IT サービス管理 (ITSM) におけるエージェント AI

ITSM 向けエージェント AI は、推論 (LLM) とオーケストレーションされた実行を組み合わせてシステム全体のインシデントを自律的に解決し、L1/L2 チケット件数を最大 60 ～ 80% 削減すると同時に、MTTR とサービス品質を向上させます。

ITSM におけるエージェント AI の役割とは

ITSM 向けエージェント AI は、サービス デスクが待ち望んでいた運用上の変革を実現します。 人間が最後のボタンをクリックしなければならない単なる生成 AI のレイヤーの 1 つではありません。人間の監視を最小限に抑えながら、インシデントをエンドツーエンドで検出、診断、解決するクローズドループのエージェント AI システムです。

基本的な会話型 AI チャットボットを導入したのに解決策の草案しか作成されず、技術者が 5 つのシステムにログインして実行しなければならないことに不満を感じているとしたら、エージェント AI による ITSM がそのギャップを埋めます。

インテリジェンス レイヤーが問題について徹底して推論し、自律的な AI エージェントを搭載した実行レイヤーが、オーケストレーションされたポリシー準拠の自動化によって問題を解決します。 この 2 つが組み合わさることで、IT 運用は受動的なサポート機能から自律的な解決エンジンへと変貌を遂げます。

なぜエージェント AI が次世代 ITSM の象徴なのか

従来の IT サービス管理は設計上、受動的です。 サービス デスク、変更ワークフロー、インフラストラクチャ監視など、どのレイヤーも依然として手動介入に依存しています。 ユーザーがチケットを作成すると、技術者が L1/L2/L3 の階層でトリアージし、手動でクローズします。

従来型の ITSM における AI や単独の RPA に投資した組織でさえ、同じ壁にぶつかっています。Bot はフロントエンドの会話を処理しますが、バックエンドの実行は依然として人間のエージェントが担っているのです。

データによると、コストは明らかです。IT リーダーの 60% 以上が、IT サービスの改善よりもトラブル対応に多くの時間を費やしていると報告しており、サポート リクエストの 59% はアカウントのロックアウトのような日常的な業務に関するものです。これらは繰り返し発生し、件数が多く、完全に自動化可能です。

エージェント AI は、エージェント プロセス オートメーション (APA) を通じて運用モデルを再定義します。 APA は、推論レイヤー (意図を解釈して適切なアクションを決定する AI エージェント) と実行レイヤー (システム全体でオーケストレーションされた自動化と RPA Bot がそのアクションを実行する) を統制された境界内において接続するエンタープライズ フレームワークです。 推論のための AI モデル (LLM) とオーケストレーションされた実行を組み合わせることで、エージェント AI は、エージェントがリクエストを理解し、スタック内のあらゆるシステムでそれを解決できるようにします。

APA では、グローバルなプロセス インテリジェンスが従業員の意図を解釈し、オーケストレーションによって専門的な AI エージェントとインテリジェント オートメーション コンポーネントのワークフローを調整することができます。 IT チームの役割はチケット解決者からエージェントの管理者へと変化します。ポリシーを設定し、人間と AI のコラボレーションを管理して、残りの業務はオーケストレーションされたエージェント AI レイヤーに任せることになります。

ITSM におけるエージェント AI の活用: 9 つの戦略的柱

1. AI を活用した従業員のセルフサービスとインシデントの自動解決

これこそ MTTR の真価が示されるところです。 AI エージェントは、プロアクティブにリアル タイムでシステムを監視し、過去のインシデント データを活用して、問題が発生するとすぐに解決します。 APA は、エージェント、Bot、API からなる専門チームを編成し、アクセス権のプロビジョニング、パスワード リセット、ソフトウェアのリクエストなど、従業員からのリクエストを Slack や Microsoft Teams (従業員の 35% が IT とのやり取りに好んで利用しているチャネル) 内にて、エンドツーエンドで数分以内に処理します。

