2022/9/6 - 読み終える時間: ~1 分

各種イベント用意しています。詳細はイベントページをごらんください。


Cover Image

脆弱性管理:エンタープライズセキュリティにおけるレポート

2025/7/9 - 読み終える時間: 2 分

Vulnerability Management: Reporting in Enterprise Securityの翻訳版です。


2025年7月2日
Bulbul Das
Global Engagement Manager, HCLSoftware

エンタープライズ内のエンドポイント全体にわたる可視性は、競争優位性となるか、またはリスク要因となる可能性があります。可視性が意思決定を支援できない場合、それは単なるノイズに過ぎません。明確な方向性のないダッシュボードや断片化したレポートは、大量の情報にすぎません。

セキュリティチームは、複数の不安全なシステムにおける脅威に対処するため、大きなプレッシャーに直面しています。また、エンドポイントのコンプライアンスを確保し、監査対応を維持する必要があります。しかし、多くの組織は、限定的な洞察しか提供しない断片化されたレポートツールのため、苦労しています。

Gartnerによると、伝統的な脆弱性管理だけでは不十分であり、組織はリスクを効果的に優先順位付けし、適切なタイミングで行動するため、継続的なリスク管理が必要となっています。1

最新のHCL BigFix Reportsは、エンドポイント管理において一歩前進をしています。エンドポイント全体の可視性を強化し、高度でアクセスしやすいレポートを提供することで、HCL BigFixはよりスマートで応答性の高いセキュリティ運用を実現するための基盤を築きました。

エンタープライズ脆弱性管理が進化したレポートを必要とする理由

デバイス数と種類の増加に伴い、企業は数千のエンドポイント、クラウドインスタンス、モバイルデバイス、サードパーティアプリケーションを含むハイパーコネクテッド環境で運営されています。従来の脆弱性管理ツールは、中央集約型の可視性や文脈に基づく優先順位付けを提供できず、これが現在の課題となっています。これにより、パッチ適用遅延やコンプライアンスのギャップが生じ、企業のITインフラが潜在的な脅威にさらされるリスクが高まります。

2017年のEquifax侵害事件を例に取ると、Apache Strutsの既知の脆弱性(CVE-2017-5638)には、侵害発生の2ヶ月前にパッチが利用可能でした。しかし、この脆弱性は気づかれず対応されず、1億4700万人のアメリカ人の個人データが漏洩する結果となりました。これはツールの不足ではなく、洞察の不足が原因であり、より良いレポート機能があればこのギャップを埋めることができたでしょう。

HCL BigFix Reportsの新たな機能

組織がIT運用をより直感的に理解するための方法を探求する中、レポート機能は需要に応えるために進化する必要があります。2025年4月、HCL BigFixはプラットフォーム全体のレポート体験を現代化するための取り組みを継続し、HCL BigFix Reportsモジュールのアップデートをリリースしました。

このリリースには以下の内容が含まれます:

  • ユーザーフレンドリーなレポート体験を実現するためのアクセシビリティの向上とインターフェースのアップデート
  • パッチパフォーマンスプレイリスト
  • 以前のリリースでのユーザーフィードバックに基づく製品不具合の修正
  • 5つのCVE(CVE-2025-25977CVE-2025-29907CVE-2025-27152CVE-2025-27789CVE-2025-26791)の修正

これらの更新により、パッチ管理に関する意思決定を支援し、エンドポイントのコンプライアンス強化に役立つ可視性が追加されます。
HCL BigFixは、脆弱性管理の広範な実践における報告の役割の進化にさらに密接に整合し、企業がIT環境をより効果的に管理するのを支援します。

パッチ管理のギャップを埋めるパッチパフォーマンスプレイリスト

HCL BigFix Reports Updateの主要な追加機能の一つが「パッチパフォーマンスプレイリスト」です。これは、パッチ適用プロセスに関する集中的な洞察を提供するレポートウィジェットのコレクションです。異なる製品領域からデータを収集し、レポートの上位層として機能するプレイリストは、ステークホルダーのニーズに応じてビューをカスタマイズ可能です。

パッチパフォーマンスプレイリストは、パッチ管理に関連する重要なKPIを表示し、デバイス別および露出レベル別のパフォーマンスを示します。また、トレンドデータと環境リスクスコアリングも含まれており、組織が注意が必要な領域を特定するのに役立ちます。

脆弱性管理のイノベーションで先手を打つ

最新のHCL BigFix Reportsアップデートは、HCL BigFix Platformバージョン11.0.3以降で利用可能です。更新されたコンテンツは自動的に収集されるため、ユーザーは修正と改善にアクセスできます。

このアップグレードは、脆弱性報告をアクセスしやすいだけでなく、有用なものにするための継続的な取り組みを反映しています。ナビゲーションの簡素化から、成果指向のレポート作成と管理まで、すべてがチームがよりスマートかつ迅速に作業できるよう設計されています。
データの利用可能性、実行可能性、および組織のIT目標への関連性を向上させることで、これらの継続的な改善は、脆弱性管理、パッチ管理、エンドポイントコンプライアンスイニシアチブにおける報告の役割を強化します。

結論:可視性が新たなセキュリティ境界線

企業のハイブリッドワーク、クラウド環境、サイバー脅威が特徴の未来へ急速にシフトする中、リスクをリアルタイムで特定し対応する能力が、防御の基盤として浮上しています。

企業はより迅速に対応し、コンプライアンスを維持する能力を向上させています。


Cover Image

HCL BigFix SaaS Managementのご紹介: SaaSスタックの比類なきコントロールを実現

2025/7/4 - 読み終える時間: 2 分

Introducing HCL BigFix SaaS Management: Gain Unmatched Control Over SaaS Stackの翻訳版です。


2025年4月29日
Bulbul Das
Global Engagement Manager, HCLSoftware

業界全体でSaaSの導入が加速する中、企業は従来のソフトウェア資産管理(SAM)以上のものを必要としています。

Gartner社によると、SaaSに費やされた費用の25%は、限られた可視性と十分に活用されていないライセンスのために無駄になっています1。このことは、SaaSエコシステム全体でより良い管理を行う必要性を浮き彫りにしています。

SaaS管理は、部門横断的にクラウドベースのアプリケーションを発見し、最適化し、保護するために不可欠となっています。SaaS管理は、IT、財務、調達、セキュリティの各チームに、使用状況やコストからセキュリティやコンプライアンスに至るまで、SaaSスタックを可視化し、管理する力を与えます。

HCLSoftware,BigFixでは、HCL BigFix SaaS Managementを発表できることを嬉しく思います。HCL BigFix SaaS Managementは、Cloudeagle.aiとのパートナーシップにより構築された、SaaSの可視化と管理の課題に対応する新しいソリューションです。HCL BigFix SaaS Managementは、SaaSの可視化と管理の課題を解決するためにCloudeagle.aiと共同で開発された強力な新ソリューションです。

HCLのBigFix SaaS Managementは、SaaSエコシステム全体で可視性、節約、制御を実現するように設計されており、エンドポイントからクラウドまで、BigFixをもたらします。

SaaSの新たな課題を解決

SaaSの導入は、より迅速なイノベーションを促進しましたが、同時に隠れたコスト、運用リスク、ガバナンスの盲点も生み出しました。

SaaSをリアルタイムで可視化ししなければ、企業は隠れたアプリ、未使用のライセンス、不必要な支出、コンプライアンス上の問題を抱えるリスクがあります。このような課題を管理するには、コスト削減を効率的に特定し、SaaS アプリケーションの利用を最適化するための適切なツールが不可欠です。

ソフトウェア支出管理SaaSライセンスの最適化は、もはやオプションではなく、ビジネスクリティカルです。

そのため、HCL BigFix SaaS Managementは、BigFixの信頼性の高いコンプライアンスと自動化の強みをSaaS環境に拡張し、すべてのアプリケーション、ベンダー、部門にわたって統一されたソフトウェアガバナンスを実現します。

HCL BigFix SaaS Managementがもたらすもの

HCL BigFixの中核的な強みであるコンプライアンス、コントロール、自動化をクラウドに拡張し、単一のソリューションで以下を実現します:

  • 未管理のツールや未承認のツールを含む、使用中のすべてのSaaSアプリを検出します。
  • 使用状況ベースのインサイト、ライセンスのクリーンアップ、SaaSとの統合により、支出を最適化します。
  • ポリシー実施により、ソフトウェアスタック全体を管理します。
  • AIを活用した契約追跡と価格インテリジェンスにより、よりスマートな更新を実現します。

この単一のソリューションにより、ソフトウェアの全体像を把握し、可視性を向上させ、コストを削減し、管理を強化することができます。

HCL BigFix SaaS Managementを選ぶ理由

1. SaaS管理セットアップ

500以上のSaaS統合により、利用する可能性のあるSaaSを最適化します。

2. 最初の週から30%以上のコスト削減

ベンチマークコストの特定、利用状況の把握、ソフトウェア支出の意思決定の自動化により、節約を実現します。

3. すべてのSaaSアプリケーションを1つのダッシュボードで管理

チームが単一のダッシュボードからSaaSアプリケーションを管理、最適化、更新できます。

4. 既存システムとのシームレスな統合

CLM、Okta、サードパーティのリスクプラットフォームなど、既存のツールと接続できるため、カスタム開発なしでSaaSガバナンスを行えます。

5. よりスマートなSaaSライセンスの最適化と更新

ライセンスハーベスティングの自動化、未使用ライセンスのダウングレード、組み込みのワークフローと承認による更新管理により、コスト削減を実現します。

ソフトウェア・ガバナンスの未来はHCL BigFix SaaS Managementから始まる

SaaSの導入が進む中、オンプレミス環境とクラウド環境の両方にまたがるソフトウェアスタックを管理する必要があります。

HCL BigFix SaaS Managementは、可視化、冗長アプリの排除による無駄な支出の削減、ガバナンスの強化、ソフトウェア管理へのアプローチの変革を可能にします。SaaSベンダーとソフトウェア資産の管理に単一のプラットフォームを活用することで、運用効率とセキュリティが向上します。

ソフトウェア管理の近代化の準備はできましたか?

