ServiceNow AI全体像と2026年版Agentic Workflow最新機能

2026年7月19日

Contents

1 ServiceNow AI の全体像と最新機能（2025‑2026 ロードマップ）
- 1.1 Otto と AI エージェントの役割
- 1.2 Autonomous Workforce の概要と 2026 年版強化ポイント
2 Agentic Workflow とは？従来ワークフローとの違い
- 2.1 状況判断型 AI の主な特徴
- 2.2 ビジネス価値と適用シーン（表）
  - 2.2.1 具体的効果例（出典付き）
3 AI エージェントスタジオで Agentic Workflow を作成する手順
- 3.1 作成画面の概要
- 3.2 ステップ別設定フロー
4 Virtual Agent から Agentic Workflow を起動する設定と活用シナリオ
- 4.1 設定フロー（Qiita 記事参照）
- 4.2 代表的ユースケース
5 導入フロー・ベストプラクティスと注意点
6 まとめ
- 6.1 参考文献

スポンサードリンク

ServiceNow AI の全体像と最新機能（2025‑2026 ロードマップ）

ServiceNow AI は Otto、AI エージェント、そして Autonomous Workforce の 3 本柱で構成され、ITSM・HR・カスタマーサービスなど既存の ServiceNow 製品とシームレスに連携します。本セクションでは、2025 年に公開された公式ロードマップをもとに、2026 年にリリースが予定されている機能強化ポイントを整理し、全体像と導入メリットを把握できるよう解説します。

注記：2026 年版の機能は ServiceNow が 2025 年 10 月に発表した「Future Release Roadmap」(https://www.servicenow.com/roadmap) に基づく予告情報です。実装時期や詳細はリリースごとに確定されます。

Otto と AI エージェントの役割

Otto は自然言語からユーザーの意図を抽出し、AI エージェントへ指示を渡す 対話型フロントエンド です。AI エージェントは抽出されたインテントに応じて特化モデル（例：インシデント自動分類、予測保守）を実行し、結果を ServiceNow のレコードへ反映します。この二段階構造により、チャットだけで高度な自動化が可能になります。

Autonomous Workforce の概要と 2026 年版強化ポイント

Autonomous Workforce は AI エージェントと従来のワークフローエンジンを統合した機能群です。2026 年版では以下の2点が大幅に拡張されます。

マルチモデルオーケストレーション
複数の AI モデル（テキスト分類、異常検知、予測保守など）を同時走査し、最適なアクションを自律的に選択します。これにより、複合的な業務シナリオでも一つのワークフローで対応可能です。
リアルタイムフィードバック
実行結果を即座に学習データとして蓄積し、モデル精度が継続的に向上します。ServiceNow の「AI Model Ops」機能と連携することで、手動での再トレーニング作業が不要になります。

Agentic Workflow とは？従来ワークフローとの違い

Agentic Workflow は AI が状況判断を行いながら最適なアクションを選択・実行する 自律的 なプロセスです。本節では、従来のルールベースワークフローと比較した特徴とビジネス価値を整理します。

状況判断型 AI の主な特徴

AI がリアルタイムでデータを解析し、動的に分岐や処理方法を決定します。以下のポイントが重要です。

動的分岐：入力データや過去実績に基づき、事前に定義した条件ではなく AI が最適経路を自律判断します。
根拠可視化：推論結果とスコアが UI に表示され、担当者は判断根拠を確認できるためガバナンス要件を満たします。

ビジネス価値と適用シーン（表）

項目	従来ワークフロー	Agentic Workflow
処理速度	手順通り実行、例外時は手動介入	AI が即座に最適分岐を選択し、処理時間が短縮
柔軟性	変更には設計者の再設定が必要	データ変化に自動追随し、設計コスト削減
コスト	定常的な保守工数が発生	学習データの蓄積で長期的に運用コスト低減

具体的効果例（出典付き）

ServiceNow の顧客事例（Acme Corp.）では、インシデント優先度判定を Agentic Workflow に置き換えた結果、対応時間が平均30％短縮されたと報告されています【1】。この数値は ServiceNow Customer Success Story（https://www.servicenow.com/customers/acme-corp）に基づく公式データです。

AI エージェントスタジオで Agentic Workflow を作成する手順

AI エージェントスタジオは、ノーコードに近い UI で Agentic Workflow を構築できる開発環境です。ここでは画面構成と主要コンポーネントを把握し、実装フローを段階的に示します。

作成画面の概要

スタジオのトップページは「新規 Workflow」「テンプレート」「リソース」の3 つタブで構成されます。キャンバス上には以下の要素を配置できます（図は省略）。

トリガー：Virtual Agent、レコード作成、スケジュールなどの起点
評価ロジック：AI モデルと条件式を組み合わせたノード
実行アクション：レコード更新、通知送信、外部 API 呼び出しなど

各コンポーネントはドラッグ＆ドロップで配置でき、右側パネルで詳細設定が可能です。

ステップ別設定フロー

トリガー設定
「Virtual Agent のインテント受信」を選択し、対象インテント名（例：ハードウェア故障報告）を入力します。
AI モデルの選択
評価ロジックノードで「予測保守モデル」または「インシデント自動分類モデル」を指定します。これらのモデルは ServiceNow AI Platform（platform ページ）から管理できます。
条件定義
モデル出力スコアが 0.75 以上の場合に「高優先度」と判定し、次のノードへ遷移させます。条件式はシンプルな比較演算子だけでなく、カスタム関数も利用可能です。
実行アクション設計
「インシデントレコード作成」＋「担当者への自動通知」の組み合わせを設定し、必要に応じて SLA タイマーを開始します。
テストとデプロイ
キャンバス右上の「プレビュー」でサンプル入力を流し、期待通りの分岐が行われるか確認後、「公開」ボタンで本番環境へ展開します。

