エージェント型AIはさまざまな業界で大きな注目を集めており、ITSMを変革する可能性は否定できません。エージェント型AIの機能に関する話題が広がる中、自動化されたインシデント管理、自動化された変更リスク分析、サービスデスク自動化による効率向上、予測メンテナンスによるサービス品質向上などによって、ITSMプロセスを効率化することを思い描いているかもしれません。しかし同時に、「これらはどこまで現実的なのか」「自社は本当にエージェント型AIに対応する準備ができているのか」と考え始めることもあるでしょう。

私の見解では、ほとんどの組織にとって、その答えは「いいえ」です。

誤解しないでください。多くの組織はこうした議論に耳を傾け、長期的なメリットの可能性に強い関心を持っています。また、エージェント型AIを適切に実装できる準備が実際に整っている組織もあるでしょう。

意欲はあっても準備不足：多くの組織がエージェント型AIにまだ対応できていない理由

組織の準備が十分ではないと考える理由は、エージェント型AIを最適に機能させるには、質の高いクリーンなデータ、明確に定義されシームレスに自動化されたワークフロー、そしてエージェント型AIの運用対象となるすべてのシステムを横断する包括的かつ柔軟な統合が必要だからです。

クリーンで統合されたデータの重要性は、他のテクノロジーベンダーによるデータ管理企業の買収にも表れています。特に注目すべき例が、SalesforceとInformaticaです。照合され、正規化されたデータは、AIエージェントにとって最良の判断材料となり、最適な成果と最も正確な情報の提供を可能にします。

常に検討すべきことがあります。AIエージェントは貴社と組織にどのような価値をもたらすのか。自律型業務への道のりはワークフローによって実現できるのか。AI分野のリーダーであるAnthropicでさえ、可能な限り最もシンプルなソリューションを使用することについて述べており、複雑な要件に対してのみAIエージェントを実装することを推奨しています。場合によっては、エージェントは事前構築済みのワークフローよりもコストが高いだけでなく、効率も劣ることがあります。

今日の準備が、明日のエージェント型AIを実現する

エージェント型AIの活用を検討する際には、確認すべき要素がいくつかあります。計画と準備を行うことで成功に近づくことができ、このチェックリストはその道のりを進めるうえでの指針となります。

計画

エージェント型AIへの取り組みを始める際は、サービス管理環境にエージェント型AIを導入する目的を明確にし、それが組織全体の目標と整合していることを確認します。一般的な目標には、次のようなものがあります。

  • 反復的で時間のかかるタスクを自動化し、ITスタッフの負担を軽減する。
  • インシデント解決のスピードと正確性を向上させる。
  • シームレスな自動リクエスト対応により、エンドユーザーエクスペリエンスを向上させる。

目標を定義したら、成功とはどのような状態で、それをどのように測定するのかを考えます。これは期待値や定義した目標によって異なりますが、一般的な指標には次のようなものがあります。

  • AIによって正常に自動化されたタスクの割合。
  • 手作業のタスクと比較した、AIが処理したタスクにおけるエラーの減少。
  • ユーザー満足度スコア（CSAT）。
  • AI主導のセルフサービスソリューションを選択するユーザーの割合。
  • AIを使用したチケット解決の平均コストの削減。
  • AIによる対応後に人間のエージェントへエスカレーションされたインシデントの割合。

関連コンテンツ：AITSM：AIがITサービスデスク自動化を再定義する方法、Ivantiのデジタル従業員エクスペリエンス調査レポートシリーズの一部

データの準備

サービス管理の文脈では、CMDBや資産リポジトリなどITSMに直接関連するデータソースを含め、多くのデータソースが必要になる場合があります。対象がより広い企業全体に広がるにつれ、CRM、人事、施設、財務、その他の部門からのデータも必要になる可能性があります。

