションが固まらないこと、ビデオ通話が遅延しないこと、そして問題に気づく前に解決されることを望んでいます。そうしたことを実現するためにAIインターフェイスとのやり取りを強いる時点で、すでに失敗は始まっています。

続きを読む：ITOps向けエージェント型AIが大規模な価値を引き出す方法

多くのAI実装がユーザー体験で失敗する理由

どの企業IT環境を見ても、同じパターンが見られます。AI実装のチェックリストは忠実に実行されます。

テクノロジーベンダーを選定
プラットフォームを展開
連携を設定
ユーザーをトレーニング
本番稼働を開始

しかし6カ月後、現実が明らかになります。2025年EY調査では、AI導入にもかかわらず従業員の64%が業務負荷の増加を報告し、AIを最大限に活用して実際に仕事を変革していると答えたのはわずか5%でした。

IT部門はプレイブックどおりにすべてを正しく実行しました。しかし問題は、そのプレイブックがAIを使う人ではなく、AIを売る人によって書かれていたことです。

「セルフサービスを促進」し、「チケット件数を削減」するための典型的なAIチャットボット導入を考えてみましょう。実際には、これまでIT部門にSlackで簡単なメッセージを送っていた従業員が、次のことをしなければならなくなります。

別のポータルに移動する
ボットが理解できるように質問をどう表現するか考える
AIが提示する関連性の低いナレッジ記事を読み解く
最終的に諦めてチケットを送信する。その時点で苛立ち、予定より15分遅れている

結局チケットは作成され、問題は解決する必要があります。しかし、手順を減らすのではなく増やしたことで、以前にはなかったフリクションが生まれています。

これが根本的な誤りです。 AIをユーザーが操作するインターフェイスとして扱い、ユーザーのために機能するインフラとして扱っていないのです。AIに合わせてユーザーの行動を変えるよう求めた瞬間、導入ではなく抵抗を生み出すことになります。

デジタルエクスペリエンス：AIが価値を証明する場所

AIから実際の価値を得ている組織は、「どうすればユーザーにこのAIツールを使ってもらえるか」ではなく、「ユーザーがすでに行っている業務を改善するために、AIをどう活用できるか」と問い始めています。これは小さな視点の転換ですが、その影響は非常に大きいものです。

デジタルエクスペリエンス管理において、AIはユーザーと仕事の間に立つものではありません。ユーザーと混乱、つまりパフォーマンス低下、アプリケーション障害、原因不明の遅延、まだ表面化していないものの30分後には発生する問題との間に立つものです。

ここで、エージェント型AIは可能性を根本から変えます。従来の監視ツールは、何かが壊れたときに人に通知します。一方、エージェント型AIは壊れる前にそれを防ぎます。これは煙感知器と消火システムの違いです。

従来のIT運用では、インシデント対応は時間単位、場合によっては日単位で測定されます。自律的修復を備えたエージェント型AIはこの方程式を根本的に変えつつあり、パターンを検出し、問題がエスカレートする前に修正を実行することで、平均解決時間を数時間から数分、あるいは数秒へと短縮します。

実際には次のようになります。

従来のIT Ops：

ユーザーのノートPCにディスク障害の初期兆候が現れ始める。
従来のDXツールが問題を検知し、チケットを作成する。
ITアナリストがアラートを確認し、重大度を評価し、メンテナンスを予定し、最終的にユーザーに連絡する。
解決までの総時間：数日。
組織への影響：計画停止、データ移行、生産性の低下。

エージェント型AI

エージェント型AIでは、ユーザーが異常に気づく前にパターンが検出されます。
エージェントが自律的に自動バックアッププロセスを起動し、代替デバイスをプロビジョニングし、ユーザーのアプリケーションとデータを準備し、利用の少ない時間帯に交換をスケジュールします。
ユーザーにはメールが届きます。「明日の朝、受付に新しいノートPCをご用意しています。現在のセットアップは移行済みです。」
チケット作成もエスカレーションも不要で、中断も発生しません。

同じ問題でも、体験はまったく異なります。

フリクションのないAI実装フレームワークの構築

見えないAIを実現するには、デジタルエクスペリエンス施策の展開、測定、拡張の方法を見直す必要があります。エージェント型AIから実際のROIを得ている組織は、機能よりも体験を優先する一貫したパターンに従っています。

