2022/9/6 - 読み終える時間: ~1 分

各種イベント用意しています。詳細はイベントページをごらんください。

Cover Image

ITSMにおけるAgentic AI：サービスマネジメントの変革
2025/6/27 - 読み終える時間: 11 分

Agentic AI in ITSM: Transforming Service Managementの翻訳版です。

2025年4月2日
Jenix Ravindran
プロダクトマーケティングマネージャー

はじめに：サービスマネジメント進化の軌跡

過去10年間で、サービスマネジメントのデジタル領域は、自動化と人工知能（AI）の波により劇的に進化してきました。かつては手動作業とシンプルなチケット管理が中心だった世界が、今まさに「Agentic AI」の登場によって、新たなパラダイムシフトを迎えようとしています。
Agentic AIとは、ITやカスタマーサポート、設備管理、人事など、さまざまな業務領域におけるサービスの提供と管理のあり方を根本から再定義するテクノロジーです。
従来のサービスマネジメントは、標準化と最適化を重視し、ルールに基づくプロセス運用が基本でした。
しかし、自動化ツールの登場により、定型業務の処理は格段に効率化され、さらに生成AI（Generative AI）や対話型AI（Conversational AI）の発展により、コンテンツ生成やユーザー対応の精度も向上しました。
しかし、意思決定や複雑な問題解決には依然として人間の介入が不可欠という課題がありました。
この課題を解決すべく投稿したAgentic AIは、ITサービスマネジメントの新たなフロンティアを画しています。Agentic AIは、過去の成果から学習し、自律的に判断・実行することが可能なAIです。
この技術革新は、インシデント管理、サービス提供、業務効率化、戦略的計画におけるアプローチを抜本的に変えようとしています。

Agentic AIとは：既存のAI技術との違い

生成AIと対話型AIを超えて

これまでにもさまざまな形でAIは活用されてきましたが、完全に自律的なAIは存在しませんでした。
生成AIはコンテンツを生み出し、対話型AIはユーザーとの会話をサポートし、予測AIは過去データから洞察を導き出しますが、いずれも「ツール」としての域を出ず、最終的な判断や行動は人に委ねられてきました。
それに対して、Agentic AIは「自ら考え、決断し、行動する」AIです。
例として、これまでのAIがカーナビのように道順を案内する役割だったのに対し、Agentic AIは自動運転車のように、状況を読み取りながらリアルタイムで障害を避け、目的地へと向かう存在です。

AIの種類 主な機能 限界 ユースケース例
生成AI 入力プロンプトに基づきコンテンツを生成 意思決定ができない レポート作成、ドキュメント生成など
対話型AI 自然言語による対話を実現 対応は基本的に受動的 質問対応、トラブルシューティング支援など
予測AI 過去データを分析し洞察を提供 行動には人の理解・判断が必要 顧客満足度予測、リスク評価、分類など
Agentic AI 自律的に判断・実行する ガバナンス設計が必要 インシデントの解決、リソースの最適化

生成AI：創造性に富んだコンテンツ生成のツール

生成AIは、テキスト、画像、コード、データパターンなどのコンテンツを、プロンプト（入力指示）と学習済みのパターンをもとに生成します。
人間が作成したかのような自然で洗練されたアウトプットを高精度に生み出すことが可能です。ただし、このAIはあくまでツールであり、自律的に判断や行動を起こすAIエージェントではありません。

対話型AI：人とシステムの自然な対話を実現

対話型AIは、自然言語を通じて人と機械のやり取りを可能にする技術です。
ユーザーの質問を解釈し、適切な情報を提供したり、プロセスを案内したりします。ただし、その対応はあくまで人間側の明示的なリクエストに基づくものであり、主体的に業務課題に対応することはありません。

予測AI：過去のデータから未来を読み解く

予測AIは、トランザクションやイベントの履歴を学習することで、将来の傾向や結果を予測します。
例えば、新しいトランザクションやイベントに対するインシデントの分類、一次対応完了率、変更リスクや成功率、顧客満足度の予測などが可能です。
ただし、最終的な判断とアクションの実行には人の関与が不可欠であり、予測AIはその支援役として機能します。

Agentic AIの“真の自律性”でサービスマネジメントを再定義

従来のAIが人間の補助ツールであるのに対し、Agentic AIは、組織の目的と制約を踏まえ、自律的に意思決定・実行する能力を備えたAIです。これにより、サービスマネジメントの在り方は根本から変わろうとしています。

独立した意思決定:

人間の指示がなくても、Agentic AIは状況を分析し、選択肢を検討したうえで、最適な行動を選択し、組織のビジネス目標やポリシーに沿った判断が可能

  • プロアクティブな介入: 常時システムやプロセスを監視し、問題が顕在化する前に兆候を察知。サービスへの影響を未然に防ぐための措置を自律的に講じる
  • 学習と適応: 自身のアクション結果を評価し、意思決定アルゴリズムを継続的に改善し、業務環境の変化に即した最適な対応を、再プログラミングなしで実現
  • エンドツーエンドのプロセス実行: 複雑なワークフロー内の単一タスクの処理にとどまらず、複数システムや領域をまたぐ一連の業務プロセスを自律的に統合・実行し、問題の検知から解決までを一貫して担うことが可能

日常業務における「Agentic AI」の差別化された強み

その真価は、実際の業務プロセスにおいて明確になります。
生成AIは、一般的なネットワーク問題を解決するための手順書を作成したり、サービスパフォーマンスに関するレポートを自動生成することができます。対話型AIは、ユーザーにトラブルシューティングの手順を誘導したり、予測AIは将来の傾向やリスクを示唆してくれます。
一方で、Agentic AIはそのさらに先を行きます。
ネットワークパフォーマンスを常時監視し、接続品質の低下を自動で検知。必要に応じてルーティングプロトコルの再構成や、アプリケーションの優先順位に基づいたサービス品質パラメータの調整を実行。さらに、これらの変更内容をすべて構成管理データベースに自動で記録し、これらすべてを人間の介入なしに実行するのです。
この自律的な能力を持つAgentic AIは人間の役割を「作業実行者」から戦略的な監督者へと進化させ、業界全体のサービスマネジメントの運用モデル自体を根本的に変革します。

ITサービスマネジメントにおける「Agentic AI」のインパクト

インシデント解決の変革

従来のITサービスマネジメントでは、インシデント対応は「受け身」で行われてきました。ユーザーが問題を報告し、サービスエージェントが記録・分類・エスカレーションし、対応完了までに数時間から数日かかることも珍しくありません。
組織は通常、従来の環境でのインシデント解決にかなりのITリソースを投入していました。
これにより初期の自動化によって初動対応の時間は短縮されましたが、診断や解決は依然として手動対応が必要だった過去があります。
Agentic AIは従来の考え方に革命をもたらします。問題の早期検知・診断・自動解決を高度に実現することで、既知の問題に対しては人の手を介さずに完全自律で対応できるようになります。

実例： データベースパフォーマンスの低下がアプリケーションの応答時間に影響を与えている場合

Agentic AIの対応：

  • 異常を自動で検知し、クエリパターンを分析し、非効率な実行プランを特定
  • 最適なインデックスを作成・テストし、解決策を実装し、パフォーマンス改善を検証
  • ユーザーに影響が出る前に人間の介入なしに修正し、イベントとアクションフローの処理過程はすべてログとして記録し、追跡可能性を確保

サービスデスク業務の強化

従来のサービスデスクでは、人手によるチケット対応が基本であり、応答のばらつきや待ち時間の長さが課題でした。ファーストレベルの解決率も受信した要求の一部しかカバーしておらず、標準的なインシデントでも解決まで数時間かかるケースが一般的です。
Agentic AIはこの仕組みを根本から変えました。
今では、IT・人事・施設管理・財務といった領域におけるルーチン対応をエンドツーエンドで自律的に処理できます。

実例： 従業員が手動のリクエストプロセスにより、マーケティング分析プラットフォームのアクセス申請に手間がかかっていたケース

Agentic AIの対応：

  • ユーザーの役割とコンプライアンス条件を自動確認し、適切なアクセス権限を即時で付与
  • 従業員にアクセス手順を通知し、コンプライアンス記録としてログも自動保存 → 数分以内に全処理を完了、人手は不要