HCL BigFix SaaS Managementで詳細をご覧いただくか、今すぐお問い合わせください。

参考文献

  1. https://www.gartner.com/en/documents/4006574

Cover Image

SaaS管理 vs SAM vs ITAM:違いとベストプラクティス

2025/7/3 - 読み終える時間: 5 分

SaaS Management vs SAM vs ITAM: Differences and Best Practicesの翻訳版です。


2025年4月29日
Bulbul Das
Global Engagement Manager, HCLSoftware

クラウドの普及に伴い、ソフトウェアやIT資産の管理はより複雑になっている。そこで、SaaS管理、SAM、ITAMが登場し、それぞれが技術スタックの異なる部分を扱う。

SaaS管理は、クラウド・アプリの使用状況の追跡と管理を支援します。サブスクリプションを管理し、セキュリティ・コンプライアンスを確保します。

ソフトウェア資産管理(SAM)は、エンドポイント(ラップトップ、サーバー、デスクトップ、ワークステーションなど)にインストールされたソフトウェア・ライセンスの管理に重点を置き、過剰支出の回避、セキュリティ・リスクの低減、監査対応の維持を支援します。ITAMはすべてのIT資産をカバーし、ハードウェアとソフトウェアの両方を可視化します。

ITAMを最大限に活用するためには、それぞれの違いとベストプラクティスを理解する必要がある。ITAMとSAMはどう違うのだろう?

ITAM、SAM、SaaS管理の主な違い

1. IT資産管理(ITAM)

ITAMとは
ITAMは、ハードウェア、ソフトウェア、クラウドサービスなど、組織のすべての技術リソースを管理するための幅広いアプローチである。

ITAMの役割
ITAMは、ITインベントリ全体を可視化するのに役立ちます。何を所有し、どこで、どのように使用されているかを追跡することができます。

ITAMとの違い
SAMとSaaS Managementがソフトウェアに重点を置いているのに対し、ITAMは物理デバイスとクラウドインフラも含みます。アプリケーションだけでなく、すべてのIT資産の全体像を把握することができる。

ITAMが提供するメリット

  • すべてのIT資産を完全に把握
  • より良いリソース計画によるコスト削減をサポート
  • 未使用の資産を特定し、統合を可能にする
  • より良いベンダーとの契約交渉をサポート

制限事項
広範ではあるが、(SAMのような)ライセンスコンプライアンスや(SaaS Managementが扱う)SaaS固有の可視性とガバナンスには深く踏み込んでいない可能性がある。

2. ソフトウェア資産管理(SAM)

概要
ソフトウェア資産管理は、組織内のソフトウェアを管理するための集中的なプラクティスである。ライセンスの購入から使用停止まで、ソフトウェアのライフサイクル全体をカバーする。また、誰がソフトウェアにアクセスできるか、誰がアクセスできないかなど、ソフトウェア権限の全体的な管理も指す。

機能
SAM は、組織全体でソフトウェアがどのように使用されているかを追跡する。ライセンスのコンプライアンスを保証し、未使用のライセンスを再配分して無駄を省きます。また、誰かがソフトウェアを使用しておらず、それがインストールされていない場合、そのソフトウェアが存在しないため、敵対者はそのソフトウェアの脆弱性を悪用することができないため、セキュリティの役割も果たします。

ITAMとの違い
ハードウェアとインフラストラクチャを含むITAMとは異なり、SAMはソフトウェアがすべてであり、主にサーバーを含むエンドポイントにインストールされたアプリケーションの管理に使用される。

SAMが提供するメリット

  • ライセンス契約を遵守
  • 過剰ライセンスの回避によるソフトウェア費用の削減
  • 使用傾向の可視化
  • 悪用可能な脆弱性の攻撃対象領域を減らすことができます。

制限事項
SAMは、ライセンス管理、更新管理、セキュリティリスクなど、SaaS特有の課題に対応していません。また、ITAMの対象である物理的資産の管理もできない。

3. SaaS管理プラットフォーム

概要
SaaS管理とは、組織が使用するすべてのクラウドベースのソフトウェアを追跡管理することである。SAMにおけるSaaS管理の限界を克服するための対応策である。

機能
SaaSスタックをリアルタイムで把握できます。サブスクリプションの追跡、使用状況の監視、更新の管理に役立ちます。使用されていないアプリを発見し、不要なコストを削減することでSaaS支出管理を最適化できます。

他社との違い
SaaS Managementは、クラウドベースのアプリケーションのみに焦点を当てています。ハードウェアやデバイスにインストールされた従来のソフトウェアは扱いません。

メリット

  • SaaS支出管理の最適化
  • 更新を管理し、アプリケーションの乱立を回避します。
  • 使用状況を追跡し、ライセンス効率を向上
  • リスクを監視し、コンプライアンスを確保することで、セキュリティ管理戦略を改善します。

制限事項
クラウド以外のソフトウェアやハードウェアは管理できません。その価値はSaaS環境のみに集中しています。

ITAMおよびSAM担当者がSaaS管理に関心を持つ理由

ITAMとSAMの専門家がSaaS管理に関心を持たなければならない理由を以下に示す。

1. SaaSの成長が従来のITAMとSAMに与える影響

SaaSアプリの台頭は、IT資産の管理方法を再構築しました。ITAMやSAMに携わっているのであれば、何が変わってきているのかを紹介しよう:

トラッキングがより困難に

SaaSアプリはしばしば調達をバイパスするため、正確なインベントリを維持することが難しくなります。アクティブなサブスクリプションをすべて把握し、コストを管理するには、より強力なトラッキングが必要になります。

ライセンスの監視が重要

SaaS ライセンスは移り変わりが早い。未使用のシートや自動更新による無駄を避けるため、更新、使用状況、アクセスを追跡する必要があります。

セキュリティ・リスクの増大

SaaSの導入が容易になると、アクセスポイントが増える。セキュリティチームとの緊密な連携が、アクセス管理とデータ保護ルールの遵守の鍵となる。

ベンダー管理の進化

SaaSの管理は、より多くのベンダー、柔軟な価格設定、継続的な更新を扱うことを意味します。そのため、新たなベンダー管理戦略と、より緊密なベンダー監視が求められる。

2. 資産管理戦略においてSaaSを無視するリスク

ITAMやSAMの計画にSaaSを織り込んでいない場合、多くの問題を放置していることになり、いくつかの深刻な問題に直面する可能性があります:

セキュリティリスク

監視されていないSaaSアプリは、すり抜ける可能性がある。また、従業員が承認なしにツールを使い始めると、誰が何にアクセスできるかを管理するのが難しくなる。

コンプライアンス違反

SaaSの利用状況を追跡していないと、重要なデータプライバシー規則を見落としがちです。気づかないうちにコンプライアンス違反を犯し、罰金や法的トラブルに発展する可能性もある。

財務上の無駄

異なるチームが同じようなツールを契約したり、すべてのライセンスを使用しなかったりすると、必要以上の出費をすることになります。また、明確なビューがないと、一括価格設定やライセンスの最適化を逃してしまいます。効果的なSaaS管理は、ソフトウェア支出の最適化に役立ちます。

非効率なワークフロー

チームが同じタスクに異なるアプリケーションを使用すると、サイロが形成され、コラボレーションが阻害されます。分散したSaaSスタックは作業を遅らせ、不必要なツールの切り替えを招きます。

交渉力の低下

SaaSの購入が分散すると、契約を交渉する力が失われる。一元管理されたビューは、ベンダーとの交渉力を高め、より良い契約を結ぶのに役立ちます。

3. 既存のITAM/SAMフレームワークにSaaS管理を統合するメリット

SaaS管理をITAMやSAMシステムと組み合わせることで、より強力な可視性、支出に対する厳格な管理、よりシンプルな運用が可能になります。HCL BigFix SaaS Managementのようなツールがもたらすものは以下の通りです:

SaaSの完全な可視化

SaaSを完全に可視化することで、どのソフトウェアが、どこで、誰に利用されているかを正確に追跡できます:

  • 検出方法と500以上のアプリのライブラリを使用して、環境内の許可されたSaaSツールと許可されていないSaaSツールの両方を識別します。
  • APIを通じて直接統合し、機能レベルの使用状況データを提供することで、アプリケーションの使用状況をより把握できます。
  • 部門ごとにアプリケーションを自動的に分類するため、チーム全体の使用状況を追跡し、ソフトウェアコストを割り当てることができます。
  • 未承認のアプリケーション購入に対してリアルタイムでアラートを送信し、シャドーITを抑制して対策を講じることができます。