可能性ではなく痛みから始める

最も望ましくないAI実装は、「このAIで何ができるか」という問いから始まります。最も優れた実装は、「現在、何が痛みとなり、繰り返し発生し、あるいは不必要にユーザーの作業を遅らせているのか」という問いから始まります。

AIの能力を整理する前に、デジタルエクスペリエンスの課題を可視化しましょう。

ユーザーが問題解決を最も長く待っているのはどこか。
繰り返しチケットを生む問題はどれか。
予測可能に発生しているのに、プロアクティブに検知されていないパフォーマンス低下は何か。
人間の判断を必要としないタスクに、IT部門が最も多くの時間を費やしているのはどこか。

これらは単なる「AIユースケース」ではなく、AIが解消できるユーザー体験上の問題であり、その違いは重要です。痛みから始めることで、ユーザーが求めるソリューションにたどり着けます。

体験の裏側にAIを展開する

ユーザーがAIを利用するかどうかを判断する必要があってはなりません。それは実装者であるあなたの役割です。実際には、次のような形になります。

支援が必要になる前に問題を検出して解決する自律型エージェント vs. ユーザーが助けを求める必要があるボット。
ユーザーが検索する前に解決策を提示する予測型インサイトエンジン vs. AI搭載検索を備えたセルフサービスポータル。
承認済みのガードレール内で推奨事項を自動実行する自己修復システム vs. ユーザーが実行しなければならないAI搭載の推奨事項。

一貫したパターンは、ユーザーの意思決定ポイントを減らし、余分な手順をなくし、高度なAIリテラシーの必要性を取り除くことです。ユーザーが直接触れる必要がないため、エージェント型AIにはユーザートレーニングが一切不要であるべきです。

AIの性能ではなくユーザー体験を測定する

多くの実装が方向を誤るのはここです。ユーザー成果ではなくAIの性能を測定してしまうのです。

AIとのやり取りの数、AIの応答時間、モデル精度スコア、自動化率を追跡しているなら、測定している対象が間違っています。

代わりに、次を追跡します。

エンドユーザーの問題に対する平均解決時間の短縮。Ivantiの2026年AI成熟度レポートでは、IT担当者の45%がAIによって仕事がより速く、より良くなったと回答しています。
ITの対応力に対するユーザー報告の満足度。
ユーザーが気づく前に解決された問題の割合。
反復的なリクエストで削減された時間。
チケット件数の削減。これは問題をそらしているからではなく、問題を未然に防いでいるからです。

AIの自律性を可能にするガバナンスフレームワーク

多くのエージェント型AI導入を実際に遅らせているのは技術的な問題ではありません。AIが事前に許可を求めずに行動することを、関係者が受け入れられるようにすることです。

自律性レベル	リスクレベル	アクション例
完全自律	低	キャッシュのクリア、サービスの再起動、パフォーマンス最適化、定期パッチ適用
通知付き自律	中	ユーザープロファイルのリセット、アプリケーションの再インストール、ドライバー更新
人間の承認が必要	高	大規模な構成変更、データ移行、インフラ変更
人間主導、AI支援	重大	セキュリティインシデント対応、コンプライアンス判断、予算承認

重要なのは、AIエージェントが信頼性を実証し、監視によって当初は想定していなかったパターンが検出されるようになるにつれて、「高リスク」の範囲は時間とともに縮小するという認識です。AIガバナンスを固定的なものとして扱う組織では、AIは十分な影響を及ぼせません。一方、ガバナンスを動的なものとして扱う組織では、安全性を維持しながらAIの効果を継続的に拡大できます。

成功の姿

AI搭載のサービス体験を実装している組織では、有意な満足度向上が見られています。PwCの調査によると、先進的な実装では、運用効率の向上とともにNPSが10～15%改善しています。

AIをめぐる会話も変わります。ユーザーはITを邪魔なものとして語らなくなり、やがてITについてまったく話さなくなります。それこそが目的です。ITはインフラになります。目に見えず、信頼でき、意図的に必要とされるときだけ存在するものです。

その変化はまずサービスデスクに表れます。

チケット件数が減少します。問題をそらしているからではなく、未然に防いでいるからです。
AIがより早い段階で問題を検知して解決するため、エスカレーションが減少します。
アナリストの時間は、受動的な火消し対応からプロアクティブなシステム改善へと再配分されます。
旧来のモデルで検出されるよりも早く修復が行われることが多いため、平均解決時間が短縮されます。