ナレッジマネジメントの変革

従来のナレッジマネジメントは静的な文書化、手作業による更新なので品質に大きなばらつきがありました。
ナレッジ記事は頻繁に古くなり、その品質は作成者の専門知識によって大きく異なります。多くの組織は、ナレッジベースの正確な情報を維持することに課題を抱えており、ナレッジの維持管理には多くのリソースの割り当てが必要であると報告しています。
Agentic AIはこの課題に対して、自己維持型のナレッジエコシステムを構築することで、ナレッジマネジメントに変革をもたらしました。これらのシステムは、成功した解決策や新たなパターンに基づいて、AI自身がナレッジ記事を自動的に生成・検証・更新します。

実例： 進化する解決技術に伴い、ナレッジ記事の作成または更新が必要になったケース

Agentic AIの対応：

  • 特定の同じソフトウェア問題に対する複数の成功事例をもとに、包括的なナレッジ記事を自動生成
  • 最新のケースに照らし合わせて内容を検証し、検索性を最適化し、ユーザーとサポートスタッフの両方が利用できるようにする
  • 解決方法が進化すれば、システムは人間の介入なしに記事を自動で随時更新

進化型の変更管理

標準的な変更管理では、正式なリクエスト、複数レベルの承認、およびスケジュールされた実装期間による制御が重視されてきました。これはリスクを低減する方法ですが、運用上のかなりの摩擦を生み出します。
この方法では、企業環境において、重要な変更の実行が延期されることが多く、時には数日または数週間に及ぶこともあります。
Agentic AIはこの仕組みを継続的・自律的な改善プロセスへと変革します。
最新のシステムは、最適化の機会を独自に特定し、実行戦略を策定し、実行と結果の継続的な監視まで最小限の人手で完結。従来のアプローチと比較して、AIによる変更管理を導入している組織は、改善実施の回数が増え関連インシデントは減少する傾向が明確に見られます。

現場での活用シナリオ：ネットワークルーティング設定を最適化するための手作業による分析と実装。

従来の課題：

ネットワークルーティングの最適化には、トラフィック分析や構成変更の設計・実装が必要で、専門家による手動対応に大きく依存していました。

Agentic AIによる変革：

  • 数週間にわたってトラフィックパターンを継続的に観測後、Agentic AIシステムはルーティング構成を最適化する機会を特定
  • 自動的に実装計画を策定し、低トラフィック時間帯を選んで変更をスケジュールし、現在の構成のバックアップを作成
  • 変更前の構成をバックアップしつつ、段階的に構成を実装
  • パフォーマンス指標を監視しながら変更を段階的に実装し、プロセス全体を構成管理データベースに文書化

資産および構成管理の進化

従来の資産管理は、定期的な手作業による棚卸しや構成の追跡が行われていましたが、これらはすぐに時代遅れになってしまいます。
従来のアプローチを使用している組織は、全体データの正確性や網羅性に課題を抱えていました。結果として、コンプライアンス違反や運用リスクが発生しやすい状況でした。

Agentic AIによる進化：

  • 環境全体にわたる自動かつ継続的な資産発見と関係性マッピングを実現
  • リアルタイムで資産や依存関係、構成を把握
  • 使用状況とビジネス優先度に基づき、資産のライフサイクル最適化を自動で実行

実例： ハイブリッドクラウド環境全体におけるリソースの未活用や負荷の偏りがある場合

Agentic AIの対応：

  • ハイブリッドクラウド環境全体のサーバーパフォーマンスや利用パターンを常時モニタリング
  • 未活用リソースを検出し、自動的にワークロードを再配分
  • 所定のスケジュールではなく、実使用状況に応じてハードウェア更新時期を見直し、コストとパフォーマンスを最適化

オペレーショナルインテリジェンスと継続的改善

従来の分析ツールは、過去のデータに基づくレポートが中心で、リアルタイムの最適化には限界がありました。
Agentic AIは、リアルタイムでのパターン分析・改善提案・自動実装を可能にし、オペレーショナルインテリジェンスを新たな次元へと引き上げます。

実例： アプリケーションパフォーマンスを最適化するためには、テクノロジースタック全体で継続的な手動調整が必要な場合

Agentic AIの対応：

  • アプリケーションのパフォーマンスをリアルタイムで監視し、最適化の機会を特定
  • データベースクエリ最適化、キャッシュ設定、負荷分散、リソース割り当てなどを自律的に調整
  • 中断を伴わない段階的な最適化で、パフォーマンスを着実に向上

ステークホルダー別の戦略的メリット

従業員・エンドユーザー向けの価値

Agentic AIは、組織全体の従業員とエンドユーザーのサービス体験を変革しました。従来のサービスモデルでは、対応の遅さ、サポート品質のばらつき、複雑なサービス構造プロセスがユーザー体験を損なっていました。今日のAgentic AIは、これを根本から再構築します。

  • 即時対応： 以前は数日かかっていた一般的なリクエストが、今では瞬時に処理・解決され、従来の待ち時間が完全に解消
  • 一貫性のある体験： 対応者やチャネルによるサービスの質の差が解消
  • 能動的なサポート： 最悪のタイミングで発生するシステム障害も、発生前に未然に解決し、スムーズな業務フローを維持
  • コンテキスト保持： システムはインタラクション全体で完全なコンテキストを維持するため、情報を何度も繰り返したり、問題を何度も説明したりする煩わしさがなくなる
  • 24時間365日グローバル対応：地理的およびタイムゾーンの制約がなくなり、いつどこでサポートが必要になっても一貫したサービス品質が提供可能

1日の業務に見るAgentic AIの価値

マネージャーの場合

マーケティングマネージャーのサラが、重要なクライアントミーティングの前に、プレゼンテーションソフトウェアに潜在的な問題が発生したと気づきます。
しかし、彼女が問題を報告する前に、Agentic AIが不具合を検出し、根本的なドライバーの競合を特定し、修正を実施。数分以内に通知が届く頃には問題はすでに解決済み。準備は中断されることなく完了。

サービスデスク担当者の場合

サービスデスクアナリストのマークは、かつてはパスワードリセットや基本的なトラブル対応に追われていました。
今では、Agentic AIが日常的な業務を処理し、彼の問題解決スキルと技術的専門知識が大きく貢献できる、より複雑なアプリケーション統合や技術課題に集中できるようになった。
Agentic AIシステムはさらに、彼のスキルに応じた学習コンテンツを提案し、キャリアの成長も後押しします。
サービスデスクの専門家は、日々の業務において最も深い変革を経験しています。
Agentic AIを導入している組織のエージェントは、従来の環境と比較して、仕事の満足度が高く、離職率が低い傾向にあります。

この変革のポイント：

  • サービスデスクエージェントは、人間の創造性と批判的思考を真に必要とする複雑な課題に集中
  • AIが状況に応じた解決策や背景情報を提示し、効率的な対応を支援し、時短となる
  • エージェントの経験に基づいて、キャリア目標と組織のニーズに合ったパーソナライズされたスキル育成を実現 問題解決に必要な情報を、必要なタイミングで提供し、サービスエージェントが問題をより迅速に解決するのに役立つ

サービスマネジメント者の場合

サービスデリバリーマネージャーのジェニファーは、以前はリソース調整やコンプライアンス文書の確認に何時間も費やしていました。
今ではサービス戦略と体験設計に集中しています。Agentic AIが人材スケジュール管理とコンプライアンス文書の処理を代行するため、彼女は大幅な時間節約を実現しています。
また、Agentic AIは将来的な需要を予測するインサイトも提供するため、ジェニファーは将来のサービスニーズを効果的に計画できます。
手動承認やリソース調整に埋もれる代わりに、ジェニファーのような管理者は、AIがルーティン作業を処理する間、大きな視点での戦略に集中できるようになるでしょう。

得られるメリット：

  • ワークロードのバランス最適化と予測型リソース配分によるダイナミックな最適運用、手動介入なしに最適なサービス提供を実現
  • サービス活動の継続的モニタリングと文書化による最小限の管理負荷で自動コンプライアンス管理
  • サービスカタログ/ワークフロー管理の自動化と利用パターンおよび結果に基づく継続的な最適化により、サービスマネジメントの簡素化
  • 高度な分析による予測的な洞察により、管理者は過去のパフォーマンスの事後報告ではなく、能動的なアプローチを採用可能

意思決定者の場合

CIOのマイケルは、従来は安定運用とイノベーション推進のバランスに苦慮していました。
しかし今では、Agentic AIが基幹サービスの安定運用をリアルタイムで支援してくれるため、マイケルとそのチームはデジタルトランスフォーメーションに注力できるようになりました。
さらに、AIが提供する包括的なインサイトにより、リソース配分や戦略的な意思決定をより的確に行えるようになっています。
サービスマネジメントのために高度なAIを導入している組織は、運用コストを削減しながら、サービス品質とビジネスの俊敏性を向上させることができます。