正確な使用状況データの活用による経費削減の最大化

チームがSaaSツールをどのように使用しているかを理解することで、無駄を省き、ライセンシングを最適化することができます:

  • Zoomミーティングのスケジュール数やDocuSignの送付数など、実際のユーザレベルのアクティビティを追跡することで、ライセンスがその価値を発揮して使用されているかどうかを評価することができます。
  • 十分に使用されていない、またはアイドル状態のライセンスをハイライトし、更新サイクルの前にそれらを再生成または再配布できるようにします。
  • 例えば、100ライセンス分の料金を支払っているが、アクティブに使用されているのは80ライセンスだけといったシナリオを特定できます。
  • ライセンスハーベスティングワークフローを自動化し、未使用のライセンスを再請求し、必要に応じてキャンセルまたは再割り当てします。

冗長性の特定と技術スタックの最適化

SaaS Managementは、不要な重複や肥大化を排除することで、ソフトウェア環境の合理化を支援します:

  • 同じ目的で重複するアプリケーションを検出し、統合して冗長な支出を削減できます。
  • SSOとHRISの統合により、各アプリケーションへのアクセス頻度とアクセス者を正確に把握します。
  • スタックから削除可能な、放置された、十分に活用されていない、または古くなったツールを検出します。
  • このデータを一元化されたダッシュボードに表示し、使用率の低いアプリやライセンスの傾向を強調表示します。
  • サブスクリプションの適正化、更新の意思決定、ベンダーとの交渉の効率化を支援します。

IT、セキュリティ、調達にわたるプロセスの自動化

繰り返しの多い手作業を自動化することで、チーム全体のミスを減らし、業務をスピードアップします:

  • 既存のシステムと統合することで、環境全体のアプリケーションを自動的に検出し、シャドーITや未承認ツールに先手を打つことができます。
  • ソフトウェア契約からメタデータを抽出することで、契約管理を簡素化し、主要な条件とコミットメントの概要を一元管理できます。
  • 自動更新カレンダーを作成し、更新を先取りして交渉中の土壇場での不測の事態を回避します。
  • ライセンス再利用のための自動ワークフローを実行し、未使用のライセンスを特定して回収し、使用量を最適化します。
  • Slack対応のリクエストに対応し、社内チームでの調達を容易にします。
  • 自動プロビジョニングと自動デプロビジョニングが可能で、入社時や退社時に従業員へのアクセス権の付与や削除を実行します。

価格ベンチマークでベンダーとの交渉をよりスマートに

SaaS Managementは、適正な市場価格を支払い、ベンダーから最大限の価値を得ていることを確認するのに役立ちます:

  • 最新の価格ベンチマークデータベースにアクセスし、現在のソフトウェア価格を市場標準と比較できます。
  • アプリケーションの使用状況や支出パターンを表示し、過剰な支払いや十分な価値を得られていない箇所を特定できます。
  • プラットフォームを通じて事前交渉済みのベンダー割引を提供し、コスト削減の出発点を強化します。
  • ベンダーと価格設定の専門家が支援する購入支援ダッシュボードを提供し、最良の条件と更新の確保を支援します。

これらの機能により、十分な情報を得た上で自信をもってベンダーとの話し合いに臨み、コスト削減の準備を整えることができます。

SaaS、SAM、ITAMを一緒に管理するためのベストプラクティス

以下は、SaaS、SAM、ITAMを一緒に管理するためのベストプラクティスです:

  • すべての資産データをHCL BigFix SaaS Managementのような1つのプラットフォームに集中させ、可視性とコントロールを得る。
  • 手作業なしですべてのソフトウェアとハードウェアを検出し、カタログ化するために、検出を自動化します。
  • ソフトウェアの購入、使用、廃棄に関する明確なポリシーを設定し、混乱やシャドーITを回避します。
  • 定期的な監査により、インベントリを維持し、ライセンスのコンプライアンスを確保します。
  • 使用状況を積極的に監視して、使用されていないライセンスを再割り当てまたは破棄し、ROIを向上させます。
  • MFA、暗号化、厳格なアクセス制御により、管理戦略にセキュリティを組み込む。
  • IT、調達、財務間のコラボレーションを促進し、意思決定とサイロ化を低減します。
  • データインサイトの活用により、予算編成の指針を示し、支出を最適化し、より戦略的な選択を行う。
  • ベンダーの価格設定とライセンスの変更を常に監視し、予期せぬコストを回避する。

結論

SaaS、SAM、および ITAM をサイロで管理することは、もはやうまくいきません。コストを削減し、リスクを低減し、無駄のない効率的なスタックを維持します。HCL BigFix SaaS Managementは、そのすべてを一箇所に集約します。今すぐお問い合わせください。


HCL Domino 注目サポート技術情報(2025年6月)

2025/7/2 - 読み終える時間: ~1 分

HCL Domino 注目サポート技術情報 (2025年 6月) を公開しました。バックナンバーも同ページに掲載しています。

「Notes/Domino 注目サポート技術情報」は、お客様からよく参照されている技術情報や、サポートからお客様にご参照いただきたい技術情報のリスト化したものです。


Cover Image

CDP (Customer Data Platform) vs DMPのどちらを取るべきか?

2025/7/2 - 読み終える時間: 4 分

CDP (Customer Data Platform) Vs. DMP: Which Should You Choose?の翻訳版です。


HCLSoftware
HCLSoftwareは、HCL Technologiesの事業部であり、AIと自動化、データと分析、デジタルトランスフォーメーション、エンタープライズセキュリティを通じて、デジタルトランスフォーメーション経済を推進し、顧客の変革ニーズを満たしています。


データを活用した意思決定は、ビジネスの成長に不可欠です。事実、データドリブンな企業は、そうでない企業に比べて19倍も収益性が高いという調査結果もあります。
デジタル時代において、あらゆる顧客接点がビジネスの成果に直結する中、顧客データを正しく理解し、パーソナライズ施策に活用することは、もはや選択肢ではなく必須条件となっています。
事業成長を支えるには、データを適切に管理・活用できるツールが不可欠です。その代表的な存在が、CDP(Customer Data Platform)とDMP(Data Management Platform)です。
どちらも重要なソリューションですが、それぞれが担う役割には明確な違いがあります。本記事では、CDPとDMPの機能や用途を整理し、自社に最適な選択肢を見極めるためのヒントをご紹介します。


1. CDP(カスタマーデータプラットフォーム)とは?

CDPは、複数のデータソースから収集した顧客情報を統合・保存し、顧客一人ひとりの詳細なプロファイルをリアルタイムで構築するための強力なツールです。
行動履歴、取引履歴、属性データなどを網羅的に統合し、パーソナライズされた体験の基盤を形成します。

主な機能

  • リアルタイムの顧客プロファイリング: 複数ソースからのデータをリアルタイムで処理し、精緻な顧客プロファイルを構築。これらのプロファイルは、マーケターに実行可能な洞察を与え、個々の顧客に響く高度にパーソナライズされたキャンペーンを可能とする。
  • オムニチャネル対応: SNS、メール、ウェブ、アプリなど、多様な接点においてシームレスなマーケティングを促進し、一貫性のある関連性の高い顧客体験を実現。
  • データドリブンな意思決定: 顧客行動や嗜好の全体像を可視化することで、リーダーシップチームやマーケティングチームが情報に基づいた戦略立案やUX改善に貢献。

画像の説明


2. DMP(データマネジメントプラットフォーム)とは?

DMPは、主に匿名性の高いオーディエンスデータを大規模に収集・分類・管理するためのプラットフォームです。主に広告領域で活用され、ターゲットの拡張や広告配信効果の最適化を目的としています。

主な用途

  • 行動ターゲティング:DMPは、サードパーティデータと匿名データを集約して、ターゲット広告用のオーディエンスセグメントを構築します。
  • 広告キャンペーンの最適化: マーケターはDMPを使用して、閲覧行動に基づいてユーザーをセグメント化し、関連性の高い広告を特定のユーザーに配信。
  • 類似オーディエンスの抽出: 既存顧客に似た特性を持つ新規ユーザーを識別・獲得

画像の説明


3. CDP vs DMP:扱うデータの違いとは?

CDPとDMPの選択において、扱うデータの種類は大きな判断材料です。

  • ファーストパーティデータ: 自社で収集した訪問履歴、メール開封、購買履歴、CRMレコードなど。正確かつコンプライアンス対応済みの信頼性の高いデータ。
  • セカンドパーティデータ: パートナー企業などから共有されるデータ。例:銀行と証券会社が匿名の取引情報を共有し、富裕層の顧客にパーソナライズされた金融商品を提供する場合。
  • サードパーティデータ: ターゲット広告のためにクッキーやデバイス情報など、外部業者から購入する匿名データ。外部ソースによって収集されるため、その正確性と倫理的な収集方法を確認することはより困難。
  • なぜ重要なのか?:CDPは主にファーストパーティデータを活用し、DMPはサードパーティデータ中心に運用されます。両者とも、通常はデータ共有契約の一環として、セカンドパーティデータを利用することができる。

