Jira Service ManagementでAIエージェントを導入する手順とベストプラクティス

前提条件の最新確認方法

ポイント：本番環境で有効化する前に、必ず「テストサイト」や「サンドボックス」で上記項目がすべて満たされているかを確認してください。

AI エージェント導入に必要なプランと権限

注意：2025 年以降、Standard プランでも限定的に AI 機能が提供される可能性があります。その場合は公式サイトでプラン変更手続きを行うか、サポートへお問い合わせください。

AI アシスタントを有効化する手順（画面操作）

1. Jira Service Management に管理者としてログイン

2. URL 例: https://<your‑site>.atlassian.net/jira/servicedesk

3. 全体検索バーで「AI アシスタント」または「Artificial Intelligence」 を入力し、表示された候補から “AI settings”（AI 設定）を選択。

4. 画面イメージ：右上に虫眼鏡アイコンがあり、検索結果に「AI アシスタント」が自動的にハイライトされます。

5. AI 設定ページで “Enable AI features” スイッチ を ON にする。

6. 初回有効化時は利用規約（Atlassian Intelligence 利用規約）への同意が求められますので、内容を確認のうえチェックしてください。

7. 対象プロジェクトを選択（複数プロジェクトに対して個別に設定可能）。

8. 「すべてのプロジェクトに適用」か「特定プロジェクトのみ」のいずれかを選びます。

9. 保存ボタン をクリックし、変更が反映されるまで数秒待ちます。

ヒント：有効化後は UI が自動で更新され、左側メニューに「AI アシスタント」項目が表示されます。設定ミスを防ぐために、ブラウザのキャッシュクリアや別タブで再ログインして確認すると確実です。

仮想サービスエージェントの作成とベストプラクティス

1. 仮想サービスエージェント作成手順（画面操作）

2. 自動振り分けルールと応答テンプレート設定

• 条件ベースのルーティング
• キーワードマッピングテーブルで「パスワードリセット」「アクセス権」などの語句に対し、対象カテゴリ（例：認証）や担当チームを割り当てます。

• 正規表現も利用可能なので、複数バリエーションの表記を一括で捕捉できます。

• 応答テンプレート

• 「AI が生成した回答」をベースに Markdown 形式でテンプレート化し、類似チケットが来た際は自動挿入します。
• テンプレートは Confluence ページ とリンクさせておくと、ナレッジベースの更新が即座に反映されます。

3. ベストプラクティス（運用観点）

ナレッジベース自動生成・リアルタイム回答の設定

1. 記事自動生成フロー

1. ナレッジベース設定 → AI 記事作成機能を有効化（Confluence の「AI 記事生成」オプション）。
2. 新規インシデントが登録されると、AI が過去の類似ケース・解決策を検索し 要約ドラフト を自動生成。
3. 生成されたドラフトは レビュー担当者（例：コンテンツオーナー）が承認後、Confluence に公開。

ポイント：ドラフトの自動生成頻度は「1 日あたり最大 50 件」まで制限されている場合があります。プランや利用状況に応じて上限を確認してください。

2. リアルタイム質問応答設定手順

3. 精度向上のための運用Tips

• フィードバックループ：ユーザーが回答に対して「役立った / 役立たない」の評価を行えるよう UI にボタンを配置し、結果を AI 学習データとして取り込む。
• 定期的なスコア再調整：最低月1回は全体の信頼スコア分布を確認し、閾値が高すぎてヒューマンレビューが増えていないかチェック。
• 多言語対応：AI は日本語・英語に対応していますが、正確性向上のためには各言語ごとにナレッジベースを分割して管理すると効果的です。

ノーコード連携（Zapier / Make）とリスク管理

1. Zapier で実装する典型シナリオ

Zapier 設定のポイント

• API 認証は「API Token」方式を使用し、トークンは最小権限（コメント作成・閲覧）に限定。
• エラーハンドリングとして、タイムアウトや 5xx エラー時はリトライ回数を3回までに設定。

2. Make (Integromat) での高度なフロー例

1. Watch Issues モジュールで新規チケット検知。
2. HTTP > Call a Webhook で Atlassian Intelligence エンドポイントへ質問文送信（POST）。
3. Parse JSON で AI 応答とスコアを抽出。
4. 条件分岐：
   ・score >= 0.85 → Update Issue モジュールでコメント追加。
   ・score < 0.85 → Human Review Queue にチケットを転送（別の Jira プロジェクトやカスタムフィールドにフラグ設定）。
5. Slack / Teams 通知：結果をリアルタイムで関係者へ共有。

3. 誤回答リスクと最終確認プロセス

効果測定指標（KPI）の設計とモニタリング方法

モニタリングのベストプラクティス

1. 週次レビュー会議で KPI ダッシュボードを共有し、目標達成度と改善点をディスカッション。
2. アラート設定：ヒューマンレビュー率が 15% を超えたら Slack に自動通知（Make のシナリオで実装）。
3. 年度別レポート：ROI 計算のため、導入前後のコスト・工数を比較し、経営層へ定量的成果を提示。

公式ドキュメントへの直接リンク集

最終チェックリスト
1. プランが Premium 以上であることを確認。
2. Site admin 権限が付与されているか検証。
3. AI 設定ページでスイッチが ON になっているか確認。
4. 仮想サービスエージェントと自動振り分けルールをテストプロジェクトで実行し、期待通りに動作することを検証。
5. KPI ダッシュボードを構築し、導入後 1 か月以内に初回レビューを実施。

終わりに

このガイドは 「最新情報の確認」 と 「公式ドキュメントへの直接リンク」 を組み合わせて、2024 年以降も継続的に活用できるよう設計しました。
AI エージェントを正しく有効化し、仮想サービスエージェントやナレッジベース自動生成と連携させれば、第一層サポートの自動化だけでなく、顧客満足度向上と運用コスト削減という二重の効果が期待できます。

次のステップ
1. 本稿の「最新情報確認」チェックリストを完了させる。
2. テスト環境で AI アシスタントを有効化し、仮想サービスエージェントを作成する。
3. KPI を設定し、2 週間ごとに効果測定を実施。

成功への鍵は「継続的なモニタリング」と「公式情報のアップデート」です。ぜひ本ガイドを手元に置き、AI エージェント活用を加速させてください。