主な利点：

  • ルーティン業務をAIが処理することで、イノベーションや戦略的施策へのリソース配分が可能に
  • 能動的な問題の予防と自動対応による運用レジリエンスの向上
  • 高度なインサイトに基づいた戦略的計画と投資判断の高度化

導入における限界と課題

Agentic AIは著しい進歩を遂げていますが、いくつかの重要な限界が残っています。

技術的制約

  • 複雑な例外ケース： 類似の履歴が乏しいケースでは、依然として自律システムにとって課題であり、人間による介入が必要
  • ドメイン横断的な推論の難しさ： 人間のように複数の知識領域を統合的に判断するのは依然困難
  • 説明責任の課題： AIの判断根拠が分かりにくい場合があり、透明性や信頼性に影響

組織の準備状況

  • レガシーとの統合： 古いツールや旧システムの複雑に絡み合う既存環境へのAI連携は依然として大きな導入障壁
  • データ品質の問題：一貫性のない、 不完全な、または不正確な履歴データがAI性能に悪影響を及ぼす
  • 文化的適応： 人間中心からAI主導の運用へと移行するには、組織文化の転換が不可欠

業界別の配慮点

  • 医療分野： 患者の安全性と規制対応の観点から、厳格なガバナンスと監視システムが必要
  • 金融サービス： 取引の透明性やコンプライアンスの確保には高度な監査体制が必要
  • 製造業：物理的な機器を伴う複雑な運用環境には、産業用制御システムとの専門的な統合が必要
  • 公共部門： 高い透明性と調達上の制約から、段階的な導入アプローチが必要

HCL SX：Agentic AIの実装を支える実践的ソリューション

ここまでAgentic AI企業サービスマネジメントにおける範囲、メリット、課題を探求した上で、真の疑問は「それを実際にどう導入するのか？」ということです。
当社のHCL SX は、サービスマネジメントプロセスにAIの効率性をもたらすように設計されています。
これは、AI駆動型でノーコード、企業向け対応のサービスマネジメントソリューションであり、デジタル変革を加速し、顧客体験を向上させ、IT領域を超えてサービス保証を強化します。
HCL SXは以下のような機能によって、Agentic AIの企業領域への実装を可能にします：

主な機能と特長

  • 自律型インシデント管理： IT、人事、施設管理の領域で事前定義された実行手順を適用し、状況に応じて柔軟に対応。システムは成功事例から学習し、必要に応じて複雑な問題を人へのエスカレーションも自動化
  • MicroSkilled Agents（マイクロスキルエージェント）： 特定のタスクに特化したAIエージェントが深いドメイン専門知識を用いて精密な対応を保証し、焦点を絞った領域内で継続的に学習し精度を向上
  • 人とAIの協働： 複数のAIエージェントが並行して連携し、複数の領域にまたがる複雑な課題に対処し、AIが独自のシナリオでさらに学習が必要な場合、必要に応じて人間の判断を取り入れながら総合的なソリューションを提供
  • デジタルツイン： インシデントマネージャーやサービスデスクエージェントなどのの特定の役割の専門知識を再現し、役割固有の知識を適用しながら、人間の行動から継続的に学習
  • 動的なワークロード配分： スキル、稼働状況、優先度に応じて最適な作業分配を実現し、チーム全体の対応スピードを向上
  • プロアクティブな問題管理： 能動的なパターン分析により潜在的な問題を予測し、サービスに影響が出る前に根本原因へ予防策を実装

Agentic AI導入を成功させるためのポイント

Agentic AIを効果的に導入するには、既存のガバナンス体制、業務プロセス、システム、コンプライアンス要件とシームレスに統合できることが前提です。
以下は、ITサービスマネジメントにおけるAI実装を成功に導くための「簡易プレイブック」です。

  • 段階的な導入戦略の立案（PoC→限定導入→全社展開）
  • データ品質の確保と統合基盤の整備
  • 業務ごとのAI活用ケースの明確化
  • 人材育成とAIリテラシーの向上
  • ガバナンスと監査の枠組み整備

Agentic AI導入の課題をどう乗り越えるか？

Agentic AIを組織に導入するうえでの最も重要な前提は、既存のガバナンスポリシー、業務プロセス、システム、コンプライアンス要件と自然に統合されることです。
ここでは、ITサービスマネジメントにおけるAI導入を成功させるための基本要素と実践的なアプローチを、プレイブック形式でご紹介します。

1. 既存システムとの統合

Agentic AIの実装には、既存のツールや業務プロセスとの慎重な統合が必要です。組織は以下のことを行うべきです。

  • 現行のサービスマネジメント技術に関する包括的な評価を実施
  • サービス継続性を維持する段階的な統合戦略を策定
  • 相互運用性を促進するために、標準化されたAPIやデータモデルを実装
  • 移行期にはハイブリッド運用の併用も検討

2. ガバナンスと統制の仕組み

自律的に動作するシステムには、組織的な枠組みの中で適切に運用されるためのガバナンスが不可欠です。

  • 自律的な判断の適用範囲（権限）を明確化
  • ログ記録と監査機能を備えた包括的な追跡可能性の実装
  • 例外的な状況に備えたエスカレーション経路を確立
  • 問題の早期発見のためのパフォーマンス監視フレームワークを構築

3. 変更管理とスキル開発

エージェント型への移行は、サービス従事者にとっての大きな変化を伴います

  • ビジョンと導入メリットをタイムリーかつ一貫して伝達
  • 新たな役割と責任に関する包括的なトレーニングの提供
  • 適応とイノベーションに対する評価と報酬制度の設計

4. 倫理・コンプライアンスへの対応

AIが意思決定に関与する場合、組織には重要な倫理的配慮も求められます。

  • 透明性のある意思決定プロセスの確保
  • 機密性の高い、センシティブな判断領域では人間の関与を維持
  • データプライバシーに関する要件への積極的対応
  • 自律運用が業界規制に適合していることを確認
  • 意思決定におけるアルゴリズムのバイアス対策の保護措置を実装
  • 自律的な行動に対する明確な説明責任の枠組みを構築
  • システム進化に応じた業界規制への継続的な準拠を確保
  • 必要時には人間による介入が可能な体制を整備

Agentic AIの技術基盤を理解する

効果的な導入準備を進めるうえで、Agentic AIの技術的な基盤を理解しておくことも重要です。

学習アプローチ

エージェント型AシステムIは、通常、複数の学習アプローチを採用しています：

  • 強化学習： 試行錯誤とフィードバックを通じて最適な行動を学習し、最終的に、明示的なプログラムなしに意思決定能力を改善
  • 転移学習： サービスマネジメントに特化した事前学習済みモデルを活用し、開発の高速化とデータ要件の低減を実現
  • 連合学習： データプライバシーとセキュリティを維持しながら、分散された環境全体でAIモデルを訓練することを含む
  • 継続学習： 手動での再学習を必要とせず、運用データと結果の継続的な分析を通じて、システムが能力を進化させ、機能拡張を実現

データ依存性と品質要件

Agentic AIの効果は、投入されるデータの質に大きく左右されます。

  • 過去のインシデント対応データ： 影響や成功した解決方法の履歴がAIの意思決定の土台に
  • 構成情報：CMDBデータは、システムが運用環境の文脈理解と変更影響の予測を可能に
  • サービスレベル合意（SLA）：または正式なパフォーマンス期待値は、優先順位やリソース配分を導くための基準
  • ユーザーフィードバック（構造化／非構造化）： AIの自己評価とアプローチの改善に活用
  • ナレッジリポジトリ： ポリシー、計画、手順書などの知識資産が、AIシステムに一般的な問題に対処するためのガイドラインと手順を提供

組織のAgentic AI導入準備度を評価する

Agentic AIを効果的に導入するには、組織の準備レベルを正しく把握することが重要です。以下に示す成熟度モデルを使って、その導入準備度を評価してみましょう。

レベル 説明 主な特徴 注力すべき領域
1: 基礎段階 基本的な自動化と標準化が実施されている状態 プロセスの文書化、基本的な自動化ツールの利用 プロセスの標準化、データ品質の改善
2: 統合段階 システムが接続され、高度な自動化が可能な状態 APIによる連携、ワークフローの自動化 システム統合、データガバナンスの強化
3: インテリジェンス 人による監督のもと、AIが業務を支援する段階 予測分析、レコメンデーションエンジンの活用 AI機能の活用、知識管理の推進
4: 自律性 定められた範囲内でAIが独立して運用 自律的な問題解決、自己最適化 ガバナンス体制の整備、スキル変革
5: オーケストレーション エンドツーエンドの自律的サービスエコシステムが実現された状態 ドメインを超えた連携、継続的な適応 戦略的最適化、イノベーションの推進