4. CDP vs DMP:本質的な違いとは?

CDPとDMPの最大の違いは、マーケティング施策を支えるデータの活用方法とその焦点にあります。
CDP(Customer Data Platform) は、自社チャネルから直接収集したファーストパーティデータを蓄積・統合し、そのデータの出所を追跡できる「データリネージ」機能を備えています。
CDPの強みは、顧客データの深さ、正確性、信頼性にあります。詳細な顧客プロファイルやカスタマージャーニーに基づいた予測が可能となり、パーソナライズされたキャンペーンの設計や、長期的な顧客関係の構築に欠かせない洞察をマーケターに提供します。
DMP(Data Management Platform) は、匿名のサードパーティデータを活用し、複数のプラットフォームにおけるオーディエンスのエンゲージメントを俯瞰的に把握するのに適しています。
この機能は、広告規模を拡大し、ターゲティングを最適化し、大規模な潜在顧客層への効率的なアプローチを目指すデジタル広告担当者に最適です。
DMPを使えば、類似オーディエンスの作成、プログラマティック広告の配信、閲覧履歴に基づくリターゲティングなどが可能になります。
CDPは「顧客理解と関係構築」に焦点を置き、長期的なエンゲージメントを目指します。
一方DMPは「広告最適化と拡散力」に優れ、短期的なコンバージョン獲得に適しています。これにより、ブランドはスケールを持って適切なオーディエンスに対し、関連性の高い広告を確実に届けることが可能になります。


5. CDP vs DMP:データ管理の違いとは?

CDPとDMPはどちらも顧客データを取り扱いますが、そのアプローチには大きな違いがあります。
データ収集:CDPは、Webサイト訪問、購入履歴、モバイルアプリ、カスタマーサポートとのやり取り、オフラインでの取引など、複数のソースやタッチポイントからファーストパーティデータを収集・統合します。
一方DMPは、外部提供元からのサードパーティデータや匿名データを主に処理します。
顧客識別:CDPはPII(個人を特定できる情報)を活用し、顧客を正確に識別します。対してDMPはPIIを保持せず、Cookieベースの識別子、閲覧履歴、広告インプレッション、SNS上のアクティビティなどを使用して、匿名のオーディエンスセグメントを構築します。
データ保持期間:CDPは、長期的な活用を前提に顧客データを保持しますが、DMPは広告ターゲティングの鮮度を保つために、通常90日間程度の短期間でデータを保持します。
リアルタイム処理:CDPはリアルタイムでデータを処理し、顧客インサイトの向上やオムニチャネルでのエンゲージメントを可能にします。
DMPもリアルタイム機能を提供することはありますが、主に広範なオーディエンスセグメントの集計・分析に重点を置いています。
データプライバシーとコンプライアンス:CDPはプライバシーファーストのデータ管理を重視し、PIIのマスキングや匿名化、ユーザー同意の管理、GDPRやCCPAなどの規制遵守を徹底しています。
一方DMPは、Cookie廃止の流れやプライバシー法の厳格化により、コンプライアンス上の懸念が生じやすい側面があります。
このように、CDPとDMPは収集するデータの種類から取り扱い方、保持期間、そして規制対応まで、データマネジメントの全体像が大きく異なります。


6. CDP vs DMP:ビジネスに適しているのはどちらか?

CDPとDMPのどちらを選ぶべきかは、ビジネスの目的によって異なります。

CDPを選ぶべきケース:

顧客とのパーソナライズされたエンゲージメントや長期的な関係構築を目的に、ファーストパーティデータを収集・管理・活用したい場合は、CDPが最適です。
例)老舗の銀行が、顧客の支出傾向や取引履歴、収入パターン、嗜好などをCDPで統合管理し、それをもとに個別最適化された投資商品やクレジットサービスを提案する。

DMPを選ぶべきケース:

短期的な広告キャンペーンの最適化やリード獲得を目的に、サードパーティデータを活用して広告のリーチやターゲティングを強化したい場合は、DMPが有効です。
例)ある金融機関が、クレジットカードに関心を示しているユーザーのオンライン行動をDMPで追跡し、プレミアムカードの広告を表示することで効果的にターゲティングする。
要するに、顧客との関係深化を重視するならCDP、広告効果の即効性を求めるならDMPが適しています。


7. CDPとDMPは併用できるのか?

可能です。
顧客とのすべての接点を通じてシームレスでデータドリブンな体験を実現したいのであれば、CDPとDMPの両方に投資することは、競争力を維持するうえで非常に効果的です。
実際、ファーストパーティデータとサードパーティデータの両方を活用している多くのブランドにとって、併用は理にかなったアプローチです。顧客体験と広告の両方を最適化する「ハイブリッドなマーケティング基盤」を構築できます。
このようなケースでは、CDPがデータ活用の基盤となり、DMPでのオーディエンスセグメントをより豊かな顧客インサイトで強化できます。
また、DMPで収集した外部データをCDPに取り込むことで、顧客プロファイルをさらに拡充することも可能です。
例:ある通信事業者がCDPを使って、複数のチャネルにおける顧客のインタラクションを追跡し、モバイルプランのアップグレードに関心のあるユーザーを特定。
それをDMPに連携させることで、該当するユーザーに対してプレミアムプランの広告を的確に配信。その結果、顧客獲得の効率向上やパーソナライズ施策の強化が期待できます。
オーディエンス拡張、リード獲得、そしてエンゲージメント強化にとって、CDPとDMPの連携はまさに理想的な組み合わせです。


8. 既存のDMPにCDPを統合するには?

すでにDMPを活用している企業にとって、CDPの導入と統合は業務価値をさらに高める有効な手段となります。
そして、多くの人が思っているよりもその統合プロセスはシンプルです。以下のステップを参考にしてください。

ステップ

1. データ戦略の定義:

まずは、現在のDMPが抱える課題や制限を明確にしましょう。
たとえば、永続的な顧客プロファイルが欠如している、リアルタイム性が不足しているなどの点を洗い出し、それをCDPでどう補完できるかを検討します。
特に、ファーストパーティデータを軸に据えたマーケティング戦略へ転換を進めている企業には最適です。

2. コンポーザブルCDPを選定:

従来型の「一体型CDP」ではなく、HCL CDPのようなコンポーザブルCDPを選びましょう。
これは、モジュール型で既存のデータ基盤と柔軟に連携可能な設計になっており、DMPの上に無理なく追加できます。
このアプローチにより、必要な機能だけを選んで拡張でき、データスタック全体を入れ替える必要がありません。その結果、スケーラビリティと効率的なデータ活用を両立できます。

3. CDPをDMP識別子との連携を構築:

CDPをDMPと連携させる際には、CDPがDMPの識別子(Cookie、デバイスID、ハッシュ化されたメールアドレス、ユニバーサルIDなど)を取り込んでマッピングできるかを確認してください。
これにより、DMPが保有する匿名データとCDPのファーストパーティデータを照合可能になり、以下のような恩恵が得られます。

  • 顧客プロファイルのさらなる拡充
  • 広告インタラクションの分析
  • 外部オーディエンスデータを活用したターゲティング精度の向上 このように、DMPにCDPを連携させることで、「匿名の外部データ」と「実名の内部データ」をシームレスに活用できる体制が整います。
    これにより、より精緻なマーケティング施策とパーソナライゼーションの高度化が可能になります。

コンポーザブルCDPへのシフト:未来に備えるデータ戦略とは

もはや議論は「CDPかDMPか」だけではありません。
今問われているのは、“企業がこのデジタル時代に、いかに効率的に顧客データを管理・活用するのかが重要"です。

厳格化するデータプライバシーとセキュリティ法規制(GDPRやDPDPA)、高まる顧客の期待値、そして当たり前になりつつあるリアルタイムなパーソナライズ。
こうした流れにおいて、従来の一体型で硬直的なデータプラットフォームでは、変化に追いつくのが難しくなっています。
今、企業に必要なのは単なるデータの収集ではありません。
必要なのは、リアルタイムかつ即活用可能なインテリジェンスを基に、顧客との深いつながりを築くことなのです。

ここで登場するのが、ゲームチェンジャーとなるコンポーザブルCDPです。
当社の提供するコンポーザブルCDPは、この新時代のマーケティングに特化して設計されています。

  • リアルタイムでのデータアクティベーション
  • すべての顧客接点でのパーソナライズ
  • GDPRやDPDPAなどの法規制への柔軟な対応
  • スケーラブルかつアジリティの高いデータ活用

したがって、本当の問いは、未来のデータ戦略に備えているかが重要となります。
従来の「CDP導入=フルスタック刷新」ではなく、コンポーザブルCDPならば既存システムに無理なく組み込み、拡張可能な設計で、変化に強いマーケティング基盤を構築できます。
もはや追従するだけでなく、業界をリードする立場へなるため、当社のコンポーザブルCDPがどのように貴社のデータ戦略を変革するのかお試し下さい。