データの取得元がどこであっても、次の点を検討する必要があります。

  • データ品質は信頼できるか。データには一貫性があるか。情報の正確性はどの程度か。既定値として考慮すべき、より信頼性の高いソース（またはマスター）はあるか。多くの場合、複数のシステム間でデータに一貫性がなく、AIエージェントが十分な情報に基づいて意思決定することが難しくなります。
  • データにはどの程度アクセスしやすいか。データソースはいくつあり、APIによる統合が必要になるか。データソースは最新の状態に保たれているか。
  • CMDBはエージェント型AIで使用できる状態になっているか。CMDBに重要なCIが含まれているか。そしてより重要なのは、その関係性と情報がどの程度最新であるかです。
  • データプライバシーに関するコンプライアンスを遵守する必要があるか。GDPR、CCPA、その他のデータ保護規制を遵守する必要があるか。規制によって、機微データを匿名化し、国内に保持することが求められる場合があります。

定義済みワークフローと自動化

高品質なデータが不可欠であるだけでなく、タスクを推進する適切に機能するワークフローを備えることも、エージェント型AIを成功させるうえで重要な要素です。場合によっては、既存のワークフローをエージェント型AIプロセス内で再利用できますが、AIエージェントのリクエスト／レスポンス要件を満たすために、一部のワークフローを変更する必要があります。

ワークフローについて検討すべき点は次のとおりです。

  • ワークフローはAIエージェントが利用できる状態になっているか。既存のワークフローは、AIエージェントがワークフロー全体を活用して正確な結果を提供するうえで、最も効果的な構造になっていない可能性があります。
  • ワークフローは組織内のデータのみを扱うのか、それとも外部データソースへのアクセスが必要になるのか。外部データソースにアクセスする場合、応答内のデータのセキュリティと正確性を確保するために、どのようなセキュリティ対策が講じられているか。
  • すべてのAIエージェントと関連ワークフローで監査証跡を有効にし、AIのアクションと判断を記録・監視できるようにします。これによりAIの正確性を確保でき、コンプライアンスやセキュリティ上の問題が発生した場合にも活用できます。

ガバナンスとコンプライアンス

先ほど、データに関するコンプライアンス要件と、規制要件または法定要件を満たす必要性について説明しました。責任ある、安全で信頼できる応答とアクションを提供するためには、ガバナンスとコンプライアンスを組織内のAIエコシステム全体にも適用する必要があります。

検討すべき点をいくつか挙げます。

  • 組織内でAIをどのように使用するかに関するポリシーを定義し、データ保護と倫理的配慮の評価に責任を持つ担当者またはチームを割り当てます。
  • 規制上または法定上のコンプライアンス基準がAIワークフロー全体で理解され、満たされていることを確認します。たとえば、AIエージェントが健康関連データや欧州のユーザーから収集されたデータにアクセスする必要がある場合は、HIPAAとGDPRの両方を考慮する必要があります。
  • 環境全体にわたる潜在的なリスクを特定し、AI導入に関連するリスクを入念に軽減します。

テストと検証

エージェント型AIへの取り組みは、管理された環境から開始します。パイロットプログラムを設定して機能をテストし、目標に照らして測定するとともに、ユーザーからフィードバックを収集します。調整や強化のために、継続的改善プログラムを整備しておくことが重要です。AIが学習し調整するまでには時間がかかる場合があるため、良好な結果を得るには忍耐も必要です。常に監視し、必要に応じて調整し、問題や障害に対処するためのプロセスを定義してください。

エージェント型AIは革命ではなく進化である

AIに関する議論は至るところで行われており、組織の関心は高い一方で、どのように進めるべきか、自社にとって何が最適かについては、多くの組織が当然ながら慎重な姿勢を保っています。ここ数年で見てきたように、AIは生成型からエージェント型へと非常に速いスピードで進化してきました。新興テクノロジーに対応し、将来の機能強化に備えて計画することが重要です。

Ivantiは、お客様の成長を支援できるAI機能を備えた有力なポジションにあります。AI活用の取り組みに向けてIvantiが提供できる価値について詳しくご覧ください。