ServiceNowの新データ基盤は、自律型AIエージェントの「実行できない」問題に照準

「答えるAI」から「実行するAI」へ

ServiceNowの戦略的な焦点は、AIを助言役から実行役へ近づけることにある。TechTargetによると、ServiceNowは多くの企業AIが「答え、結果、洞察」で止まっているとし、そこから自律的なエンドツーエンドの業務へ進む必要があると説明している 。

この違いは、必要なデータの質を大きく変える。

チャットボットなら、過去の文書をもとに回答するだけでも役に立つ。一方で、企業内のエージェントがチケットを完了したり、例外を振り分けたり、ワークフローを更新したりするには、現在のケース状態、顧客または従業員の記録、適用されるポリシー、権限、エスカレーション経路、そして最終的な処理を記録すべきシステムを理解する必要がある。

ServiceNowの新しいデータ基盤は、この種のエージェント型業務を支えるために、データ、文脈、ワークフロー実行をガバナンスの下で結びつけようとするものだ 。

発表された3つの主要要素

今回の発表でServiceNowが挙げている主な構成要素は次の3つだ。

• Context Engine：AIエージェントに企業内の文脈情報を与えるための新基盤の一部 。
• Autonomous Data Analytics：企業データに対するAI主導の分析機能として位置づけられている 。
• Workflow Data Fabric：自律型AIが企業全体で動くための、ガバナンスされたデータ層の一部とされる 。

ポイントは、単に新しいレポーティング層を作ることではない。ServiceNowが目指しているのは、業務が実際に動いている瞬間に、エージェントが判断し、調整し、実行できる形で企業データを使えるようにすることだ。

この方向性は、同社のより広いエージェント構想ともつながる。ServiceNowは、AI Agent Fabricにおいて、Agent2Agent（A2A）によりServiceNowおよびサードパーティーのエージェント間の通信を支援し、Model Context Protocol（MCP）を通じて外部ツール、データ、システムから文脈を取得できるとしている 。

平たく言えば、ばらばらのボット化を防ぐための基盤

企業がAIを導入するときに起きがちなのは、便利なボットが点在する一方で、業務全体はつながらないという状態だ。

あるエージェントはチケットの内容を理解している。別のエージェントは顧客情報に詳しい。さらに別のエージェントはインフラの状態を見ている。だが、どれも全体像や実行権限を十分に持たなければ、最後まで業務を完了できない。

その結果、要約や提案は増えるが、実行は人間に戻ってくる。ServiceNowが避けたいのは、この「断片的な自動化」だ。

Knowledge 2026での同社のメッセージは、データだけに閉じたものではない。CXO Insightは、今回の更新がAI Control Tower、Autonomous Workforce、データインテリジェンス、セキュリティ機能にまたがり、データから意思決定、実行、信頼までのAIバリューチェーンを支えるものだと報じている 。その中でデータ基盤は、エージェントが何が起きているかを理解し、どんな判断が必要かを見極め、ワークフローを次に進めるための結合組織になる。

ガバナンスは「おまけ」ではない

自律型エージェントでは、「実行できること」と「実行してよいこと」は切り離せない。ServiceNowのデータ発表が、ライブデータだけでなく、ガバナンスされたデータを繰り返し強調しているのはそのためだ 。

企業にとって自律型AIのリスクは、間違った答えを返すことだけではない。より深刻なのは、間違った処理を実行してしまうことだ。

ServiceNowのAutonomous Workforce戦略に関する報道でも、統制されたワークフロー内での実行が強調されている。Cloud Warsは、同社の専門AIエージェントについて、顧客のガバナンス要件に従いながら企業のワークフロー内で仕事を実行するものだと説明している 。また、ServiceNowのエージェント型ワークフロー導入に関する実装ガイドでは、人間が介入できる仕組み、明確な目的設定、監査フレームワークの重要性が指摘されている 。

つまり、この種のプラットフォームの成否は、モデルの賢さだけでは決まらない。権限、承認、例外処理、監視、監査証跡が、AIの実行段階でどう働くかを企業側が確認する必要がある。

導入企業が見るべきポイント

ServiceNowの発表は方向性としては明確だが、買い手が見るべきなのは運用の細部だ。特に重要なのは、次のような実務的な問いになる。

• どの業務システム、どのデータソースまで実際に接続できるのか。
• 重要なワークフローに対して、データはどれだけ最新の状態で使えるのか。
• 権限、承認、例外処理はどのように強制されるのか。
• エージェントが処理を実行したあと、どのような監査証跡が残るのか。
• エージェントは基幹システムの記録を更新できるのか、それとも次のアクションを提案するだけなのか。
• 信頼度、ポリシー、リスクの観点から人間が引き継ぐ地点はどこなのか。

これらの答えによって、その仕組みが本当に業務実行レイヤーになるのか、それとも分断された企業データの上に置かれた新しいインターフェースにとどまるのかが決まる。

結論

ServiceNowが解こうとしているのは、企業AIの「実行ギャップ」だ。自律型エージェントは、ライブな業務コンテキスト、ガバナンスされたデータアクセス、そして実際のビジネスプロセスが動くワークフローとの統合がなければ、信頼して仕事を完了することはできない。

今回の新データ基盤は、データ、意思決定、実行をつなぎ、AIエージェントを企業の統制の外ではなく内側で動かすためのServiceNowの試みだ 。