Cover Image

ITSMにおけるAgentic AI:サービスマネジメントの変革

2025/6/27 - 読み終える時間: 11 分

Agentic AI in ITSM: Transforming Service Managementの翻訳版です。


2025年4月2日
Jenix Ravindran
プロダクトマーケティングマネージャー

はじめに:サービスマネジメント進化の軌跡

過去10年間で、サービスマネジメントのデジタル領域は、自動化と人工知能(AI)の波により劇的に進化してきました。かつては手動作業とシンプルなチケット管理が中心だった世界が、今まさに「Agentic AI」の登場によって、新たなパラダイムシフトを迎えようとしています。
Agentic AIとは、ITやカスタマーサポート、設備管理、人事など、さまざまな業務領域におけるサービスの提供と管理のあり方を根本から再定義するテクノロジーです。
従来のサービスマネジメントは、標準化と最適化を重視し、ルールに基づくプロセス運用が基本でした。
しかし、自動化ツールの登場により、定型業務の処理は格段に効率化され、さらに生成AI(Generative AI)や対話型AI(Conversational AI)の発展により、コンテンツ生成やユーザー対応の精度も向上しました。
しかし、意思決定や複雑な問題解決には依然として人間の介入が不可欠という課題がありました。
この課題を解決すべく投稿したAgentic AIは、ITサービスマネジメントの新たなフロンティアを画しています。Agentic AIは、過去の成果から学習し、自律的に判断・実行することが可能なAIです。
この技術革新は、インシデント管理、サービス提供、業務効率化、戦略的計画におけるアプローチを抜本的に変えようとしています。

Agentic AIとは:既存のAI技術との違い

生成AIと対話型AIを超えて

これまでにもさまざまな形でAIは活用されてきましたが、完全に自律的なAIは存在しませんでした。
生成AIはコンテンツを生み出し、対話型AIはユーザーとの会話をサポートし、予測AIは過去データから洞察を導き出しますが、いずれも「ツール」としての域を出ず、最終的な判断や行動は人に委ねられてきました。
それに対して、Agentic AIは「自ら考え、決断し、行動する」AIです。
例として、これまでのAIがカーナビのように道順を案内する役割だったのに対し、Agentic AIは自動運転車のように、状況を読み取りながらリアルタイムで障害を避け、目的地へと向かう存在です。

AIの種類 主な機能 限界 ユースケース例
生成AI 入力プロンプトに基づきコンテンツを生成 意思決定ができない レポート作成、ドキュメント生成など
対話型AI 自然言語による対話を実現 対応は基本的に受動的 質問対応、トラブルシューティング支援など
予測AI 過去データを分析し洞察を提供 行動には人の理解・判断が必要 顧客満足度予測、リスク評価、分類など
Agentic AI 自律的に判断・実行する ガバナンス設計が必要 インシデントの解決、リソースの最適化

生成AI:創造性に富んだコンテンツ生成のツール

生成AIは、テキスト、画像、コード、データパターンなどのコンテンツを、プロンプト(入力指示)と学習済みのパターンをもとに生成します。
人間が作成したかのような自然で洗練されたアウトプットを高精度に生み出すことが可能です。ただし、このAIはあくまでツールであり、自律的に判断や行動を起こすAIエージェントではありません。

対話型AI:人とシステムの自然な対話を実現

対話型AIは、自然言語を通じて人と機械のやり取りを可能にする技術です。
ユーザーの質問を解釈し、適切な情報を提供したり、プロセスを案内したりします。ただし、その対応はあくまで人間側の明示的なリクエストに基づくものであり、主体的に業務課題に対応することはありません。

予測AI:過去のデータから未来を読み解く

予測AIは、トランザクションやイベントの履歴を学習することで、将来の傾向や結果を予測します。
例えば、新しいトランザクションやイベントに対するインシデントの分類、一次対応完了率、変更リスクや成功率、顧客満足度の予測などが可能です。
ただし、最終的な判断とアクションの実行には人の関与が不可欠であり、予測AIはその支援役として機能します。

Agentic AIの“真の自律性”でサービスマネジメントを再定義

従来のAIが人間の補助ツールであるのに対し、Agentic AIは、組織の目的と制約を踏まえ、自律的に意思決定・実行する能力を備えたAIです。これにより、サービスマネジメントの在り方は根本から変わろうとしています。

独立した意思決定:

人間の指示がなくても、Agentic AIは状況を分析し、選択肢を検討したうえで、最適な行動を選択し、組織のビジネス目標やポリシーに沿った判断が可能

  • プロアクティブな介入: 常時システムやプロセスを監視し、問題が顕在化する前に兆候を察知。サービスへの影響を未然に防ぐための措置を自律的に講じる
  • 学習と適応: 自身のアクション結果を評価し、意思決定アルゴリズムを継続的に改善し、業務環境の変化に即した最適な対応を、再プログラミングなしで実現
  • エンドツーエンドのプロセス実行: 複雑なワークフロー内の単一タスクの処理にとどまらず、複数システムや領域をまたぐ一連の業務プロセスを自律的に統合・実行し、問題の検知から解決までを一貫して担うことが可能

日常業務における「Agentic AI」の差別化された強み

その真価は、実際の業務プロセスにおいて明確になります。
生成AIは、一般的なネットワーク問題を解決するための手順書を作成したり、サービスパフォーマンスに関するレポートを自動生成することができます。対話型AIは、ユーザーにトラブルシューティングの手順を誘導したり、予測AIは将来の傾向やリスクを示唆してくれます。
一方で、Agentic AIはそのさらに先を行きます。
ネットワークパフォーマンスを常時監視し、接続品質の低下を自動で検知。必要に応じてルーティングプロトコルの再構成や、アプリケーションの優先順位に基づいたサービス品質パラメータの調整を実行。さらに、これらの変更内容をすべて構成管理データベースに自動で記録し、これらすべてを人間の介入なしに実行するのです。
この自律的な能力を持つAgentic AIは人間の役割を「作業実行者」から戦略的な監督者へと進化させ、業界全体のサービスマネジメントの運用モデル自体を根本的に変革します。

ITサービスマネジメントにおける「Agentic AI」のインパクト

インシデント解決の変革

従来のITサービスマネジメントでは、インシデント対応は「受け身」で行われてきました。ユーザーが問題を報告し、サービスエージェントが記録・分類・エスカレーションし、対応完了までに数時間から数日かかることも珍しくありません。
組織は通常、従来の環境でのインシデント解決にかなりのITリソースを投入していました。
これにより初期の自動化によって初動対応の時間は短縮されましたが、診断や解決は依然として手動対応が必要だった過去があります。
Agentic AIは従来の考え方に革命をもたらします。問題の早期検知・診断・自動解決を高度に実現することで、既知の問題に対しては人の手を介さずに完全自律で対応できるようになります。

実例: データベースパフォーマンスの低下がアプリケーションの応答時間に影響を与えている場合

Agentic AIの対応:

  • 異常を自動で検知し、クエリパターンを分析し、非効率な実行プランを特定
  • 最適なインデックスを作成・テストし、解決策を実装し、パフォーマンス改善を検証
  • ユーザーに影響が出る前に人間の介入なしに修正し、イベントとアクションフローの処理過程はすべてログとして記録し、追跡可能性を確保

サービスデスク業務の強化

従来のサービスデスクでは、人手によるチケット対応が基本であり、応答のばらつきや待ち時間の長さが課題でした。ファーストレベルの解決率も受信した要求の一部しかカバーしておらず、標準的なインシデントでも解決まで数時間かかるケースが一般的です。
Agentic AIはこの仕組みを根本から変えました。
今では、IT・人事・施設管理・財務といった領域におけるルーチン対応をエンドツーエンドで自律的に処理できます。

実例: 従業員が手動のリクエストプロセスにより、マーケティング分析プラットフォームのアクセス申請に手間がかかっていたケース

Agentic AIの対応:

  • ユーザーの役割とコンプライアンス条件を自動確認し、適切なアクセス権限を即時で付与
  • 従業員にアクセス手順を通知し、コンプライアンス記録としてログも自動保存 → 数分以内に全処理を完了、人手は不要

ナレッジマネジメントの変革

従来のナレッジマネジメントは静的な文書化、手作業による更新なので品質に大きなばらつきがありました。
ナレッジ記事は頻繁に古くなり、その品質は作成者の専門知識によって大きく異なります。多くの組織は、ナレッジベースの正確な情報を維持することに課題を抱えており、ナレッジの維持管理には多くのリソースの割り当てが必要であると報告しています。
Agentic AIはこの課題に対して、自己維持型のナレッジエコシステムを構築することで、ナレッジマネジメントに変革をもたらしました。これらのシステムは、成功した解決策や新たなパターンに基づいて、AI自身がナレッジ記事を自動的に生成・検証・更新します。

実例: 進化する解決技術に伴い、ナレッジ記事の作成または更新が必要になったケース

Agentic AIの対応:

  • 特定の同じソフトウェア問題に対する複数の成功事例をもとに、包括的なナレッジ記事を自動生成
  • 最新のケースに照らし合わせて内容を検証し、検索性を最適化し、ユーザーとサポートスタッフの両方が利用できるようにする
  • 解決方法が進化すれば、システムは人間の介入なしに記事を自動で随時更新