同じモデルがリアクティブなインシデントにも対応します。サーバーの過負荷が検出されると、エージェントが問題について推論し、ユーザーがチケットを作成する前に、オーケストレーションされた実行によって自動修復をトリガーします。 L1/L2 の問題については、検出から解決まで人手を介さずに済みます。

ビジネス価値:

• 頻繁に発生するリクエスト カテゴリに関するサービス デスクへの問い合わせ件数を削減し、従業員の既存のワークフロー内で必要なタイミングで解決策を提供します。
• MTTR をすぐに短縮し、インシデント 1 件あたりのコストを削減し、人員を増やすことなくインシデント処理能力を拡張します。

2. 重大問題のプロアクティブな予防と検出

受動的な ITSM は最初のチケットを待ちます。 ITSM 向けエージェント AI は、Splunk、Datadog、New Relic などの監視プラットフォームと統合し、テレメトリ信号を関連付けて、深刻化する前に異常を検出します。 このプロアクティブな管理によって問題を背後で解決することで、高いサービス品質が維持されます。

ビジネス価値:

• サービス デスクを消火チームから防火チームへと変革します。
• SLA 違反のリスクと評判への影響を低減します。

3. 問題の自動特定

インシデント管理とは症状を修正することですが、問題管理では根本原因を排除します。

エージェント AI エージェントは、CMDB 内のインシデント、サービス リクエスト、構成アイテム (CI) 全体のパターンを分析します。 例えば、複数のユーザーがソフトウェアのアップデート後にパフォーマンスの低下を経験しているなど、パターンが根本的な障害を示す場合、AI エージェントは Bot を呼び出して ITIL 用語で問題レコード (PRB) を作成し、調査対象としてフラグを立てます。

このプロセスでは、手作業による関連付けは一切不要であり、アナリストがログを精査する時間も必要ありません。

ビジネス価値:

• 症状だけでなく、根本的な原因に対処することで、再発するインシデント件数を削減します。
• パターンが出現してから人間がそれに気づくまでの平均検出時間 (MTTD) のギャップを解消します。

4. AI による根本原因分析

PRB の作成はスタートであって、ゴールではありません。 AI エージェントはログをスキャンし、テレメトリを関連付け、影響を受けた CI をマッピングし、過去のインシデントを相互参照して、何がなぜ故障したのかを突き止めます。これにより、手作業で何時間もかかる再構築作業が短縮されて、構造化されたエージェント生成の RCA が数分で提供されます。

複数システムに障害が発生した場合、エージェントは完全な依存関係チェーンを追跡し、サービスとユーザー全体への影響経路を PRB レコードに直接記録します。

ビジネス価値:

• インシデントの検出から根本原因の特定までの時間を数時間から数分に短縮します。
• 一貫性があり監査可能な RCA ドキュメントを作成し、ナレッジ ベースに情報を提供して、今後の変更リスク評価に役立てます。

5. 動的 (オンザフライ) 解決

標準的ランブックは、標準的でない環境では機能しません。 オーケストレーションされた AI エージェントは、利用可能な ITSM と統合エンドポイント管理 (UEM) API を横断的に推論して安全な解決パスを見つけ出し、適応型ワークフローをリアル タイムで実行します。デフォルトのスクリプトが失敗した場合でも、統制されていて監査が可能な自動化として実行します。

ビジネス価値:

• 静的な自動化を維持する運用上の負担を解消します。
• 複雑で特殊なケースのインシデントにおける、初回対応での解決率を向上させます。

6. 人間と AI のコラボレーション: サービス デスクのアシスタント

人間の監督が必要なインシデントに対しては、AI エージェントがリアルタイムのコパイロットとして機能します。 AI エージェントはチケットをトリアージし、関連するナレッジ ベース記事を抽出し、パーソナライズされたサポートを提案します。

また、エンドユーザーの感情にも適応し、フラストレーションがリスクを示唆している場合には優先度を引き上げます。 終了時には、AI アシスタントが RCA のドラフトを作成し、解決メモからナレッジ ベース記事を自動生成します。

ビジネス価値:

