ServiceNowの新しいデータ基盤のポイントは、より賢いチャットボットを作ることではない。狙いは、自律型AIエージェントが企業の中で実際に仕事を進めるために必要な、現在進行形の業務データと統制された文脈を与えることにある。

同社は2026年5月、年次の顧客・パートナーイベントKnowledge 2026で、Context Engine、Autonomous Data Analytics、Workflow Data Fabricを含むリアルタイムデータ基盤を発表した。ServiceNowはこれを、自律型AIが企業全体で行動するために必要なライブで統制されたデータを提供するものだと説明している ^[5]。

本当のボトルネックは、AIモデルではなく「業務の文脈」

自律型AIエージェントに期待されているのは、文章の下書きや問い合わせ内容の要約だけではない。ServiceNowは、自社のAI Agentsについて、IT、カスタマーサービス、人事など幅広い業務領域で自律的に行動し、仕事を進めるものだと説明している ^[1]。

ただし、AIが業務を進めるには、単に自然な回答を生成できるだけでは足りない。どの案件が進行中なのか、ワークフローのどこで何が変わったのか、どのルールを適用すべきか、どのシステムの記録を正とするのかを把握する必要がある。

多くの企業では、この情報がアプリケーション、部門、データストア、業務プロセスに分散している。エージェントが全体像の一部しか見られなければ、もっともらしい回答はできても、正しい次のアクションを取れない。CXO Insightは、ServiceNowのKnowledge 2026でのプラットフォーム更新を、ワークフロー、システム、部門にまたがる「AI chaos」から企業を抜け出させる取り組みとして位置づけている ^[3]。

「答えるAI」から「動くAI」へ

ここでの変化は、AIをアシスタントとして使う段階から、業務を実行するアクターとして使う段階への移行だ。TechTargetによると、ServiceNowは、企業AIの多くが現在は答え、結果、インサイトの段階で止まっていると見ており、自律的なエンドツーエンドの仕事へ進めたい考えを示している ^[7]。

静的な文書を参照して回答するチャットボットであれば、必要なデータは限られる。だが、自律型の業務エージェントは違う。自分がその処理を実行してよいのか、参照しているデータは最新なのか、次のワークフロー手順は何か、実行後にどの基幹システムを更新すべきかを判断しなければならない。

そのため、モデルの性能だけでなく、データアクセス、文脈、ガバナンス、ワークフロー統合が同じくらい重要になる。ServiceNowの発表は、ライブで統制された企業インテリジェンスを、こうしたエージェント型業務の土台として提示している ^[5]。

ServiceNowが追加するとしている3つの要素

ServiceNowが今回のデータ基盤で挙げている主な機能は、次の3つだ。

• Context Engine：エージェントに業務文脈を与えるための基盤の一部で、ライブで統制された企業インテリジェンスを利用するものとされている ^[5]。
• Autonomous Data Analytics：企業データに対するAI主導の分析を担う機能として、同じデータ基盤に含まれている ^[5]。
• Workflow Data Fabric：自律型AIが企業全体で行動するために必要な統制済みデータを提供する基盤の一部として説明されている ^[5]。

重要なのは、これが単なるレポート作成用のデータ集約ではないという点だ。狙いは、AIエージェントが推論し、連携し、実行するワークフローの中でデータを使えるようにすることにある。

ServiceNowのAI Agents関連資料では、ServiceNowおよびサードパーティーのエージェントが通信できるAI Agent Fabricにも触れている。また、エージェントはA2AやMCPといったプロトコルを通じて、外部ツール、データ、システムから文脈を取得すると説明されている ^[1]。

平たく言えば、ばらばらのボット化を防ぐ話

ServiceNowが避けようとしているのは、自律型AIが社内に点在する「便利だがつながらないボット」の集まりになることだ。

たとえば、あるエージェントはチケット情報を知っている。別のエージェントは顧客情報を知っている。さらに別のエージェントはインフラの状態を知っている。しかし、共通の文脈や権限、統制がなければ、どのエージェントも仕事を最後まで完了できない。結果として、提案や要約は役に立つが、実行は限定的という断片的な自動化にとどまる。

ServiceNowのKnowledge 2026における大きなメッセージは、企業には個別のAI施策ではなく、データ、意思決定、実行、信頼をまたぐ単一のプラットフォームが必要だというものだった ^[3]。この文脈で見ると、新しいデータ基盤は、AIエージェントに「いま何が起きているか」「どのルールが当てはまるか」「次に仕事をどこへ進めるべきか」を伝える結合組織のような役割を担う。

ガバナンスはおまけではない

企業向けエージェントでは、「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Autonomous Workforce戦略を扱った複数の報道では、統制されたワークフロー内での実行や、エージェントが何を行い、どのデータを使ったかを追跡する必要性が強調されている ^[6][8]。

だからこそ、ServiceNowは今回のデータ基盤を説明する際に、ライブデータと統制されたデータを繰り返し結びつけている ^[5]。自律型AIのリスクは、誤った回答だけではない。誤った操作、誤った承認、誤ったシステム更新も起こり得る。

権限管理、監査可能性、例外時のエスカレーション、人間による確認は、後から付け足す運用ルールではなく、設計上の中核になる。ServiceNowのエージェント型ワークフローに関する実装ガイダンスでも、明確な目的設定、人間参加型の制御、監査フレームワークの重要性が指摘されている ^[2]。

導入企業が次に確認すべきこと

今回の発表は、戦略的な「なぜ」には答えている。一方で、導入を検討する企業にとっては、実務上の「どうやって」を見極める必要がある。

確認すべき問いは具体的だ。

• どのシステムやデータソースに実際に接続できるのか。
• 対象ユースケースにとって、リアルタイムデータはどの程度新鮮なのか。
• 権限、承認、例外処理はどのように強制されるのか。
• エージェントが実行した後、監査証跡には何が残るのか。
• エージェントは基幹システムを更新できるのか、それとも推奨にとどまるのか。
• 信頼度、社内規程、リスクの観点から、人間がどこで引き継ぐのか。

これらの答えが、ServiceNowの新基盤が本当の実行レイヤーになるのか、それとも分断されたシステムの上に乗るもう一つのインターフェースにとどまるのかを左右する。

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AIエージェントは、ライブな業務文脈、統制されたデータアクセス、そして実際に業務プロセスが動くワークフローとの統合がなければ、安定して仕事を完了できない。

今回のデータ基盤は、データ、意思決定、アクションを企業統制の下でつなぎ、AIエージェントを本番業務で使えるものに近づけるためのServiceNowの試みといえる ^[5]。