進化型の変更管理

標準的な変更管理では、正式なリクエスト、複数レベルの承認、およびスケジュールされた実装期間による制御が重視されてきました。これはリスクを低減する方法ですが、運用上のかなりの摩擦を生み出します。
この方法では、企業環境において、重要な変更の実行が延期されることが多く、時には数日または数週間に及ぶこともあります。
Agentic AIはこの仕組みを継続的・自律的な改善プロセスへと変革します。
最新のシステムは、最適化の機会を独自に特定し、実行戦略を策定し、実行と結果の継続的な監視まで最小限の人手で完結。従来のアプローチと比較して、AIによる変更管理を導入している組織は、改善実施の回数が増え関連インシデントは減少する傾向が明確に見られます。

現場での活用シナリオ:ネットワークルーティング設定を最適化するための手作業による分析と実装。

従来の課題:

ネットワークルーティングの最適化には、トラフィック分析や構成変更の設計・実装が必要で、専門家による手動対応に大きく依存していました。

Agentic AIによる変革:

  • 数週間にわたってトラフィックパターンを継続的に観測後、Agentic AIシステムはルーティング構成を最適化する機会を特定
  • 自動的に実装計画を策定し、低トラフィック時間帯を選んで変更をスケジュールし、現在の構成のバックアップを作成
  • 変更前の構成をバックアップしつつ、段階的に構成を実装
  • パフォーマンス指標を監視しながら変更を段階的に実装し、プロセス全体を構成管理データベースに文書化

資産および構成管理の進化

従来の資産管理は、定期的な手作業による棚卸しや構成の追跡が行われていましたが、これらはすぐに時代遅れになってしまいます。
従来のアプローチを使用している組織は、全体データの正確性や網羅性に課題を抱えていました。結果として、コンプライアンス違反や運用リスクが発生しやすい状況でした。

Agentic AIによる進化:

  • 環境全体にわたる自動かつ継続的な資産発見と関係性マッピングを実現
  • リアルタイムで資産や依存関係、構成を把握
  • 使用状況とビジネス優先度に基づき、資産のライフサイクル最適化を自動で実行

実例: ハイブリッドクラウド環境全体におけるリソースの未活用や負荷の偏りがある場合

Agentic AIの対応:

  • ハイブリッドクラウド環境全体のサーバーパフォーマンスや利用パターンを常時モニタリング
  • 未活用リソースを検出し、自動的にワークロードを再配分
  • 所定のスケジュールではなく、実使用状況に応じてハードウェア更新時期を見直し、コストとパフォーマンスを最適化

オペレーショナルインテリジェンスと継続的改善

従来の分析ツールは、過去のデータに基づくレポートが中心で、リアルタイムの最適化には限界がありました。
Agentic AIは、リアルタイムでのパターン分析・改善提案・自動実装を可能にし、オペレーショナルインテリジェンスを新たな次元へと引き上げます。

実例: アプリケーションパフォーマンスを最適化するためには、テクノロジースタック全体で継続的な手動調整が必要な場合

Agentic AIの対応:

  • アプリケーションのパフォーマンスをリアルタイムで監視し、最適化の機会を特定
  • データベースクエリ最適化、キャッシュ設定、負荷分散、リソース割り当てなどを自律的に調整
  • 中断を伴わない段階的な最適化で、パフォーマンスを着実に向上

ステークホルダー別の戦略的メリット

従業員・エンドユーザー向けの価値

Agentic AIは、組織全体の従業員とエンドユーザーのサービス体験を変革しました。従来のサービスモデルでは、対応の遅さ、サポート品質のばらつき、複雑なサービス構造プロセスがユーザー体験を損なっていました。今日のAgentic AIは、これを根本から再構築します。

  • 即時対応: 以前は数日かかっていた一般的なリクエストが、今では瞬時に処理・解決され、従来の待ち時間が完全に解消
  • 一貫性のある体験: 対応者やチャネルによるサービスの質の差が解消
  • 能動的なサポート: 最悪のタイミングで発生するシステム障害も、発生前に未然に解決し、スムーズな業務フローを維持
  • コンテキスト保持: システムはインタラクション全体で完全なコンテキストを維持するため、情報を何度も繰り返したり、問題を何度も説明したりする煩わしさがなくなる
  • 24時間365日グローバル対応:地理的およびタイムゾーンの制約がなくなり、いつどこでサポートが必要になっても一貫したサービス品質が提供可能

1日の業務に見るAgentic AIの価値

マネージャーの場合

マーケティングマネージャーのサラが、重要なクライアントミーティングの前に、プレゼンテーションソフトウェアに潜在的な問題が発生したと気づきます。
しかし、彼女が問題を報告する前に、Agentic AIが不具合を検出し、根本的なドライバーの競合を特定し、修正を実施。数分以内に通知が届く頃には問題はすでに解決済み。準備は中断されることなく完了。

サービスデスク担当者の場合

サービスデスクアナリストのマークは、かつてはパスワードリセットや基本的なトラブル対応に追われていました。
今では、Agentic AIが日常的な業務を処理し、彼の問題解決スキルと技術的専門知識が大きく貢献できる、より複雑なアプリケーション統合や技術課題に集中できるようになった。
Agentic AIシステムはさらに、彼のスキルに応じた学習コンテンツを提案し、キャリアの成長も後押しします。
サービスデスクの専門家は、日々の業務において最も深い変革を経験しています。
Agentic AIを導入している組織のエージェントは、従来の環境と比較して、仕事の満足度が高く、離職率が低い傾向にあります。

この変革のポイント:

  • サービスデスクエージェントは、人間の創造性と批判的思考を真に必要とする複雑な課題に集中
  • AIが状況に応じた解決策や背景情報を提示し、効率的な対応を支援し、時短となる
  • エージェントの経験に基づいて、キャリア目標と組織のニーズに合ったパーソナライズされたスキル育成を実現 問題解決に必要な情報を、必要なタイミングで提供し、サービスエージェントが問題をより迅速に解決するのに役立つ

サービスマネジメント者の場合

サービスデリバリーマネージャーのジェニファーは、以前はリソース調整やコンプライアンス文書の確認に何時間も費やしていました。
今ではサービス戦略と体験設計に集中しています。Agentic AIが人材スケジュール管理とコンプライアンス文書の処理を代行するため、彼女は大幅な時間節約を実現しています。
また、Agentic AIは将来的な需要を予測するインサイトも提供するため、ジェニファーは将来のサービスニーズを効果的に計画できます。
手動承認やリソース調整に埋もれる代わりに、ジェニファーのような管理者は、AIがルーティン作業を処理する間、大きな視点での戦略に集中できるようになるでしょう。

得られるメリット:

  • ワークロードのバランス最適化と予測型リソース配分によるダイナミックな最適運用、手動介入なしに最適なサービス提供を実現
  • サービス活動の継続的モニタリングと文書化による最小限の管理負荷で自動コンプライアンス管理
  • サービスカタログ/ワークフロー管理の自動化と利用パターンおよび結果に基づく継続的な最適化により、サービスマネジメントの簡素化
  • 高度な分析による予測的な洞察により、管理者は過去のパフォーマンスの事後報告ではなく、能動的なアプローチを採用可能

意思決定者の場合

CIOのマイケルは、従来は安定運用とイノベーション推進のバランスに苦慮していました。
しかし今では、Agentic AIが基幹サービスの安定運用をリアルタイムで支援してくれるため、マイケルとそのチームはデジタルトランスフォーメーションに注力できるようになりました。
さらに、AIが提供する包括的なインサイトにより、リソース配分や戦略的な意思決定をより的確に行えるようになっています。
サービスマネジメントのために高度なAIを導入している組織は、運用コストを削減しながら、サービス品質とビジネスの俊敏性を向上させることができます。

主な利点:

  • ルーティン業務をAIが処理することで、イノベーションや戦略的施策へのリソース配分が可能に
  • 能動的な問題の予防と自動対応による運用レジリエンスの向上
  • 高度なインサイトに基づいた戦略的計画と投資判断の高度化

導入における限界と課題

Agentic AIは著しい進歩を遂げていますが、いくつかの重要な限界が残っています。

技術的制約

  • 複雑な例外ケース: 類似の履歴が乏しいケースでは、依然として自律システムにとって課題であり、人間による介入が必要
  • ドメイン横断的な推論の難しさ: 人間のように複数の知識領域を統合的に判断するのは依然困難
  • 説明責任の課題: AIの判断根拠が分かりにくい場合があり、透明性や信頼性に影響

組織の準備状況

  • レガシーとの統合: 古いツールや旧システムの複雑に絡み合う既存環境へのAI連携は依然として大きな導入障壁
  • データ品質の問題:一貫性のない、 不完全な、または不正確な履歴データがAI性能に悪影響を及ぼす
  • 文化的適応: 人間中心からAI主導の運用へと移行するには、組織文化の転換が不可欠

業界別の配慮点

  • 医療分野: 患者の安全性と規制対応の観点から、厳格なガバナンスと監視システムが必要
  • 金融サービス: 取引の透明性やコンプライアンスの確保には高度な監査体制が必要
  • 製造業:物理的な機器を伴う複雑な運用環境には、産業用制御システムとの専門的な統合が必要
  • 公共部門: 高い透明性と調達上の制約から、段階的な導入アプローチが必要