Agentic AIがサービスマネジメントに与える将来的な影響

AI技術が進化する中、ITサービスマネジメントにおいていくつかの重要なトレンドが浮き彫りになっています。

プロセス自動化から成果最適化へ

従来のサービスマネジメントは、標準化と効率化に重点を置いていたのに対し、Agentic AIは成果の最適化へと焦点を移します。
AIシステムは、単にあらかじめ決められた手順に従うだけでなく、状況や優先順位の変化に応じて、目的達成のために最適な判断と対応を自律的に行うようになります。

人とAIによる協働体制の構築

サービスマネジメントの未来は、AIが人間の仕事を置き換えるのではなく、むしろ、成功する協働フレームワークを構築することにあります。
Agentic AIシステムは日常的な運用を自律的に管理しつつ、人間が複雑な問題解決、イノベーション、関係管理において能力を向上させることを支援します。
この間とAIの協働体制を成功裏に構築できる組織こそが、競争優位性を獲得するでしょう。

クロスドメイン統合の実現

Agentic AIは、従来のようにIT、人事、施設管理、財務などが分断された運用モデルを超え、複数の業務領域を横断する統合的なサービス体験を可能にします。
この統合は、個別の機能要件ではなく、相互に関連するビジネスニーズに対応する、包括的な問題解決とサービス提供を可能にします。

予測型サービスモデルへの進化

AIサービスマネジメントシステムの予測機能が進化するにつれ、潜在的な問題が運用に影響を与える数日あるいは数週間前に、真の予見的なアプローチで対応するようになるでしょう。
これにより、重大な変化や課題が発生しても、継続的なサービス可用性を維持できます。

あなたの組織ではどうですか？

貴社の組織では、AIを活用したサービスマネジメントの導入を検討されていますか？
導入に際して直面している課題や、実際に得られたメリットはありますか？
あるいは、業界におけるAgentic AIのどのような特性に期待や不安を感じていらっしゃいますか？

当社のチームにご連絡ください

Agentic AIが貴社のサービス運用をどのように変革できるか、ぜひ当社のチームと議論しましょう。初期のユースケースを検討中の方も、自律的な機能の拡大を検討中の方も、以下のテーマについて話し合いましょう：

  • 業界特化型の導入アプローチ
  • ガバナンスとリスク評価の枠組み構築
  • 自社環境に即したROI（投資対効果）分析
  • スキル移行・組織変革の計画立案

AI駆動型サービス変革に関する貴社の経験や、パーソナライズされたコンサルティングをご希望の場合は、ぜひ当社までご連絡ください。
注：このブログでは、サービスマネジメントにおけるAgentic AIの現在の能力と将来の可能性を紹介しています。一部の企業は既にAgentic AIの導入を進めている企業もあれば、これから探索を始める企業もあります。
どの段階にあるにせよ、AI主導のサービスマネジメントは確実に未来の標準となるものであり、今こそ準備を始めるべきタイミングです。導入の時期や方法は、組織の準備状況、業界要件、特定のビジネス目標によって異なります。

Cover Image

ワークロード自動化とオーケストレーションの未来：EMA調査が明かす市場の最新動向とインサイト
2025/6/26 - 読み終える時間: ~1 分

The Future of Workload Automation and Orchestration: Exclusive Insights from EMA’s Latest Reportの翻訳版です。

2025年3月5日
Cristina Suchland
統合マーケティングマネージャー（Secure DevOps 担当）

ビジネス効率を高める手段として、デジタル自動化ソリューションへの依存が加速するなか、ワークロード自動化およびオーケストレーションの将来性はますます重要になっています。
こうした進化の背景を正しく理解する一助として、業界有数のアナリスト企業であるEMA（Enterprise Management Associates）は、最新テクノロジーの変革に関する調査レポートを発表しました。
本レポートでは、ワークフローの自動化とオーケストレーションの課題やトレンド、そしてビジネス成功に欠かせないIT運用の最適化について、詳細に言及されています。 さらに、EMAからは当社ソリューションに対する高い評価も寄せられています。
EMAのCOO、Dan Twing氏は、HCLのHCL Automation Orchestration製品について、次のように述べています。
「HCL Universal OrchestratorとHCL Workload Automationは、今日必要とされる基盤機能を提供するとともに、将来のワークロード自動化およびオーケストレーションに向けたロードマップを備えています。
AI主導の回復力、シームレスなワークフロー統合、そしてデジタルエンタープライズに求められるスケーラビリティを実現します。
このような第三者からの評価は、当社が掲げる「絶えず変化するデジタル環境下で、お客様の複雑なニーズと目標に対応するツールを提供している」という主張を裏付けるものです。
HCL Automation Orchestrationは、ビジネスの中核となるプロセスの自動化とオーケストレーションを支援し、お客様の成長とイノベーションを力強く後押ししています。

レポートの概要

本レポートは、さまざまな業界に属する421名の回答者からの洞察に基づいて構成されています。現在のWLA（ワークロード自動化）の状況、直面している課題、そして将来展望を多角的に分析し、プロセス自動化・オーケストレーション・AIとの統合という観点からその役割の拡大に焦点を当てています。さらに、インテリジェントオートメーションの重要性が高まる中で、こうした技術がいかにして変化するビジネスニーズに適応できるかを解説しています。最後に、本レポートでは、今後企業がどのようにこれらのプラットフォームを活用して競争優位性を維持していくのかについても、重要な予測が示されています。

▶︎　レポートを読む（英語）

ウェビナーのご案内

さらに、本調査結果を深掘りするウェビナーも開催予定です。EMAのDan Twing氏が登壇し、以下のようなテーマについて参加者とともに考察を深めます。

  • 自動化を超えるオーケストレーションの可能性
  • オブザーバビリティ（可観測性）の台頭
  • 自動化スケーリングにおける課題
  • 企業およびベンダーに向けた戦略的提言 予約する場合、こちら（英語）をクリックください。
    今こそ、業界トップのインサイトを活用し、自動化変革の旅を次のステージへと進めるタイミングです。ぜひウェビナーへのご参加をご検討いただければと思います。
Cover Image

HCL BigFixが歴史を刻む：NIAP認証を取得した唯一のエンドポイント管理ソリューション
2025/6/25 - 読み終える時間: ~1 分

HCL BigFix Makes History: The Only NIAP-Certified Endpoint Management Solutionの翻訳版です。

2025年6月16日
Bulbul Das
Global Engagement Manager, HCLSoftware

HCL BigFixは、市場をリードするエンドポイント管理プラットフォームとして、セキュリティの卓越性において新たなマイルストーンを達成しました。このソリューションは、NIAP（国家情報保証パートナーシップ）のアプリケーションソフトウェア保護プロファイルに基づき、正式にNIAP認証を取得しました。

この認証を取得した唯一のエンドポイント管理ソリューションとして、HCL BigFixは、エンタープライズ環境における安全でスケーラブルかつ信頼性の高いエンドポイント制御の提供へのコミットメントを再確認しています。

NIAP認証：信頼できるセキュリティのグローバルな認知

NIAPは米国政府のイニシアチブであり、IT製品を国際的に認められた共通基準（Common Criteria）に準拠して認証します。この認証は多くの政府機関や防衛機関の要件であり、民間企業にとって製品の成熟度を示す強力な指標となります。

HCL BigFixの認証取得は、最も厳格なグローバルセキュリティ基準への準拠を証明し、高水準のセキュリティ要件を持つ組織への継続的なサービス提供を保証します。

厳格なプロセス：BigFix v11が最高基準を満たす

HCL BigFix v11は、以下の2つの重要な保護フレームワークに基づき評価・認証されました：

  • アプリケーションソフトウェア保護プロファイル（CPP_APP_SW_V1.0e）
  • トランスポート層セキュリティ機能パッケージ（PKG_TLS_v2.0）

この認証は、認定された第三者機関による数ヶ月にわたるテストを経て、NIAPによる正式な承認に至りました。これにより、HCL BigFixはアーキテクチャとセキュリティ設計の堅牢性を強調しています。