エンドユーザーにとって、その体験はよりシンプルです。物事は正常に動作し、アプリケーションの応答性は高く、システムは利用可能で、遅延が障害へ連鎖することはありません。同僚が不満を漏らす原因不明のパフォーマンス問題も、なぜか自分には起こりません。それは運が良いからではなく、AIエージェントが見えないところで継続的に体験を最適化しているからです。

真の導入指標とは、ユーザーがITについて考えなくなることです。無視しているからではなく、考えるべき問題が何もないからです。

本当の選択：見えないAIか、使われないAIか

あらゆる組織がデジタルエクスペリエンス管理にAIを導入することになります。問題は導入するかどうかではなく、どのように導入するかです。さらに重要なのは、ユーザーが実際に恩恵を受けるのか、それともまた別のツールを押し付けられるだけなのかという点です。

そのためには、AI施策の実装、測定、拡張の方法を根本から見直す必要があります。これを正しく実行できれば、組織におけるITの捉え方は、コストセンターから競争優位へ、受動的な火消し対応からプロアクティブな支援へ、必要な負担からただ機能する目に見えないインフラへと変わります。

最高のAIは、最高のITと同じく、目に見えないものです。ユーザーはテクノロジーそのものを体験するのではなく、問題が存在しない状態を体験します。そしてそれこそが目的です。

エージェント型AIでデジタルエクスペリエンスを向上させる準備はできていますか？

Ivanti Neurons for ITSMが、舞台裏で機能するエージェント型AIをどのように展開し、ユーザーが異常に気づく前に問題を予測し、自律的に解決し、体験を最適化するのかをご覧ください。

サービスマネジメントをIT部門以外にも適用すべきか？答えは明らかです。

Wed, 28 Jul 2021 12:00:00 Z

IT部門は目前の課題に集中してきました…しかし今こそ視野を広げる時です

この1年半が、組織内のあらゆる部門にとって困難な時期であったことは周知の事実です。縁の下の力持ちは誰でしょうか。それはIT部門です。

主にオンラインへと移行した業務環境において、IT部門は文字どおり事業を継続させる役割を担っています。これは決して小さな成果ではありません。緊急対応、ノートPCやその他貸与機器の資産管理、急増するサービスデスクチケットへの対応、リモートワークへの移行に伴う機密情報のセキュリティ強化、他部門によるリモートでのサービス提供の支援など、多くの機能的サービスが含まれます。

さらに、デジタルトランスフォーメーションなどの優先課題を推進し続けることに加え、個人所有デバイス、ネットワーク、セルフサービス端末などに起因してエンドポイント数が増加する中で、その複雑性にも対処しなければなりません。同時に、ITプロジェクトに対するビジネス側の要求も高まり続けています。特にアプリケーションの開発と展開に関しては、従業員エクスペリエンスの質とガバナンスにIT部門が責任を負うため、その傾向は顕著です。さらに、ITが戦略的なビジネス目標と整合していることを示すため、設備投資や運用費の価値を正当化することも求められています。

明らかな答え：IT成熟度こそが打開策

IT部門は、事業継続を維持するため、求められる範囲を超えて取り組んできました。それ以上と言ってもよいでしょう。変化するテクノロジー環境に対応するため、各チームは想定をはるかに超える業務をこなし、今なお取り組み続けています。その過程では、夜遅くまでの対応、週末の犠牲、高いプレッシャーがありました。とはいえ、状況は限界に達しており、この猛烈なペースは持続可能ではありません。少なくとも、さらなる成熟なしには難しいでしょう。

しかし実際には、ほとんどの組織でITサービスマネジメント（ITSM）の成熟度は長年停滞しています。IT組織のサービスマネジメントプロセスの平均成熟度は、10段階評価で実際には約5にとどまります。活用されていないチャットボットやナレッジベース、古くなったサービスカタログ、不正確なCMDB、限定的な自動化、一貫性のない問題管理などが存在します。より高度なプロセスは、別の火消しのための予算や時間と引き換えに後回しにされてきました。まさに悪循環だったのです。

変化したことが一つあるとすれば、それは確かに、成熟への道筋です。この数年で、その道筋は大きく進化しました。成熟を実現することは、もはや内側だけに目を向け、あらゆるITILプロセスやベストプラクティスを徹底的に導入しようとすることではありません。むしろ外側に目を向けることが重要です。人事やファシリティから法務、プロジェクト管理に至るまで、あらゆる業務部門にサービスマネジメントを導入することが、その方法です。IT部門を中心に据え、これらのチームが同じ落とし穴を避けられるよう支援しながら、サービスを管理できるようにします。