• 技術者をドキュメント作成作業から解放します。
• 複雑なインシデントの処理時間を短縮し、解決の一貫性を向上させます。

7. ナレッジ ベースの自動生成

エージェント AI は、ナレッジ ベースを生きたシステムとして扱います。 インシデントが解決されるたびに、新たなトラブルシューティング手順が自動的にナレッジ ベースにフィードバックされ、チケット データからナレッジ ベース記事が自動生成されます。

ビジネス価値:

• 問題解決スピードの向上度が時間とともに増大します。システムはインシデントが発生するたびに目に見えて高速化します。
• チーム固有の知識への依存や、シニア スタッフが離職した際の生産性低下を軽減します。

8. AI エージェントによる統合エンドポイント管理 (UEM)

デバイス群が拡大するにつれて、手作業によるパッチ管理は維持できなくなります。 APA は、エージェント AI をオーケストレーションし、Nexthink、Intune、Jamf などの UEM プラットフォームとネイティブに統合することで、コンプライアンス違反のデバイスをプロアクティブに検出し、インシデントとして表面化する前にセキュリティ プロトコルを適用します。

ビジネス価値:

• グローバルに分散したエンドポイント全体で、ポリシーとその適用の間におけるギャップを解消します。
• 手作業によるコンプライアンス チェックを必要とせず、セキュリティの脆弱性への露出を低減します。

9. AI 主導の変更管理

すべての変更には、影響範囲リスクが伴います。 自律型 AI エージェントは、提案された変更を現在のネットワークの健全性、アクティブなインシデント データ、過去の変更成功率と照らし合わせて分析し、リスクを評価して最適なメンテナンス期間を提案します。

リスクの低い定型的な変更は自律的に実行できますが、リスクの高い変更については、人の介入前に、詳細なリスク概要とともにフラグが立てられます。

ビジネス価値:

• 変更の失敗率を低減し、失敗したデプロイメントをロール バックする際の MTTR コストを削減します。
• 変更諮問委員会 (CAB) に、直感的な評価ではなくデータに基づいたリスクのコンテキストを提供します。

実際の影響: ITSM におけるエージェント AI

ITSM、ITSD、AIOps の各レイヤーにエージェント AI を導入している企業は、従来の自動化では決して実現できなかった成果を報告しています。

• IT サポート リクエスト全体における 84% の自動解決率
• 63% の運用コスト削減
• AI 活用のインシデント クラスタリングによりアラート ノイズを最大 90% 削減

ガバナンス、セキュリティ、人間参加型

CIO は共通して、本番環境における自律的な意思決定に関心を持っています。 それを実現する答えはアーキテクチャにあります。実行レイヤーは決定論的です。 AI エージェントは意思決定に向けて推論しますが、ガバナンスされた自動化が、事前承認された境界内でそれを実行します。

• ログに記録: 完全な監査証跡
• ポリシーに基づく: 定められたガードレール内で
• 可逆的: ロールバック機能を内蔵

まとめ: IT の未来を受け入れる

エージェント AI は、既存の ITSM プラットフォームの単なる機能アップグレードではありません。 IT デリバリーのための新しい運用モデルなのです。

ITSM 向けエージェント AI に関するよくある質問

ITSM 向けエージェント AI の例にはどのようなものがありますか?

直接的な例としては、パスワード リセットやソフトウェア プロビジョニングのような日常的業務のための自律的な L1/L2 解決などがあります。

エージェント AI はレガシー IT システムと連携できますか?

はい。 エージェント AI は、Jira Service Management、ServiceNow、またはレガシー メインフレームなどのシステムの上位に位置するインテリジェンス レイヤーとして動作します。

本番環境で AI エージェントを保護するにはどうすればよいですか?

セキュリティは、ポリシーに基づいた実行、データ ガバナンス、そして完全な監査ログを通じて維持されます。

エージェント AI は IT スタッフの配置と役割にどのような影響を与えますか?

IT チームは反復的な作業から解放され、スタッフは戦略的な取り組みやサービスの改善に集中できるようになります。