エージェントを計画する

構築を開始する前に、ユースケースを定義し、 ベースシステム エージェントとカスタムエージェントのどちらかを決定し、アクティベーションモデルを選択して、成功基準を設定します。

ビルド前の計画に費やす時間によって、後で大幅なやり直しを節約できます。このフェーズで行う決定 (エージェントが何をするか、エージェントをどのようにアクティブ化するか、どのように成功を測定するか) によって、その後のすべての構成の選択が決まります。

ユースケースの定義

スコープが広いユースケースには、次の 3 つの特徴があります。 反復可能で明確に定義されたタスクが含まれます。エージェントは、そのタスクを完了するために必要なデータとツールにアクセスできます。そしてその結果は測定可能です。適切な開始候補は、インシデントのトリアージ、ナレッジ記事のルックアップ、パスワードリセットルーティングなど、大量の低リスクのタスクです。

各候補ユースケースについて、続行する前に次の質問に答えてください。

• エージェントが実行する具体的なタスクは?
• エージェントはどのようなデータにアクセスする必要があり、組織のセキュリティポリシーでエージェントはそのデータへのアクセスを許可されていますか?
• エージェントはどのようなツール (スクリプト、フロー、ナレッジソース) を使用しますか?
• 成功とはどのようなもので、どのように測定しますか?
• エージェントがタスクを完了できない場合、エージェントはどうすればよいですか?

ベースシステムエージェントまたはカスタムエージェントを選択

ServiceNow は、一般的なユースケース用に事前構成された AI エージェントのライブラリを提供します。ユースケースに適合する場合は、 ベースシステム エージェントの使用を検討してください。これらの事前構成済みのエージェントは、より迅速に展開でき、テストが完了しており、カスタム構成を引き続きサポートしています。ユースケースに対応する ベースシステム エージェントがない場合にのみ、カスタムエージェントをビルドします。

OOTB エージェントは読み取り専用モードで使用できます。OOTB エージェントを変更するには、まずエージェントを複製する必要があります。エージェントを効果的に作成および適応させるためのガイドラインについては、 General guidelines for creating AI agents and agentic workflows を参照してください。

アクティベーションモデルを選択

ServiceNow では、AI エージェントをアクティブ化する 2 つの方法がサポートされています。

自然言語ディスカバリー (ユーザー開始)

エージェントは、ユーザーが 仮想エージェント、 Microsoft Teams、 Slack などの会話チャネルにメッセージを入力するとアクティブ化されます。プラットフォームは、エージェントのロールと説明フィールドに基づいて、ユーザーの要求を最適なエージェントと照合します。単一の AI エージェントのみをサポートします。 仮想エージェントでは、エージェント型ワークフローを自然言語では検出できません。

トリガーベースの有効化 (イベント開始)

エージェントまたはエージェント型ワークフローは、レコードの作成または更新、予定時刻への到達、受信メールの到着など、プラットフォームイベントが発生すると自動的に有効になります。ユーザーのインタラクションは必要ありません。単一の AI エージェントとエージェント型ワークフローの両方をサポートします。

ユースケースでユーザーがチャットを介してインタラクションを開始する必要がある場合は、[自然言語ディスカバリー] を選択します。プラットフォームイベントに基づいてユースケースを自動的に実行する必要がある場合は、トリガーベースのアクティベーションを選択します。

成功基準を定義

エージェントを構築する前に、エージェントが機能しているかどうかを測定する方法を定義します。これにより、テスト中にゴールポストが移動するのを防ぎ、本番稼働のしきい値を明確にすることができます。少なくとも以下を定義します。

• プライマリ成功メトリクス (回避率、タスククローズ率、平均解決時間など)。
• 本番稼働前のそのメトリクスの最小許容しきい値。
• 測定方法 (AI エージェントアナリティクスダッシュボードやカスタム パフォーマンスアナリティクス インジケーターなどを使用)。

次のステップ

ユースケースが定義され、エージェントタイプとアクティベーションモデルが選択され、成功基準が文書化されたら、 エージェントを構築に進みます。