HCL BigFixが統合エンドポイント管理で際立つ理由

HCL BigFixは単に基準を満たすだけでなく、基準を設定するものです。その「Secure-by-Design」メソドロジーにより、セキュリティはプラットフォームのすべてのレイヤーに組み込まれており、開発から展開まで一貫して確保されています。エンドポイント管理とインシデント対応により、BigFixは信頼性と安心感を提供します。

エージェントベースのアーキテクチャは、可視性、修復、インシデント対応を可能にし、組織がすべてのエンドポイントに対して制御を保持できるようにします。

未来を見据えて：認証済み、実証済み、未来対応型

NIAP認証の取得は、HCL BigFixのセキュリティの次の章の始まりを示す成果です。この認定は、BigFixが達成した成果だけでなく、今後約束するものを反映しています: より強固な保護、より深い信頼、そして現代のIT環境のニーズに合わせて進化するプラットフォーム。

セキュアなエンドポイント管理へのコミットメントを詳しく知るには、HCL BigFix Trust Centerをご覧ください。

Cover Image

デジタル・ボディランゲージでユーザーの意図を読み解く
2025/6/23 - 読み終える時間: 3 分

Understand User Intent with Digital Body Languageの翻訳版です。

2025年2月28日
Rob Meyer
グローバル・バイスプレジデント

気づかないうちに顧客を無視していませんか？
店舗に入り、15分ほど商品を見て回ったものの、店員から一度も声をかけられずに店を後にしたと想像してみてください。企業がデジタル・ボディランゲージを理解できていないというのは、まさにこのような状況です。
今日、顧客とのやり取りの多くがオンラインに移行する中で、表情や声のトーンといった従来の手がかりは使えなくなっています。このギャップが、顧客対応や販売活動における“見えない盲点”を生み出しているのです。
では、こうしたギャップをどのように埋めればよいのでしょうか？
それこそが「デジタル・ボディランゲージ」であり、顧客の意図を読み解くための新たな手段です。

デジタル・ボディランゲージとは？

デジタル・ボディランゲージとは、ユーザーのオンライン上の行動（ホバー、スクロール、フォーム入力など）を指し、顧客の意図に関する深い洞察を与えてくれるものです。
これにより、顧客がマーケティングファネルのどの段階にいるかを把握し、それに応じたパーソナライズが可能になります。
たとえば、ファネル中盤の各段階には、以下のような「デジタル行動」が紐づいています：

  • 興味関心：2秒以上のマウスホバー、ウィンドウサイズの変更、ページ閲覧、画面の向きの変更
  • 検討：複数タブやウィンドウの使用、ページの再訪、製品コンテンツのスクロールやスワイプ、キーボードやジェスチャーの操作（タップやピンチなど）
  • 意図：フォームの送信、検索語句の入力、問い合わせ先の検索、計算機や構成シミュレーターなどのインタラクティブツールの使用 これらのデジタルボディランゲージの指標は、対面でのやり取りにおける身体の動きや表情を読み取るのと同じような役割を果たします。
    こうしたシグナルを読み取れなければ、顧客との本質的なコミュニケーションは非常に困難になります。

なぜデジタル・ボディランゲージが重要なのか？

デジタル経済の中で成功するには、デジタル・ボディランゲージを解釈する能力が不可欠です。
なぜなら、現代の消費者は「プライバシー」と「パーソナライズ」という一見矛盾する2つの要求を同時に持っているからです。以下の3つの理由から、このスキルは重要なマーケティングテクノロジー機能となります。

  • サードパーティCookieの衰退: 主要なブラウザがCookieを段階的に廃止し、消費者のプライバシー意識の高まりにより、インサイトのギャップを埋めるためには、ファーストパーティデータとデジタル・ボディランゲージの洞察が極めて重要になっています。
  • プライバシー規制の拡大：2025年現在、世界人口の82％が何らかのプライバシー保護法の対象となっています。合法かつ倫理的に顧客の意図を把握する手段として、デジタル・ボディランゲージは欠かせません。
  • 複雑化するカスタマージャーニー：デジタルプラットフォームでは、複数のチャネルやセッションをまたぐ製品探索が当たり前となり、特に顧客が長期にファネルの段階を行き来することも増えています。

デジタル・ボディランゲージは、こうした微妙な行動変化を追跡し、適切なメッセージを届けるのに役立ちます。

デジタル・ボディランゲージを理解する価値

デジタル・ボディランゲージの解釈は、企業と顧客の双方に利益をもたらします。
これらの行動とデータの洞察をマーケティングオートメーションプラットフォームに統合することで、リアルタイムのパーソナライズされたインタラクションが可能になります。
顧客が「自分のニーズや好みが理解されている」と感じれば、ブランドとのエンゲージメントは高まり、コンバージョンの可能性も上がります。
また、マーケティングファネル段階ごとのデジタル・ボディランゲージの行動を特定することで、高い購入意図を示す顧客を優先し、メッセージを最適化し、投資対効果（ROI）を高めることができます。
適切なタイミングでのパーソナライズされた対応は、コンバージョン率の向上だけでなく、顧客満足度の向上にもつながります。

デジタル・ボディランゲージ活用の実践ステップ

デジタル・ボディランゲージの指標は、表面的な分析にとどまらず、リアルタイムのデータと行動インサイトをもとに、ミッドファネルの各ステージにおける有望な見込み客を特定します。
これらの行動は、リードが最終的にコンバージョンへと至る可能性を高精度で予測する有力な材料となります。
主なデジタル・ボディランゲージの指標は、以下のとおりです。

関心段階 検討段階 意図段階
マウスホバー ページの再訪 入力数（プルダウン・ラジオボタン）
画面の向き変更 製品コンテンツのスクロール／スワイプ 検索ワード
ウィンドウのリサイズ キーボード操作やジェスチャー数（タップ、ピンチ） フォーム送信やダウンロード
ページや画面の閲覧数 複数タブやウィンドウの使用 問い合わせや店舗検索

こうしたデジタル・ボディランゲージデータを収集・活用するには、適切なマーケティングテクノロジー基盤が必要です。以下の3つのシステム、顧客データプラットフォーム（CDP）、行動分析ツール、マーケティングオートメーションプラットフォームが連携することで、行動インサイトをパーソナライズされた対応へと変換できます。

1.顧客プロファイルの一元化

カスタマーデータプラットフォーム（CDP）は、Web、SNS、メールキャンペーン、CRMシステムなど、さまざまなチャネルから収集したファーストパーティデータを統合し、個別の顧客プロファイルを構築します。
このプロセスは「アイデンティティ解決」と呼ばれ、複数のタッチポイント、属性、システムをまたぐデータを、統計分析とアルゴリズムによって統合します。こうして得られる360度の顧客ビューにより、顧客の行動や嗜好をより深く理解することが可能になります。

2.セグメンテーションとターゲティング

　CDPはリアルタイムで詳細な顧客セグメントを作成し、それをもとにパーソナライズされたメッセージをタイミングよく関連性の高いメッセージ配信を可能にします。
マーケティングオートメーションがこれらの洞察を活用し、パーソナライズされたキャンペーンを大規模に展開することで、「適切なタイミング」で「適切な顧客」に「適切なメッセージ」を届けます。
さらに、行動分析により顧客とのインタラクションを追跡し、パターンを特定、エンゲージメント戦略を最適化することで、コンバージョンの向上と顧客体験の強化につなげます。

3.ライフサイクルマーケティング

　CDPによるインサイトとマーケティングオートメーションプラットフォームを組み合わせ、リアルタイムインタラクション管理を活用することで、カスタマージャーニーとエンゲージメントの最適化を図ります。
重要なタッチポイントでの意図に応じた対応を実現し、継続的な関係構築を支援します。

4.パーソナライズされたマーケティングキャンペーン

　CDPのインサイトを活用したAI/機械学習により、あらゆるチャネルでシームレスな体験を提供。
マーケティングオートメーションがスケール可能な形で個別対応を行い、行動分析がインタラクションの最適化と一貫性のあるブランド体験を支援します。
顧客は企業とのすべてのやり取りの中で、何らかの“意図のシグナル”を発しています。
企業はこれらのシグナルを正確に収集・解釈・対応しなければなりません。真に意味のあるエンゲージメントは、顧客の行動がコンテンツを動かすときに生まれるのです。