デジタルトランスフォーメーションが加速し、複雑性が増し、より優れた従業員エクスペリエンスへの需要が高まる中で、IT部門がビジネスのガバナンスと指針づくりにおいて主導的な役割を担わない場合のリスクは数多くあります。従業員エクスペリエンス、生産性、効率の低下、シャドーITの増加、IT部門の関与不足、システムの分断、予算の分散、業務部門のサービスマネジメントにおけるIT部門の存在感低下などが挙げられます。

サービスマネジメントをビジネスの他領域へ拡張することは、ITチームが成熟するための方法です。また、過剰に人員を増やすことなく拡張するための方法でもあります。

事後対応型から先回り型の戦略へ

組織内の他部門にサービスマネジメントのプラクティスを適用し、従業員に対してモダンで統合された方法でサービスを提供できるようにすることには、多くのメリットがあります。

従業員エクスペリエンスの向上

従業員は、オフィス勤務であれリモート勤務であれ、疑問への答えを見つけ、問題を迅速に解決したいと考えています。何について誰に、どこへ相談すればよいのか、また自分のリクエストがどのような状況なのかが分からないと、サービス体験は非常にストレスの多いものになります。

サービスマネジメントを他の業務部門へ拡張することで、従業員があらゆるニーズに利用できるワンストップのセルフサービスポータルを提供できます。ナレッジベースは従業員が答えを見つけるのに役立ち、サービスカタログはどのような支援を受けられるかを理解するのに役立ちます。また、自動ステータス通知により、各段階で安心感を提供できます。

統合されたサービス提供戦略により、従業員は必要な情報をすばやく見つけ、本来の業務に戻ることができ、ストレスと時間を削減できます。

全体的な生産性と効率の向上

ワークフローの大半を自動化し、人の介入なしに処理できるようになれば、すべての関係者にとってメリットがあります。リクエストは自動的に適切なチームへルーティングされ、ステータス通知が送信され、リクエストが解決されます。

サービスマネジメントを他部門に適用することで、従業員はより早く業務に戻ることができ、サービスを提供する側は、より重要な従業員ニーズや戦略的プロジェクトに時間を充てられるようになります。さらに、統合されたサービスマネジメント戦略により、進捗を追跡し、引き継ぎを円滑に行い、プロセスの問題箇所を特定できます。チーム横断のコラボレーションも格段に容易になります。

KPIの可視性向上

サービス提供へのアプローチがばらばらで断片化されていると、課題を把握し、改善することが難しくなります。しかし、IT部門だけでなく他の業務部門全体でも、問題領域を可視化できるとしたらどうでしょうか。

サービスマネジメントへの統合的なアプローチにより、組織は全体としてより戦略的に行動できるようになります。優先度の高い課題を明確に特定して迅速に対応できるだけでなく、ボトルネックも容易に見つけ出し、継続的なプロセス改善を支援できます。

各種レポートや分析ダッシュボードを通じて、チームごとに、さらには経営層にとって最も重要なKPIまで掘り下げて確認できます。組織を前進させるために最も重要な領域へ、リソースと労力を振り向けることができます。

IT部門がさらに価値あるビジネスパートナーに

IT部門が中心となり、組織全体でこうした効果的な変革を推進することで、会社全体の成果創出力にも影響が及びます。そして、このような優れた取り組みは見過ごされることはないでしょう。

部門全体や個々の従業員がより良く仕事を行えるよう支援することは、IT部門が組織の戦略目標を理解し、その実現を効果的に支援できることを意味します。IT部門は信頼できるビジネスパートナーと見なされ、特にモダナイゼーションやデジタルトランスフォーメーションに関する戦略的イニシアチブにおいて、リーダーとして頼られる存在になります。IT部門が価値を提供し、成功を推進できる機会が明らかになるにつれ、この戦略的な組織内での役割はさらに拡大し続けるでしょう（その機会は非常に多く存在します）。

解決策としてのIvanti

Ivanti Neurons for HRとIvanti Neurons for Facilitiesは、組織全体にサービスマネジメントを拡張するために設計された専用ソリューションです。これらのソリューションは、Ivanti NeuronsプラットフォームおよびIvanti Neurons for ITSMと統合されています。そのため、すでに導入済みのツールを活用して、貴社の人事チームとファシリティチームが高度なサービス提供へ移行できるよう支援できます。

この記事は当初、HR.comに掲載されました。