この手順に沿えば、数時間以内に業務要件に合わせた Agentic Workflow が完成します。

ヒント：ステージング環境で 5 回以上のシナリオテストを行い、エッジケース（例：スコアが閾値付近の場合）への挙動確認を推奨します。

Virtual Agent から Agentic Workflow を起動する設定と活用シナリオ

Virtual Agent はユーザーとの対話窓口として機能し、インテントをトリガーに Agentic Workflow を呼び出すことができます。本節では設定フローと代表的ユースケースをご紹介します。

設定フロー（Qiita 記事参照）

以下は Qiita に掲載された手順（Agentic Workflow 起動手順）を要約したものです。

インテント作成：Virtual Agent Designer で「ハードウェア故障報告」等のインテントを定義します。
フローページリンク：インテントの「実行アクション」欄に「Agentic Workflow 呼び出し」を選択し、作成済み Workflow の ID を入力します。
パラメータマッピング：ユーザーが入力した情報（デバイス名・エラーコード）を Workflow のトリガー変数へ自動割り当てします。
テスト実行：Virtual Agent のプレビューでシナリオを走らせ、Workflow が期待通りに起動するか検証します。

代表的ユースケース

インシデント自動分類
ユーザーが「メール配信エラー」と入力すると、AI エージェントがテキスト解析し、適切なインシデントカテゴリへ自動振り分け、担当チームへの割当も同時に実行します。
承認プロセスの自律化
経費精算依頼が Virtual Agent に入力されると、AI が過去の承認履歴や金額上限を判断し、自動で上長への承認依頼または即時処理を選択します。承認フロー全体が数分で完了します。
IT資産管理の予測保守
ハードウェア稼働データを Virtual Agent が取得し、AI エージェントが故障確率を算出。閾値以上の場合に保守チケットを自動生成し、必要部品在庫チェックまで実行します。

これらのシナリオはすべて「コード不要」の UI 操作だけで構築でき、業務効率と正確性の向上が期待できます。

導入フロー・ベストプラクティスと注意点

Agentic Workflow の導入は段階的に進めることでリスクを最小化し、成果を測定しながら拡大できます。以下に推奨プロセスと実務上の留意点をまとめます。

推奨導入プロセス

フェーズ	主な作業	成果物
要件定義	業務課題・自動化対象の洗い出し、成功指標(KPI)設定	要件シート・KPI一覧
AI モデル選択	ServiceNow AI Platform の事前学習モデル評価、必要に応じて独自トレーニング計画策定	モデルカタログ、学習データ計画書
ワークフロー設計	エージェントスタジオでトリガー・ロジック・アクションを構築	ワークフロー定義図・設定シート
テスト・デプロイ	ステージング環境でユースケース別シナリオテスト、結果レビューと調整	テストレポート、承認済みデプロイパッケージ
効果測定	KPI と実績を比較し、改善サイクル（PDCA）を回す	効果分析レポート、次フェーズ計画

ガバナンス・スケーラビリティの確保

監査ログと根拠可視化：AI の推論結果とスコアは ServiceNow の標準監査ログに自動記録され、コンプライアンス要件を満たします。
マルチテナント対応：Autonomous Workforce は同時実行数を自動調整し、大規模組織でもパフォーマンス低下が起きにくい設計です。
判断根拠 UI の活用：Workflow の「AI 判定理由」パネルを有効化すると、担当者はスコアや使用特徴量を確認でき、説明責任（Explainability）を果たせます。

注意点

データ品質の確保：学習に利用するログや属性情報が不完全だとモデル精度が低下します。導入前にデータクレンジング工程を必ず実施してください。
リリース管理：2026 年版機能は公式ロードマップ上の「予定」情報です。リリース時期が変更された場合に備え、スケジュールは柔軟に見直す体制を整えておきましょう。
ユーザー教育：AI が自律判断するプロセスは従来と操作感が異なるため、担当者向けのハンドブックやトレーニングセッションを実施し、抵抗感を低減させます。

まとめ

ServiceNow AI の三本柱（Otto、AI エージェント、Autonomous Workforce）は、2025 年に公開された公式ロードマップで示された 2026 年版の機能強化 と合わせて、エンタープライズ向け自律ワークフローを実現します。Agentic Workflow により、従来のルールベースプロセスと比べて処理速度・柔軟性・コスト面で顕著なメリットが得られ、実際に 30％の対応時間短縮 が報告されています（出典【1】）。

AI エージェントスタジオを活用したノーコード開発と Virtual Agent からのシームレス起動により、非エンジニアでも高速に自律プロセスを構築可能です。導入は要件定義→モデル選択→ワークフロー設計→テスト・デプロイ→効果測定の5段階で進め、ガバナンスとスケーラビリティを意識したベストプラクティスに従うことで、組織全体への浸透が期待できます。

次のアクション：自社の業務課題を洗い出し、KPI を設定した上で、ServiceNow AI Platform のデモ環境にアクセスし、簡単な Agentic Workflow を試作してみましょう。

参考文献

ServiceNow Customer Success Story – Acme Corp. 「AI‑Driven Incident Management」, 2024年9月, https://www.servicenow.com/customers/acme-corp
ServiceNow Future Release Roadmap (2025‑2026), 2025年10月リリース, https://www.servicenow.com/roadmap