従業員は、仕事を終えても課題を終えられないことがある。ServiceNowは、そこから先を新しいAIエージェントに任せようとしている。
ServiceNowは10月21日、Nvidiaとの提携拡大の一環として、Arcの一般提供開始を発表した。同社によると、このパーソナルなエンタープライズAIエージェントは、ITが定めたアクセス・ポリシーの下で、職場のアプリケーションをまたいだ長時間の作業を処理できる。
企業にとっての課題は、エージェントが権限の範囲内にとどまりながら、変化するシステムをまたいで正確に作業を完了できるかどうかだ。アクセス権があったとしても、エラーによって承認が未完了のままになったり、業務記録が誤って更新されたりする可能性がある。
受信トレイのフォローアップからカスタム連携まで
ServiceNowによると、従業員はすべての手順を指定するのではなく、Arcに目標を与えられる。エージェントは計画を立て、業務システムをまたいで作業を実行し、進捗を確認し、必要に応じて調整する。誰かが一つひとつの手順を監督しなくても、作業は数分から数日間継続できる。
また、従業員の受信トレイ、タスクのバックログ、会議でのやり取りから、未完了の作業も特定する。保留中の承認やフォローアップも含まれる。ServiceNowのワークフロー、メール、Microsoft Teams、その他の生産性ツールとの接続により、 自動化されたワークフローを連携させる。時間とともに培われる記憶やスキルによって、繰り返し発生する作業への対応能力を高めることも狙いだ。
既存のコネクターでは作業に対応できない場合、ソフトウェアは別のアプリケーションと通信する新たな連携機能を記述できる。日常的な処理ではNvidia RTX Sparkハードウェア上の小規模なローカルモデルを使い、より高度な要求には最先端モデルを利用する。
このAIツールは、従業員のデスクトップ上、または安全な環境内にある別のコンピューター上で動作する。 ServiceNowはこれをEmployeeWorks Foundation、Advanced、Primeの各サブスクリプションに追加料金なしで含めている。
Macには現在対応しており、Windowsへの対応は数週間以内に予定されている。
ITポリシーがシステム間でのArcの動作を管理する
管理者はAIエージェントの権限をServiceNowのSuper Intelligence Control Towerで設定し、エージェントがアクセスできるアプリケーションとデータを指定する。Nvidia OpenShellは、実行中にそうした制限を適用するサンドボックス環境を提供する。アシスタントが作成した連携機能も、同じ境界内で動作しなければならない。
このチップメーカーのOpenShell Reference Architectureには、BlueField-4データ処理ユニット上で動作するよう設計されたSentryソフトウェアも含まれる。Nvidiaによると、Sentryはホストソフトウェアから独立してエージェントを監視し、ハードウェアレベルでセキュリティポリシーを適用する。提供開始は2027年初頭を予定している。
ServiceNowは、各エージェントに許可された行動を定める認証記録「AI Passport」によって、制御をさらに拡張する計画だ。将来的には、ソフトウェアとハードウェアの適用レイヤーが取り消された権限を認識し、不正な活動を停止できるようになる。これらのレイヤーをまたいだPassportの適用は後続リリースで予定されており、Arcの現在の提供範囲には含まれない。
eWeekの調査結果：提供された計画によって小規模モデルが大規模モデルを上回る
ServiceNow Researchが3月に実施したEnterpriseOps-Gym調査では、AIモデルが1,150件の職場タスクをシミュレーションした環境で、どのような性能を示すかを調べた。
同社とNvidiaが5月にProject Arcを発表した際、エンタープライズエージェントのベンチマークに関する取り組みについても説明した。ある実験では、モデルのサイズと計画の質の関係について、意外な結果が明らかになった。
研究者は、小規模なAIモデルに対し、職場の作業を完了するための専門家作成の計画を与えた。その指示を使った場合、40億パラメータのQwen3-4Bモデルは、検証した3つすべての業務領域で、より大規模なQwen3-30Bモデルを上回った。
業務領域 | Qwen3-4B | Qwen3-30B |
| カスタマーサービス | 37.2% | 33.9% |
| ITサービス管理 | 23.3% | 20.9% |
| 人事 | 36.4% | 33.2% |
人間が作成した計画を使った場合のタスク完了率。EnterpriseOps-Gym調査の表3に基づく。
この実験で用いた3つのモデルと3つの業務領域では、いずれも人間が作成した計画を使うことで、計画を与えずにモデルを動作させた場合と比べ、タスク完了率が約14～35ポイント向上した。
この実験は、Arcの精度やコスト削減効果を証明するものではない。人間が作成した参照計画は、テスト対象のモデルに指示を与えたが、自律型エージェントであれば自ら生成または取得しなければならないものだ。研究者はまた、モデルが生成した計画による改善幅は、人間が作成した計画より小さいことも明らかにした。
企業の購入担当者にとって、この違いは重要だ。小規模モデルをローカルで実行すれば推論コストを抑えられる可能性がある一方、頻繁な修正を必要とするワークフローでは、依然として従業員の時間を消費する。評価では、ミスを修正するために必要な手作業も含め、ポリシーに従って作業を正しく完了できるかを測定すべきだ。
その可能性を評価するIT部門の責任者は、まず身近な複数手順の作業から始め、エージェントが立てた計画と、確立された従業員の手順を比較するとよい。テストには、実行中に 職場の記録が変わる状況も含め、その後、業務システムで正しい更新が行われたかを確認する必要がある。
スタッフの介入、やり直し、そして作業を正常に完了するまでのコストを追跡すれば、実際の職場環境でArcのアプローチがこうした効率化を実現するかどうかを判断しやすくなる。
AIに関するヒントやコツ、プロンプトのテクニックをもっと知りたいですか？eWeek読者は、職場でより自信を持ってAIを使えるよう専門家を支援する実践的な学習プラットフォーム、The Neuron Academyを7日間無料で利用できます。すべてのレッスンを見る →
ArcのようなAIエージェントが計画を担っても、人は達成したいことを伝える必要があります。無料の6分間 AIへの話しかけ方コースでは、より明確なプロンプトを書く簡単な方法を学べます。ほかのAIコースも7日間無料で利用できます。 すべてのレッスンを確認する →