HCL SX:Agentic AIの実装を支える実践的ソリューション

ここまでAgentic AI企業サービスマネジメントにおける範囲、メリット、課題を探求した上で、真の疑問は「それを実際にどう導入するのか?」ということです。
当社のHCL SX は、サービスマネジメントプロセスにAIの効率性をもたらすように設計されています。
これは、AI駆動型でノーコード、企業向け対応のサービスマネジメントソリューションであり、デジタル変革を加速し、顧客体験を向上させ、IT領域を超えてサービス保証を強化します。
HCL SXは以下のような機能によって、Agentic AIの企業領域への実装を可能にします:

主な機能と特長

  • 自律型インシデント管理: IT、人事、施設管理の領域で事前定義された実行手順を適用し、状況に応じて柔軟に対応。システムは成功事例から学習し、必要に応じて複雑な問題を人へのエスカレーションも自動化
  • MicroSkilled Agents(マイクロスキルエージェント): 特定のタスクに特化したAIエージェントが深いドメイン専門知識を用いて精密な対応を保証し、焦点を絞った領域内で継続的に学習し精度を向上
  • 人とAIの協働: 複数のAIエージェントが並行して連携し、複数の領域にまたがる複雑な課題に対処し、AIが独自のシナリオでさらに学習が必要な場合、必要に応じて人間の判断を取り入れながら総合的なソリューションを提供
  • デジタルツイン: インシデントマネージャーやサービスデスクエージェントなどのの特定の役割の専門知識を再現し、役割固有の知識を適用しながら、人間の行動から継続的に学習
  • 動的なワークロード配分: スキル、稼働状況、優先度に応じて最適な作業分配を実現し、チーム全体の対応スピードを向上
  • プロアクティブな問題管理: 能動的なパターン分析により潜在的な問題を予測し、サービスに影響が出る前に根本原因へ予防策を実装

Agentic AI導入を成功させるためのポイント

Agentic AIを効果的に導入するには、既存のガバナンス体制、業務プロセス、システム、コンプライアンス要件とシームレスに統合できることが前提です。
以下は、ITサービスマネジメントにおけるAI実装を成功に導くための「簡易プレイブック」です。

  • 段階的な導入戦略の立案(PoC→限定導入→全社展開)
  • データ品質の確保と統合基盤の整備
  • 業務ごとのAI活用ケースの明確化
  • 人材育成とAIリテラシーの向上
  • ガバナンスと監査の枠組み整備

Agentic AI導入の課題をどう乗り越えるか?

Agentic AIを組織に導入するうえでの最も重要な前提は、既存のガバナンスポリシー、業務プロセス、システム、コンプライアンス要件と自然に統合されることです。
ここでは、ITサービスマネジメントにおけるAI導入を成功させるための基本要素と実践的なアプローチを、プレイブック形式でご紹介します。

1. 既存システムとの統合

Agentic AIの実装には、既存のツールや業務プロセスとの慎重な統合が必要です。組織は以下のことを行うべきです。

  • 現行のサービスマネジメント技術に関する包括的な評価を実施
  • サービス継続性を維持する段階的な統合戦略を策定
  • 相互運用性を促進するために、標準化されたAPIやデータモデルを実装
  • 移行期にはハイブリッド運用の併用も検討

2. ガバナンスと統制の仕組み

自律的に動作するシステムには、組織的な枠組みの中で適切に運用されるためのガバナンスが不可欠です。

  • 自律的な判断の適用範囲(権限)を明確化
  • ログ記録と監査機能を備えた包括的な追跡可能性の実装
  • 例外的な状況に備えたエスカレーション経路を確立
  • 問題の早期発見のためのパフォーマンス監視フレームワークを構築

3. 変更管理とスキル開発

エージェント型への移行は、サービス従事者にとっての大きな変化を伴います

  • ビジョンと導入メリットをタイムリーかつ一貫して伝達
  • 新たな役割と責任に関する包括的なトレーニングの提供
  • 適応とイノベーションに対する評価と報酬制度の設計

4. 倫理・コンプライアンスへの対応

AIが意思決定に関与する場合、組織には重要な倫理的配慮も求められます。

  • 透明性のある意思決定プロセスの確保
  • 機密性の高い、センシティブな判断領域では人間の関与を維持
  • データプライバシーに関する要件への積極的対応
  • 自律運用が業界規制に適合していることを確認
  • 意思決定におけるアルゴリズムのバイアス対策の保護措置を実装
  • 自律的な行動に対する明確な説明責任の枠組みを構築
  • システム進化に応じた業界規制への継続的な準拠を確保
  • 必要時には人間による介入が可能な体制を整備

Agentic AIの技術基盤を理解する

効果的な導入準備を進めるうえで、Agentic AIの技術的な基盤を理解しておくことも重要です。

学習アプローチ

エージェント型AシステムIは、通常、複数の学習アプローチを採用しています:

  • 強化学習: 試行錯誤とフィードバックを通じて最適な行動を学習し、最終的に、明示的なプログラムなしに意思決定能力を改善
  • 転移学習: サービスマネジメントに特化した事前学習済みモデルを活用し、開発の高速化とデータ要件の低減を実現
  • 連合学習: データプライバシーとセキュリティを維持しながら、分散された環境全体でAIモデルを訓練することを含む
  • 継続学習: 手動での再学習を必要とせず、運用データと結果の継続的な分析を通じて、システムが能力を進化させ、機能拡張を実現

データ依存性と品質要件

Agentic AIの効果は、投入されるデータの質に大きく左右されます。

  • 過去のインシデント対応データ: 影響や成功した解決方法の履歴がAIの意思決定の土台に
  • 構成情報:CMDBデータは、システムが運用環境の文脈理解と変更影響の予測を可能に
  • サービスレベル合意(SLA):または正式なパフォーマンス期待値は、優先順位やリソース配分を導くための基準
  • ユーザーフィードバック(構造化/非構造化): AIの自己評価とアプローチの改善に活用
  • ナレッジリポジトリ: ポリシー、計画、手順書などの知識資産が、AIシステムに一般的な問題に対処するためのガイドラインと手順を提供

組織のAgentic AI導入準備度を評価する

Agentic AIを効果的に導入するには、組織の準備レベルを正しく把握することが重要です。以下に示す成熟度モデルを使って、その導入準備度を評価してみましょう。

レベル 説明 主な特徴 注力すべき領域
1: 基礎段階 基本的な自動化と標準化が実施されている状態 プロセスの文書化、基本的な自動化ツールの利用 プロセスの標準化、データ品質の改善
2: 統合段階 システムが接続され、高度な自動化が可能な状態 APIによる連携、ワークフローの自動化 システム統合、データガバナンスの強化
3: インテリジェンス 人による監督のもと、AIが業務を支援する段階 予測分析、レコメンデーションエンジンの活用 AI機能の活用、知識管理の推進
4: 自律性 定められた範囲内でAIが独立して運用 自律的な問題解決、自己最適化 ガバナンス体制の整備、スキル変革
5: オーケストレーション エンドツーエンドの自律的サービスエコシステムが実現された状態 ドメインを超えた連携、継続的な適応 戦略的最適化、イノベーションの推進

Agentic AIがサービスマネジメントに与える将来的な影響

AI技術が進化する中、ITサービスマネジメントにおいていくつかの重要なトレンドが浮き彫りになっています。

プロセス自動化から成果最適化へ

従来のサービスマネジメントは、標準化と効率化に重点を置いていたのに対し、Agentic AIは成果の最適化へと焦点を移します。
AIシステムは、単にあらかじめ決められた手順に従うだけでなく、状況や優先順位の変化に応じて、目的達成のために最適な判断と対応を自律的に行うようになります。

人とAIによる協働体制の構築

サービスマネジメントの未来は、AIが人間の仕事を置き換えるのではなく、むしろ、成功する協働フレームワークを構築することにあります。
Agentic AIシステムは日常的な運用を自律的に管理しつつ、人間が複雑な問題解決、イノベーション、関係管理において能力を向上させることを支援します。
この間とAIの協働体制を成功裏に構築できる組織こそが、競争優位性を獲得するでしょう。

クロスドメイン統合の実現

Agentic AIは、従来のようにIT、人事、施設管理、財務などが分断された運用モデルを超え、複数の業務領域を横断する統合的なサービス体験を可能にします。
この統合は、個別の機能要件ではなく、相互に関連するビジネスニーズに対応する、包括的な問題解決とサービス提供を可能にします。

予測型サービスモデルへの進化

AIサービスマネジメントシステムの予測機能が進化するにつれ、潜在的な問題が運用に影響を与える数日あるいは数週間前に、真の予見的なアプローチで対応するようになるでしょう。
これにより、重大な変化や課題が発生しても、継続的なサービス可用性を維持できます。

あなたの組織ではどうですか?

貴社の組織では、AIを活用したサービスマネジメントの導入を検討されていますか?
導入に際して直面している課題や、実際に得られたメリットはありますか?
あるいは、業界におけるAgentic AIのどのような特性に期待や不安を感じていらっしゃいますか?