結論

今日、顧客のニーズを理解するには、従来の指標だけでは不十分です。
デジタル・ボディランゲージは、顧客とのエンゲージメントを次のレベルへと導く鍵であり、企業が顧客の微細な意図を読み解くための視点を提供します。
こうしたデジタルシグナルを丁寧に追跡・解釈することで、よりパーソナライズされ、意味のある顧客体験が実現します。
HCLSoftwareの「Discover」や「CDP」といった先進的なマーケティングテクノロジーに投資することで、あなたの組織はデジタル経済におけるリーダーとしての地位を確立することができるでしょう。

Cover Image

コンバージョン率向上の秘訣 ― マーケティングオートメーションと行動分析の活用法
2025/6/20 - 読み終える時間: 3 分

The Secret to Better Conversions - Marketing Automation and Behavioral Marketingの翻訳版です。

2025年2月26日
Amanda Tevis
プロダクトマーケティングマネージャー

マーケティングオートメーションは、開封数・クリック数・コンバージョン数の追跡に非常に優れています。しかし正直なところ、こうした数字だけでは「なぜユーザーが行動したのか（あるいはしなかったのか）」までは分かりません。
もし表面的な指標の先にある「本当のコンバージョン要因」を可視化できたらいかがでしょうか？

  • より深く潜り込み、
  • ユーザーがなぜクリックしたのか
  • どこでつまずいたのか 何がコンバージョンを生み出したのかといった要素まで理解し、自らの手で最適な改善策を導き出せるとしたら……。
    それを可能にするのが「行動分析」（Behavioral Analytics）です。
    マーケティングオートメーションの代替ではなく、最適な強化策として機能し、ユーザーの“デジタルボディランゲージ”として「迷い」や「不満」、「意図」までも可視化し、リアルタイムで体験を改善できるようになります。

1. ユーザー・エンゲージメントの「理由」を可視化

開封やクリックは重要な指標ですが、その後の行動として……

  • サイト内を探索したのか、それともすぐに離脱したのか？
  • ナビゲーションで迷っていなかったか？
  • 購買意欲があったものの、どこかで障害が発生していなかったか？ 行動分析により、これらの「見えない部分」が明らかになり、コンバージョンを生む本当の要因に基づいた最適化が可能になります。

2. 「誤検知」（False Positives）にさよならを

すべてのエンゲージメントが“本物”とは限りません。プライバシーフィルターやボットにより、開封率やクリック率が実際以上に膨らんでしまうケースもあります。
行動分析を導入すれば、このような“ゴースト指標”を除外し、正確なデータに基づいた判断が可能です。

  • 本当に人間の開封なのか？それともセキュリティツールによるものか？
  • クリックは興味によるものか？それともボットの検証か？ 信頼できるデータを元に、より精度の高い施策へとつなげていくことが可能です。

3. ファネル全体を可視化－推測ではなく、確信を

マーケティングオートメーションは個々のアクションを追跡しますが、行動分析はそれらをつなぎ合わせ、「顧客体験全体」を可視化します。

  • メール → ランディングページ → チェックアウト、さらにその先までどうナビゲートしたかといった一連の流れを確認する
  • どの地点で離脱し、その理由は何かを正確に突き止める
  • リードの関心を維持し。コンバージョンにつながるセグメントや導線の最適化 中間ファネルの最適化に役立つだけでなく、マルチチャネル全体を視野に入れた施策へと昇華できます。
    高いエンゲージメントを示すセグメントを特定し、それぞれにパーソナライズされた体験を提供することで、コンバージョンへの移行を促進します。
    ただし、顧客がエンゲージメントを示す場所は一箇所だけではありません。戦略を最適化するには、メール、Web、SNS、広告といったあらゆるタッチポイントが、どのように全体像に結びついているのかを把握する必要があります。

4. マルチチャネルでの影響を“全体像”で把握

マーケティング施策は複数のチャネルで展開されています。
行動分析も同様に、すべてのタッチポイント、メール、ウェブ、モバイル、SNS、広告などあらゆるチャネルをまたいで効果を測定し、以下を可能にする必要があります。

  • メールから検索、SNS広告のクリック、最終的な購入に至るまでの流れを可視化
  • 有効なチャネルやコンテンツへの投資判断を最適化

5. 離脱を防ぐ「摩擦」の早期発見と改善

コンバージョンを阻害する最大の要因は“混乱したり、つまずいたりするフラストレーション”が関連します。

  • 繰り返しのクリック：機能しないボタン、ページ読み込みが遅い、CTAが反応しない、フォームが壊れているなどのサイン
  • エラーメッセージ：混乱させたり、不明瞭なエラーメッセージは、ユーザー体験を狂わせる可能性があります。入力ミス、決済失敗、ログインエラーなどの発生頻度
  • 怒涛のスクロール：必要な情報が見つからず、ページ内を行き来する行動。足りない情報を探していたり、CTAを見つけるのに苦労していたり、レイアウトの問題に遭遇してアクションを起こせなくなっているの可能性があります。
    こうした摩擦をなくすことが第一歩で、兆候をリアルタイムで検出し、修正へつなげることで、顧客体験と売上への影響を結びつけていけます。

6. 見せかけの指標ではなく、売上と直結したマーケティング施策へ

コンバージョンにつながらない開封やクリックは、もはや成果とは言えません。
行動分析により、以下を明確に把握できます。

  • 実際に購入やサインアップ・売上につながったキャンペーン
  • ユーザーを前進させたタッチポイント・離脱したポイント
  • ROIを最大化する高意欲ユーザーの導線最適化 といった推測を減らし、“本当に価値のある指標”を把握してデータに基づいた勝利を。

7. より賢いA/Bテストとパーソナライズ

どのページ要素が注目を集め、どこで離脱が発生し、どのコンテンツが響いたのか。その答えを提供するのが行動分析です。

  • 注目されたページ要素・離脱ポイント・立ち止まりポイント
  • ユーザーに響いたコンテンツ・響かなかったコンテンツ 直感ではなく、このデータを活用することで、ユーザーの行動に基づいて、A/Bテストの精度を高め、ナーチャーシーケンスをパーソナライズし、CTAを最適化することができます。

8. 「マーケティングオートメーション × 行動分析」の相乗効果

マーケティングオートメーションと行動分析を組み合わせることにより、

  • リアルタイムなユーザー行動に基づいてキャンペーンをパーソナライズ
  • 離脱予兆を見逃さず、顧客ロイヤルティを向上
  • 本当に効果的な施策へ投資集中してROIを最大化 といった、真にデータドリブンなマーケティングが実現します。
    HCL UnicaやHCL Discoverのようなプラットフォームを活用することで、自動化と行動分析を融合させた最適な仕組みを構築可能です。これによりマーケターは、パーソナライズ、最適化、そしてROIの最大化を実現する力を得られるのです。

9. インサイトをコンバージョンにつなげる：マーケティングをよりスマートに

マーケティングオートメーションをさらに進化させたい場合、HCL UnicaやHCL Discoverのようなプラットフォームは、行動分析を活用することで、より深い洞察と優れた成果をもたらします。
HCL Unica は革新的なマーケティングオートメーションプラットフォームで、複数チャネルにわたるデータ主導のキャンペーンをパーソナライズします。
HCL Discover は、リアルタイムでのユーザー行動分析を通じて、デジタルタッチポイント全体の改善を支援。
これら2つのプラットフォームを組み合わせることで、マーケターは従来のエンゲージメント指標を超えた、ユーザー行動に基づく戦略の洗練を可能にします。
行動インサイトの価値を証明するには？測定可能なROIを促進する方法を説明しましょう。

10. 確かなROI測定で行動分析がもたらす価値を可視化

行動分析のROIを測定するには、以下の観点が重要です。

  • コンバージョン率改善：行動インサイトが離脱を防ぎ、リードから顧客への転換をどれだけ促進したかを追跡
  • 顧客維持と離脱率の低減：顧客のフリクションポイントを解消することで、満足度とロイヤルティがどれだけ向上したかを測定
  • キャンペーン成果とアトリビューション分析：行動インサイトによって、メール、Web、広告のパフォーマンスを最適化し、収益増加につながったかについて評価
  • 業務効率の改善：無駄な広告費の削減や、より精度の高いターゲティングによるコスト削減効果を分析
  • 収益拡大：行動インサイトを売上増加や顧客生涯価値（CLV）の向上と直接結び付けて評価 といった指標に注目し、施策とビジネス成果の結びつきを明確化します。

