現代的なオフィスで、デスクに座ってノートPCで作業している人物。近くには書類とノートがあり、背景では別の人物が作業している。

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。