当社のチームにご連絡ください

Agentic AIが貴社のサービス運用をどのように変革できるか、ぜひ当社のチームと議論しましょう。初期のユースケースを検討中の方も、自律的な機能の拡大を検討中の方も、以下のテーマについて話し合いましょう:

  • 業界特化型の導入アプローチ
  • ガバナンスとリスク評価の枠組み構築
  • 自社環境に即したROI(投資対効果)分析
  • スキル移行・組織変革の計画立案

AI駆動型サービス変革に関する貴社の経験や、パーソナライズされたコンサルティングをご希望の場合は、ぜひ当社までご連絡ください。
注:このブログでは、サービスマネジメントにおけるAgentic AIの現在の能力と将来の可能性を紹介しています。一部の企業は既にAgentic AIの導入を進めている企業もあれば、これから探索を始める企業もあります。
どの段階にあるにせよ、AI主導のサービスマネジメントは確実に未来の標準となるものであり、今こそ準備を始めるべきタイミングです。導入の時期や方法は、組織の準備状況、業界要件、特定のビジネス目標によって異なります。


Cover Image

ワークロード自動化とオーケストレーションの未来:EMA調査が明かす市場の最新動向とインサイト

2025/6/26 - 読み終える時間: ~1 分

The Future of Workload Automation and Orchestration: Exclusive Insights from EMA’s Latest Reportの翻訳版です。


2025年3月5日
Cristina Suchland
統合マーケティングマネージャー(Secure DevOps 担当)

ビジネス効率を高める手段として、デジタル自動化ソリューションへの依存が加速するなか、ワークロード自動化およびオーケストレーションの将来性はますます重要になっています。
こうした進化の背景を正しく理解する一助として、業界有数のアナリスト企業であるEMA(Enterprise Management Associates)は、最新テクノロジーの変革に関する調査レポートを発表しました。
本レポートでは、ワークフローの自動化とオーケストレーションの課題やトレンド、そしてビジネス成功に欠かせないIT運用の最適化について、詳細に言及されています。 さらに、EMAからは当社ソリューションに対する高い評価も寄せられています。
EMAのCOO、Dan Twing氏は、HCLのHCL Automation Orchestration製品について、次のように述べています。
「HCL Universal OrchestratorとHCL Workload Automationは、今日必要とされる基盤機能を提供するとともに、将来のワークロード自動化およびオーケストレーションに向けたロードマップを備えています。
AI主導の回復力、シームレスなワークフロー統合、そしてデジタルエンタープライズに求められるスケーラビリティを実現します。
このような第三者からの評価は、当社が掲げる「絶えず変化するデジタル環境下で、お客様の複雑なニーズと目標に対応するツールを提供している」という主張を裏付けるものです。
HCL Automation Orchestrationは、ビジネスの中核となるプロセスの自動化とオーケストレーションを支援し、お客様の成長とイノベーションを力強く後押ししています。


レポートの概要

本レポートは、さまざまな業界に属する421名の回答者からの洞察に基づいて構成されています。現在のWLA(ワークロード自動化)の状況、直面している課題、そして将来展望を多角的に分析し、プロセス自動化・オーケストレーション・AIとの統合という観点からその役割の拡大に焦点を当てています。さらに、インテリジェントオートメーションの重要性が高まる中で、こうした技術がいかにして変化するビジネスニーズに適応できるかを解説しています。最後に、本レポートでは、今後企業がどのようにこれらのプラットフォームを活用して競争優位性を維持していくのかについても、重要な予測が示されています。

▶︎ レポートを読む(英語)


ウェビナーのご案内

さらに、本調査結果を深掘りするウェビナーも開催予定です。EMAのDan Twing氏が登壇し、以下のようなテーマについて参加者とともに考察を深めます。

  • 自動化を超えるオーケストレーションの可能性
  • オブザーバビリティ(可観測性)の台頭
  • 自動化スケーリングにおける課題
  • 企業およびベンダーに向けた戦略的提言 予約する場合、こちら(英語)をクリックください。
    今こそ、業界トップのインサイトを活用し、自動化変革の旅を次のステージへと進めるタイミングです。ぜひウェビナーへのご参加をご検討いただければと思います。

Cover Image

HCL BigFixが歴史を刻む:NIAP認証を取得した唯一のエンドポイント管理ソリューション

2025/6/25 - 読み終える時間: ~1 分

HCL BigFix Makes History: The Only NIAP-Certified Endpoint Management Solutionの翻訳版です。


2025年6月16日
Bulbul Das
Global Engagement Manager, HCLSoftware

HCL BigFixは、市場をリードするエンドポイント管理プラットフォームとして、セキュリティの卓越性において新たなマイルストーンを達成しました。このソリューションは、NIAP(国家情報保証パートナーシップ)のアプリケーションソフトウェア保護プロファイルに基づき、正式にNIAP認証を取得しました。

この認証を取得した唯一のエンドポイント管理ソリューションとして、HCL BigFixは、エンタープライズ環境における安全でスケーラブルかつ信頼性の高いエンドポイント制御の提供へのコミットメントを再確認しています。

NIAP認証:信頼できるセキュリティのグローバルな認知

NIAPは米国政府のイニシアチブであり、IT製品を国際的に認められた共通基準(Common Criteria)に準拠して認証します。この認証は多くの政府機関や防衛機関の要件であり、民間企業にとって製品の成熟度を示す強力な指標となります。

HCL BigFixの認証取得は、最も厳格なグローバルセキュリティ基準への準拠を証明し、高水準のセキュリティ要件を持つ組織への継続的なサービス提供を保証します。

厳格なプロセス:BigFix v11が最高基準を満たす

HCL BigFix v11は、以下の2つの重要な保護フレームワークに基づき評価・認証されました:

  • アプリケーションソフトウェア保護プロファイル(CPP_APP_SW_V1.0e)
  • トランスポート層セキュリティ機能パッケージ(PKG_TLS_v2.0)

この認証は、認定された第三者機関による数ヶ月にわたるテストを経て、NIAPによる正式な承認に至りました。これにより、HCL BigFixはアーキテクチャとセキュリティ設計の堅牢性を強調しています。

HCL BigFixが統合エンドポイント管理で際立つ理由

HCL BigFixは単に基準を満たすだけでなく、基準を設定するものです。その「Secure-by-Design」メソドロジーにより、セキュリティはプラットフォームのすべてのレイヤーに組み込まれており、開発から展開まで一貫して確保されています。エンドポイント管理とインシデント対応により、BigFixは信頼性と安心感を提供します。

エージェントベースのアーキテクチャは、可視性、修復、インシデント対応を可能にし、組織がすべてのエンドポイントに対して制御を保持できるようにします。

未来を見据えて:認証済み、実証済み、未来対応型

NIAP認証の取得は、HCL BigFixのセキュリティの次の章の始まりを示す成果です。この認定は、BigFixが達成した成果だけでなく、今後約束するものを反映しています: より強固な保護、より深い信頼、そして現代のIT環境のニーズに合わせて進化するプラットフォーム。

セキュアなエンドポイント管理へのコミットメントを詳しく知るには、HCL BigFix Trust Centerをご覧ください。


このブログについて

HCL Japan の Software 部門の複数担当者で HCL Software 全般について記しています。

Tags

Academy Accelerate Accelerator Actian Aftermarket Cloud Ambassador AoC AppDev Pack AppScan ASoC BigFix BigFix Workspace CAA CDP Clara Client Applicatin Access Cloud Native Commerce Common Local License Server Compass Connections Connnections CVE-2021-44228 DevOpes Velocity DevOps DevOps Code ClearCase DevOps Code RealTime DevOps Deploy DevOps.Launch.AppScan DevOps Model RealTim DevOps Model RealTime DevOps Plan DevOps Test DevOps Velocity Digital Experience Discover Domino Domino Leap Domino Volt Domino管理者アップデート認定試験対策 DQL DRYiCE DX Enterprise Integrator event General HCAA HCL Ambassador HCL Ambassadors HCL Domino REST API HCL OneTest Embedded HCL Z and I Emulator HCL Z and I Emulator for Transformation HCLSoftware U Hero history HTMO iAutomate iControl iNotes IZSAM KEEP Launch Launch.DevOps Leap Link MarvelClient Model Realtime nds2019 ndv12beta Nippon Noets/Domino Nomad Nomad Mobile Nomad Web notes Notes/Domino notes-domino-9-10-limited-supportability-as-of-202204 Notes/Domino V12 Notes/Domion notescons Now OneDB OneTest OnTime REST RTist SafeLinx Sametime SoFy Total Experience Traveler Traveler for Microsoft Outlook Unica Unica Discover Unica Interact UrbanCode Deploy UrbanCode Velocity Velocity Verse VersionVault Volt Volt MX Volt MX Go Volt MX サンプルアプリ Wordload Automation Workload Automation youtube Z Z Abend Investigator Z and I Emulator Z and I Emulator for Transformation Z and I Emulator for Web Z and I Emulator for Web Client Z Asset Optimizer Z Data Tools Z Software Asset Manager ZAI ZAO ZIE ZIE for Transformation ZIE for Web ZIE for Windows ZIET ZIETrans ZIEWeb イベント ガイド クラウド サポート サポート技術情報 サポート終了 セキュリティ セキュリティー セキュリティー脆弱性 テクてく Lotus 技術者夜会 ニュース ノーツコンソーシアム パートナー ライセンス 九州地区 Notes パートナー会 出荷日 研修