推測に頼らない、よりスマートなマーケティングへ。

HCL UnicaのマーケティングオートメーションとHCL Discoverの行動インサイトを組み合わせることで、単なるエンゲージメントの追跡にとどまらず、すべての顧客接点を最適化できます。
その結果、より高いコンバージョン、離脱の抑制、そしてより賢いマーケティング判断が可能になります。
インサイトを成果につなげる準備はできていますか？
行動分析 × マーケティングオートメーションで、推測に頼らないデータドリブンな最適化を始めましょう。
顧客がどこで離脱し、何に反応しエンゲージメントを高めるのか、どのようにインパクトを最大化できるかを明確に把握しましょう。
今すぐデモをリクエストして、よりスマートで成果に直結するマーケティングへの第一歩を踏み出してください。

Cover Image

業務効率化を加速する新機能：HCL Automation Hubに4つの新プラグインが登場
2025/6/19 - 読み終える時間: 4 分

Streamline HCL Workload Automation with New Integrations from Automation Hubの翻訳版です。

2025年2月24日
Ernesto Carrabba
HCL Clara、HCL HERO、HCL Workload Automation プロダクトマネージャー
画像の説明

業務プロセスの簡素化、手動作業の削減、そして運用効率の向上は、多くの企業に共通する課題です。
これらのニーズに応えるべく、HCL Workload Automationは最新アップデートにて、Automation Hub※英語ページに遷移します向けの4つの強力な新プラグインを発表しました。
これらのプラグインは、既存のシステムとシームレスに連携し、複雑な業務の自動化を促進し、生産性向上に寄与します。これらの新しい自動化統合機能が、HCL Workload Automationの体験をどのように向上させるかを見てみましょう。

Apache Airflow プラグイン

Apache Airflow プラグインの説明に移る前に、まず Apache Airflow を理解することからことから始めましょう。
Apache Airflowは、データエンジニアリングとETLタスクのための柔軟性と拡張性に優れ、バッチワークロードスケジューラは、複数のプラットフォームにわたる大規模で複雑なワークフローを管理するための強力でエンタープライズグレードの機能を提供します。
高度なスケジューリング、依存関係管理、モニタリング機能を備えたローコード・ソリューションを求めるユーザーに最適です。

Workload Automation環境を強化するには、Automation Hubで利用可能なApache Airflowプラグインをダウンロードしてください。

Apache Airflow プラグイン統合の詳細については、YouTube ビデオをご覧ください。

GCP Vertex AI プラグイン

次にご紹介するのは、Google Cloud PlatformのVertex AIと連携するプラグインです。AIモデルの開発から展開、管理までを自動化し、機械学習による業務革新を推進します。
業務フローやデータ分析結果に基づいて生成されたテキストをワークフローに活用することも可能です。
Vertex AIのパワーを活用することで、機械学習のメリットを活用してイノベーションを推進し、ビジネスプロセスを改善することができます。
Automation Hubで利用可能なGCP Vertex AIプラグイン※英語ページに遷移しますをダウンロードして、ワークロード自動化環境を強化してください。
GCP Vertext AIプラグイン統合の詳細については、YouTubeビデオをご覧ください。

Google Cloud Run プラグイン

Google Cloud Runとの統合により、サーバーレスアプリケーションの展開および管理が容易に。インフラ管理の手間を削減し、拡張性に優れた効率的なアプリケーション開発を支援します。
Google Cloud Runプラグイン※英語ページに遷移しますはAutomation Hubからダウンロードできます。
Google Cloud Runプラグイン統合の詳細については、YouTubeのビデオをご覧ください。

Wait プラグイン

本アップデートでは、新たに「Wait」プラグインも追加されました。
処理間にカスタマイズ可能な待機時間を設けることで、システムの過負荷回避やデータ処理の整合性確保など、タスク間の同期が求められるシーンで有効に機能します。
Automation HubからWaitプラグインをダウンロードして、HCL Workload Automationのセットアップを強化してください。
Waitプラグイン統合の詳細については、YouTubeビデオをご覧ください。

結論

今回の4つの新プラグインにより、HCL Workload Automationによる業務自動化はさらにパワーアップしました。
複雑なワークフローの管理から、スケーラブルで効率的なアプリケーションの構築まで、さまざまな業務フローをスマートかつ迅速にサポートします。
次なる自動化のステージへ ― ぜひAutomation Hubから新プラグインを導入し、その違いを体感してください。

Cover Image

顧客と職員の体験を統合する「トータルエクスペリエンス（TX）」：政府機関の変革を支える新たなアプローチ
2025/6/18 - 読み終える時間: 2 分

Unifying Customer and Employee Experiences with Total Experience (TX): A Game-Changer for Government Agenciesの翻訳版です。

2025年2月24日
Beth Adams
HCL Volt MX プロダクトマーケティングマネージャ

今日のデジタル社会において、シームレスでパーソナライズされた体験は、もはや「あると良い」ものではなく、「なくてはならない」ものとなっています。
これは政府機関においても例外ではありません。市民は、個人で得られるような利便性と効率性を公共サービスにも求めており、職員には、業務を効率化し生産性を高めるためのツールが必要とされています。
もし、皆様の組織がサービス提供の近代化、業務の非効率の解消、そして市民と職員の体験向上を目指しているのであれば、
HCLSoftwareが提供する最新のホワイトペーパー、専門家の洞察、実際のケーススタディ、実証済みの戦略を交えた『政府機関におけるトータルエクスペリエンス実践ガイド』がその実現を支援します。
このホワイトペーパーでは以下のポイントを解説します。

顧客体験と従業員体験を分断していませんか？

これまで私たちはあまりにも長い間、顧客体験（CX）と従業員体験（EX）は個別の取り組みとして扱われてきました。
しかし、こうしたサイロ化されたアプローチでは、一貫性のない断片的な体験しか提供できません。では、両者を統合する新しい方法があるとしたらどうでしょうか？

それが「トータルエクスペリエンス（TX）」です。

TXは、CXとEXに加えて、ユーザー体験（UX）、マルチエクスペリエンス（MX）といった要素を融合させた統合的な概念であり、あらゆる接点において一貫した体験を創出します。
たとえば、市民がオンラインで許認可を申請する場面でも、職員が重要なデータへアクセスする場面でも、すべてのインタラクションがスムーズで効率的、かつパーソナライズされた体験が実現することを想像してみてください。これがTXの力です。

エクスペリエンス・マネジメントの進化

これまで、顧客体験（CX）と従業員体験（EX）は、別々の取り組みとして扱われることが一般的でした。その結果、部分最適にとどまり、全体としての一貫性や効率性を欠くケースが少なくありませんでした。
CXは顧客との接点における価値創出を目指し、EXは従業員の業務環境の向上に注力しますが、それぞれが独立して機能することで、体験全体の質が分断されてしまうのです。
この課題に対し、Constellation Research社のバイスプレジデント兼主席アナリストであるリズ・ミラー氏は、CXとEXを統合し、ユーザーエクスペリエンス（UX）やマルチエクスペリエンス（MX）といった技術と融合させた「トータルエクスペリエンス（TX）」の枠組みこそが鍵であると指摘しています。
TXアプローチでは、顧客が公共サービスにアクセスする場面も、職員が社内システムを利用する場面も、一つの統一された体験として設計されます。
もはや、体験価値の提供を個別最適なソリューションの寄せ集めで対応する時代ではありません。
持続可能で柔軟に拡張可能な「コンポーザブル・テクノロジー」を活用しながら、あらゆるユーザーのニーズに応える包括的な戦略が、今まさに求められているのです。

TXによる公共分野での変革成功事例

TX戦略の効果は、世界中の政府の取り組みですでに効果が表れています。例えば……
米国州政府による統合デジタルエコシステム ある大規模な州政府では、市民・企業・職員を対象とした包括的なデジタル体験プラットフォームを導入し、サービス提供の近代化を推進し、同州はCXとEX機能を変革した。主な成果は以下のとおりです。
‐サービスリクエスト対応件数を20万件／時から600万件／時へと大幅に拡張
‐インフラコスト1,800万ドルの回避
‐セルフサービス機能強化によりヘルプデスク対応件数を40%削減

中東政府機関：モバイルファーストのTX導入

中東のある政府機関では、HCL Volt MXを活用したモバイルファーストのTXプラットフォームを構築。
その結果、更新、支払い、文書アクセスなど165以上の行政サービスを提供し、多言語対応・24時間365日の利用を可能にすることで、信頼と市民エンゲージメントを大幅に向上させました。

TXが政府機関にもたらす価値

政府の行政サービス機関は多様な市民ニーズへの対応や、厳しいセキュリティと限られたリソースの中で運営するという課題を抱えています。TXはそれらを包括的に解決する手段となります。

