Jira Service Management（Rovo）とJiraのAI機能比較とPoCガイド

結論と推奨アクション（JSM Rovo 比較での意思決定）

主要ユースケースごとに短期PoCで評価することを推奨します。顧客対応を重視するならJira Service Managementを軸にしてください。開発支援が主目的ならJira Software／Work Managementを中心に検討してください。

判断フロー（優先度順）

以下は優先度に基づく簡潔な判断フローです。まず短期PoCで効果を定量評価してください。

Atlassian Intelligence と JSM向け生成AI機能の概要（名称とデータフロー）

Atlassian Intelligenceは複数プロダクト横断のAI基盤です。JiraやConfluence、Bitbucketなどで共通の推論エンジンや検索支援を提供します。

名称の扱い

一部メディアで「Rovo」といった呼称が見られますが、公的な製品名としての表記は公式資料に依存します。ここでは公式表記に合わせて「JSM向け生成AI機能（Atlassian Intelligence経由）」と記載します。参照: Atlassian公式ガイド（取得: 2026-05-10、https://www.atlassian.com/ja/software/jira/service-management/product-guide/tips-and-tricks/artificial-intelligence）、報道例（取得: 2026-05-10、https://it.impress.co.jp/articles/-/27529）。

データフロー（概略）

以下は一般的なデータフローです。実運用ではデータポリシーを確認してください。

• ユーザー/エージェントの操作でチケットが生成される。
• JSMがチケットコンテキストと参照ナレッジを収集する。
• 必要に応じてConfluenceや外部コネクタのコンテンツを参照する。
• コンテキストはAtlassian Intelligenceへ送信され、モデルが要約・分類・応答案などを生成する。
• 生成結果がJSM上で表示され、承認フローを経て公開される。

機能比較：Jira Software/Work Management と Jira Service Management（JSM Rovo 比較）

ここではプロダクトごとの特徴と運用上の注意点を示します。評価はPoCで定量的に行ってください。

分類／ルーティング

分類精度とSLA連動性が判断軸です。JSMは顧客キューとSLAを考慮した学習コンテキストに強みがあります。Jira Software／Work Managementは開発メタデータを活用した補助が中心です。

• 評価指標：Accuracy、Precision、Recall、F1スコアを収集してください。
• 運用例：confidenceスコアを閾値化し段階的に自動化する。目安としては自動振り分け閾値を0.9以上、要レビューは0.7–0.9とする運用が実務では多く見られます（個別調整を前提）。
• 緩和策：誤振り分けはルールベースのフォールバックで回避します。

応答生成（顧客向け）

顧客トーンとテンプレート連携が重要です。JSMは顧客向けテンプレート生成に強みがあります。出力品質はCSATや編集率で評価してください。

• 指標：CSAT、編集率（AI案を編集した割合）、平均編集時間。
• 運用ルール：自動公開は避け、エージェント承認を必須にします。
• 受入目安：編集率30%以下を短期目標とする例がありますが、まず現状ベースラインを取得してください。

ナレッジ連携（Confluenceとの連携）

ナレッジの品質と権限が検索精度に直結します。事前にConfluenceの整理が必要です。

• 事前準備：スペース整理、古い記事の削除、権限マッピング。
• 運用注意：検索結果に表示される内容は権限同期に依存します。機密ページの参照設定を必ず確認してください。

要約／検索／予測（SLA・アラート）

要約は読みやすさ重視のチューニングが必要です。予測はSLA違反リスクの早期検出に有効ですが、しきい値調整が必要です。

• 指標：人手評価による要約品質スコア、SLA予測の再現率。
• 運用：通知ルールを段階的に設定し、誤アラートのレビュー運用を整備してください。

レポート・分析

AIによるインサイトは補助情報です。レポートは運用での確認を前提に取り扱ってください。

• 出力は仮説提示として扱い、必ず事実確認のプロセスを入れてください。
• 定期レビューでモデルのドリフトやデータ品質を検証します。

プラン・ライセンスと統合準備（価格確認の留意点）

価格は頻繁に変更されるため、正式な見積りは販売窓口に依頼してください。第三者レビューで費用感が議論されることはありますが、公式見積りを優先してください（参照例: eesel.aiレビュー、取得: 2026-05-10）。

主要なコストドライバー

クラウド導入の試算で特に影響する項目です。事前に想定を固めてください。

• エージェント数やユーザー数（課金単位）
• 生成APIの呼び出し回数やデータ量（トークン消費）
• データ保持・ログ保管の容量と期間
• 追加コネクタやサードパーティ連携のライセンス費用
• 導入支援やトレーニングのプロフェッショナルサービス費

見積依頼時のチェック項目

営業に確実に確認すべき点を列挙します。

• 課金単位とブレイクダウンの明細を出してもらう。
• API利用の従量課金ルール（トークン課金の有無）を確認する。
• データ保持とログ取得の追加コストを確認する。
• データの学習利用の扱いとオプトアウト方法を明確にする。
• DPAや準拠している監査規格（SOC、ISO等）を確認する。参考: Atlassian Trust Center（取得: 2026-05-10、https://www.atlassian.com/trust）。

PoC設計・運用・ガバナンス（Atlassian Intelligence 導入 PoC の実務）

PoCは短期間で定量的効果を検証することが目的です。ここでは設計手順と実装上の具体策を示します。

PoC設計と評価指標

PoCのフェーズと必須KPIは次の通りです。期間は4〜8週間が一般的です。

• 目的定義と期待効果の明記。
• 優先ユースケースの選定（上位3件）。
• ベースライン計測（平均応答時間、一次解決率、エージェント工数）。
• KPI例：平均応答時間短縮、一次解決率、分類精度（F1）、CSAT、ナレッジデフレクション率。

