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

ServiceNowの今回の発表は、単なるAIチャットボット強化ではない。むしろ、自律型AIエージェントが企業内で実際に仕事を進めるための「足場」を整える動きと見るべきだ。

AIが自然な文章で回答するだけなら、静的な文書やFAQでも一定の成果は出せる。だが、チケットを閉じる、申請を承認ルートに回す、顧客対応を更新する、例外処理をエスカレーションする——こうした業務をAIに任せるには、今どの状態なのか、どのシステムが正本なのか、どの権限やルールが適用されるのかを把握できなければならない。

ボトルネックは「モデル性能」だけではなく、業務コンテキスト

ServiceNowは年次の顧客・パートナーイベント「Knowledge 2026」で、Context Engine、Autonomous Data Analytics、Workflow Data Fabricという新しいデータ機能を発表した。狙いは、自律型AIを「ライブで、ガバナンスされた企業インテリジェンス」の上で動かすことだとしている 。

この表現が重要なのは、企業のAIエージェントに必要なのが単なる知識ではなく、業務の現在地だからだ。

ServiceNowは同社のAI Agentsを、IT、カスタマーサービス、人事、その他の業務領域で自律的に仕事を進める仕組みとして位置づけている 。しかし多くの企業では、案件解決や承認、記録更新、ワークフロー起動に必要なデータが、アプリケーション、データベース、部門、プロセス管理ツールに分散している。

エージェントがその一部しか見えていなければ、もっともらしい提案はできても、正しい次の一手を安全に実行できるとは限らない。ServiceNowが狙っているのは、まさにこの「分断された文脈」の問題だ。CXO Insightは、Knowledge 2026での同社の更新について、ワークフロー、システム、部門をまたいでAI実行をつなぎ、「AI chaos」から企業を抜け出させる取り組みだと報じている 。

「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 。