  • 業務効率化のためのデータ、資産、コンテンツの統合管理
  • ノーコード／ローコードのツールで技術者でないスタッフに権限を与え、迅速なソリューション構築
  • 信頼性と利便性を兼ね備えたシステムにより、市民・職員双方の満足度向上 TXの導入を成功させるには、人間中心のアプローチが必要です。市民や職員のニーズを理解することに重点を置き、そのニーズを満たすためにテクノロジーを活用する。

実装に向けたベストプラクティス

トータルエクスペリエンス(TX)導入を検討中の組織に向けて、以下の実践的な提言をホワイトペーパーでご紹介しています。
1.戦略優先の姿勢：技術導入は目的ではなく手段。CX／EXの明確な目標を定め、それに沿った技術を選定することが重要です。
2.ユーザー中心の設計：現場の課題やニーズから出発し、テクノロジーを既存プロセスに合わせるのではなく、ユーザーのために設計します。
3.情報の一元化：データ、コンテンツ、資産を一箇所に集約し、全チャネルで一貫性を担保します。
4.ローコードの活用：Volt MXなどのローコードプラットフォームにより、迅速なアプリケーション開発と導入を可能にし、専門技術への依存を軽減します。

未来の公共サービスを形作るフレームワーク

市民と職員の期待は日々進化しています。こうした時代において、TXは公共機関にとって新たな指針となります。
米国務省および中東政府の成功事例が示すように、TXを導入することで、業務効率、コスト削減、市民・職員の満足度向上といった明確な成果を得ることが可能です。
TXを効果的に導入するには、綿密な計画と適切なツールが必要です。
HCLのVolt MXは、TXを支えるローコード＆マルチエクスペリエンス対応プラットフォームとして、迅速な開発と運用の複雑性の軽減を実現します。
TXの旅に出る準備はできましたか？ 今すぐホワイトペーパー「Best Practices for Total Experience in Government（政府機関におけるトータルエクスペリエンスのベストプラクティス）」をダウンロードして、TXの導入によって実現できる未来をご体感ください。
市民と職員の体験を統合し、より良い公共サービスを築く旅を、今ここから始めましょう。

Cover Image

HCL Workload Automation の拡張を加速する新プラグイン登場 — Automation Hub から提供開始
2025/6/17 - 読み終える時間: 4 分

Extend HCL Workload Automation with New Plugins from Automation Hubの翻訳版です。

2025年2月24日
Ernesto Carrabba
HCL Clara、HCL HERO、HCL Workload Automation プロダクトマネージャー

自動化プラグインは、デジタル世界のゲームチェンジャーとなり、個人や企業がワークフローを最適化し、時間を節約できるようになりました。人工知能、機械学習、クラウド技術の進歩により、これらのツールは急速に進化しています。
生産性を次のレベルに引き上げたいとお考えなら、HCL Automation Hubで話題になっている最新の自動化プラグインをご覧ください。
以下の新しい自動化インテグレーターが、HCL Workload Automationプラットフォームをどのように強化するかを見てみましょう。

IBM WatsonX プラグイン

まず、IBM WatsonX プラグインと、それが HCL Workload Automation ユーザーにどのような利点をもたらすかを理解することから始めましょう。
IBM WatsonX プラグインを使用すると、ユーザーはIBM WatsonX Assistant のチャット生成機能を活用し、モデルが生成する応答メッセージを DWC（Dynamic Workload Console）から直接取得可能になります。
この連携により、ユーザーはよりインテリジェントなワークフローを実現し、業務プロセスをさらに洗練させることができます。
Automation Hub からIBM WatsonX プラグイン※英語ページに遷移しますを今すぐダウンロードして、HCL Workload Automation 環境に組み込んでください。
▶ IBM WatsonX プラグイン統合の詳細については、YouTube ビデオとブログのリンクをご覧ください。

YouTube

・HCL Workload AutomationでIBM WatsonXを使用する方法※英語ページに遷移します
・新しい統合による Workload Automation エクスペリエンスの向上（パート 10）※英語ページに遷移します

Blog

・AI の力を業務に：WatsonX プラグインによる自動化の進化※英語ページに遷移します

Google Cloud Workflows プラグイン

業務効率を高め、プロセスを合理化するために、1つの強力なツールが登場した： Google Cloud Workflowsです。
Google Cloud Workflows との連携により、複雑なビジネスプロセスをシンプルかつシームレスに自動化可能になります。
このプラグインは、手動介入を減らしながら業務の一貫性を確保し、運用の最適化を支援します。

Google Cloud Workflowsプラグイン※英語ページに遷移しますは、Automation Hubからダウンロードできます。
▶ Google Cloud Workflows プラグイン統合の詳細情報：YouTube ビデオとブログリンクをご覧ください。

YouTube

Azure Service Bus プラグイン

Azure Service Bus は、アプリケーションやサービス間の非同期通信を安定的に行うために設計されています。
企業の多くのユースケースにおいて、信頼性の高いメッセージングが不可欠となっており、このプラグインはその実現を支えます。

Azure Service Bus※英語ページに遷移しますはAutomation Hubからダウンロードできます。
▶ Azure Service Busプラグイン統合の詳細情報：YouTubeのビデオと、ブログリンクご覧ください。

YouTube

Azure Batch プラグイン

Azure Batch は、大量の演算処理を必要とするバッチジョブを、インフラ管理の負荷なしに Azure 上で実行できるクラウドサービスです。
このプラグインは、大規模な並列処理や高パフォーマンス計算（HPC）を必要とするバッチジョブに最適です。

Automation Hubでは、Workload Automationセットアップのパートナーとして、Azure Batchプラグインをダウンロードできます。
▶ Azure Batchプラグイン統合の詳細情報：YouTube ビデオとブログリンクをご覧ください。

YouTube

結論

これらの最新プラグインを活用することで、時間の節約やエラーの削減を実現し、より価値の高い業務に注力できる環境を整えることができます。
HCL Workload Automation は、開発者であれ、起業家であれ、大企業の一員であれ、あらゆる規模の企業に最適な自動化ツール群を提供し、業務の革新をサポートします。
今日から自動化を始めて、あなたのワークライフに革命を起こしましょう！

Search

Categories

このブログについて

HCL Japan の Software 部門の複数担当者で HCL Software 全般について記しています。

Tags

Academy Accelerate Accelerator Actian Aftermarket Cloud Ambassador AoC AppDev Pack AppScan ASoC BigFix BigFix Workspace CAA CDP Clara Client Applicatin Access Cloud Native Commerce Common Local License Server Compass Connections Connnections CVE-2021-44228 DevOpes Velocity DevOps DevOps Code ClearCase DevOps Code RealTime DevOps Deploy DevOps.Launch.AppScan DevOps Model RealTim DevOps Model RealTime DevOps Plan DevOps Test DevOps Velocity Digital Experience Discover Domino Domino Leap Domino Volt Domino管理者アップデート認定試験対策 DQL DRYiCE DX Enterprise Integrator event General HCAA HCL Ambassador HCL Ambassadors HCL Domino REST API HCL OneTest Embedded HCL Z and I Emulator HCL Z and I Emulator for Transformation HCLSoftware U Hero history HTMO iAutomate iControl iNotes IZSAM KEEP Launch Launch.DevOps Leap Link MarvelClient Model Realtime nds2019 ndv12beta Nippon Noets/Domino Nomad Nomad Mobile Nomad Web notes Notes/Domino notes-domino-9-10-limited-supportability-as-of-202204 Notes/Domino V12 Notes/Domion notescons Now OneDB OneTest OnTime REST RTist SafeLinx Sametime SoFy Total Experience Traveler Traveler for Microsoft Outlook Unica Unica Discover Unica Interact UrbanCode Deploy UrbanCode Velocity Velocity Verse VersionVault Volt Volt MX Volt MX Go Volt MX サンプルアプリ Wordload Automation Workload Automation youtube Z Z Abend Investigator Z and I Emulator Z and I Emulator for Transformation Z and I Emulator for Web Z and I Emulator for Web Client Z Asset Optimizer Z Data Tools Z Software Asset Manager ZAI ZAO ZIE ZIE for Transformation ZIE for Web ZIE for Windows ZIET ZIETrans ZIEWeb イベント ガイド クラウド サポート サポート技術情報 サポート終了 セキュリティ セキュリティー セキュリティー脆弱性 テクてく Lotus 技術者夜会 ニュース ノーツコンソーシアム パートナー ライセンス 九州地区 Notes パートナー会 出荷日 研修