データ匿名化手順（具体例）

PoC用データは匿名化が必須です。以下は実務で使える手順例です。

1. 範囲定義：使用するフィールドを決定する。
2. PII抽出：名前、メール、電話、住所、顧客ID等を対象とする。
3. 自動マスキング：正規表現で自動マスクする。例：メール -> [a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}（パターン検出後に置換）。
4. 置換/トークン化：固有値はハッシュやトークンに置換し、復号鍵を別管理にする。
5. 意味保持：問題ドメインに必要な属性（製品名やエラーコード）は残すが個人を特定できない形にする。
6. サンプリングと手動レビュー：ランダムサンプルを手動確認して漏れをチェックする。
7. ログと削除ポリシー：PoC終了時にデータを適切に消去する手順を確立する。

法務チェックリストと同意文サンプル

法務の承認を得るためのチェックリストと同意文例です。PoC参加は任意にしてください。

• チェックリスト：利用目的の特定、同意取得方法、匿名化手順、保存期間、第三者送信の有無、処理者契約（DPA）。
• 同意文サンプル（例）: 「本PoCでは、サポートチケットの内容を匿名化したうえで機能検証に使用します。個人を特定できる情報は削除されます。参加は任意です。保存期間はX日で、終了後にデータを消去します。」

※同意文は法務と相談して最終化してください。

受入基準（KPIの閾値設定方法）

閾値設定は統計的検定を用いて決めるのがベストです。手順は次の通りです。

• ベースラインを取得し、現状値と分散を把握する。
• 最小検出効果（MDE）を定義する（例：CSAT +5%など）。
• 有意水準（α）と検出力（1−β）を決め、必要サンプルサイズを算出する。
• PoC期間で得たデータでA/Bまたは前後比較を行い、統計的有意性を評価する。
• 受入例（目安）：分類F1 ≥ 0.85、編集率 ≤ 30%、CSAT改善 ≥ 3〜5%（業種差あり）。

運用ルールと監査

運用時の必須ルールを整備してください。

• 人間による最終承認を必須化する。
• 生成履歴とリクエストログを保存し、監査可能にする。
• 誤回答フィードバックのループを設け、定期的にモデル評価を行う。
• 権限を限定し、テンプレートやルールの編集者を管理する。

コンプライアンス／セキュリティのチェックリスト

導入前に確認すべき具体項目を列挙します。事実確認は必ず公式情報で行ってください。

確認すべき項目と照会例

• データ所在（リージョン）：データはどのリージョンに保存されるか。
• 学習利用の可否：顧客データがモデルの学習に使われるか。オプトアウトは可能か。
• 暗号化：通信（TLS）と保管時の暗号化はどうなっているか。
• 監査ログ：AIリクエストと生成結果のログ保存可否と保持期間。
• 契約・準拠：DPAの提供、SOC/ISOなどの認証状況。
• サードパーティ連携：外部コネクタ経由でのデータ送信先と責任範囲。
• 保持・消去方針：PoC終了時のデータ消去手順。

照会例（営業/セキュリティ担当へ）: 「顧客データはモデルの学習に利用されますか。利用される場合、事前にオプトアウトできますか。データはどのリージョンに保管されますか。」

参照: Atlassian Trust Center（取得: 2026-05-10、https://www.atlassian.com/trust）。

比較表・PoCテンプレート・FAQ

ここでは実務で使える比較表、PoCテンプレート、FAQを示します。各項目は必ずPoCで自社検証してください。

機能比較表（要点）

以下は機能の参照比較表です。表は参考情報であり、正式な提供範囲は公式で確認してください。

PoCテンプレート（サンプル）

FAQ（抜粋）

Q. どのプランでAI機能が使えますか？
A. 提供範囲はプランやアドオンで異なります。正式な適用範囲は公式のプラン表と見積りで確認してください。

Q. AIが生成した応答は自動で公開できますか？
A. 原則として推奨しません。まずはエージェント承認を必須にし、品質が安定した段階で運用ポリシーを見直してください。

Q. 学習に自社データが使われますか？オプトアウトは可能ですか？
A. 学習利用やオプトアウト方針は製品と契約によります。PoC前に必ず公式ドキュメントや営業へ照会してください（参照: Atlassian公式ガイド、取得: 2026-05-10）。

まとめ（要点整理）

短期PoCで定量評価し、ガバナンスを整えてから本格導入することが安全です。JSM向け生成AIは顧客対応に強みがあります。Jira Software／Work Managementは開発支援に向いています。価格・データ利活用の扱いは都度公式に確認してください。

• 顧客対応重視ならJSM主体でPoCを行う。
• 開発支援重視ならJira Software／Work Managementを選定する。
• PoCでは匿名化、法務同意、監査ログを必須にする。
• 価格や学習利用の扱いは公式見積りとドキュメントで確認する（参照例: eesel.aiレビュー、取得: 2026-05-10）。

参考リンク（取得: 2026-05-10）：Atlassian公式ガイド（https://www.atlassian.com/ja/software/jira/service-management/product-guide/tips-and-tricks/artificial-intelligence）、Atlassian Trust Center（https://www.atlassian.com/trust）、impress 記事（https://it.impress.co.jp/articles/-/27529）、eesel.aiレビュー（https://www.eesel.ai/ja/blog/atlassian-jira-service-management-review）。