<style> .awf26-hero{padding:clamp(26px,5vw,46px);border-radius:24px;color:#fff;background:linear-gradient(125deg,#182d35,#315d63 53%,#537f70)}.awf26-hero h2{color:#fff;margin:.25em 0}.awf26-kicker{color:#c9f1da;font-size:.8rem;font-weight:800;letter-spacing:.12em}.awf26-grid{display:grid;grid-template-columns:repeat(3,minmax(0,1fr));gap:12px;margin:22px 0}.awf26-card{padding:18px;border:1px solid #cddfd6;border-radius:15px;background:#f1f8f3}.awf26-card strong{display:block;color:#317462;font-size:1.12rem;margin-bottom:7px}.awf26-flow{display:grid;grid-template-columns:repeat(4,minmax(0,1fr));gap:9px;margin:20px 0}.awf26-step{padding:15px;border:1px solid #c5ded0;border-radius:13px;background:#eaf5ec}.awf26-step b{display:block;color:#2a705d}.awf26-table{overflow-x:auto;margin:20px 0}.awf26-table table{width:100%;min-width:650px;border-collapse:collapse}.awf26-table th,.awf26-table td{padding:11px;border:1px solid #cadbd0;text-align:left;vertical-align:top}.awf26-table th{background:#e9f3eb}.awf26-note{padding:17px 20px;border-left:5px solid #d49b4d;border-radius:10px;background:#fff7e9;margin:20px 0}@media(max-width:760px){.awf26-grid,.awf26-flow{grid-template-columns:1fr 1fr}}@media(max-width:520px){.awf26-grid,.awf26-flow{grid-template-columns:1fr}} </style>

BUSINESS AUTOMATION / GOVERNANCE

自動化の成果を、次の改善につなぐ

ServiceNowが発表したAI Workflow Factoryは、業務のボトルネックを見つけ、改善フローを作り、実行結果を測り、次の改善へ回す構想。人の承認とAI資産の統治をどう組み込むかが実務の焦点です。

3行で要約

• ServiceNowは2026年10月6日、Process Mining・Autonomous Engineer／Build Agent・App Engineをつなぐ「AI Workflow Factory」を発表した。^[1]
• プロセスの改善対象をKPIから見つけ、ワークフローを構築・実行し、成果を次の改善に戻すという連続ループを狙う。人が方向を決め、結果を承認する設計だ。^[1]
• AI Workflow Factoryは同日から世界向けに提供と発表。一方、Autonomous Engineerは申請制のEarly Accessで、すべての機能が同条件で使えるわけではない。^[1]

背景：なぜ「作って終わり」の自動化では足りないのか

業務フローを一つ作っても、例外処理、担当部署、目標指標が変われば改善が必要になる。フローを量産するだけでは、待ち時間や再作業率が実際に減ったか判断できない。ServiceNowの発表は、課題の発見から効果測定までを継続的なサイクルとして扱うことを主題にしている。^[1]

数日前に本サイトで扱ったFlow by ServiceNowのチャット型ヘルプデスクとは別の発表だ。今回のAI Workflow Factoryは、特定の問い合わせ窓口ではなく、企業内の複数の業務プロセスを対象にした改善の枠組みである。^[1]

何が新しいのか：三つの製品を一つの改善ループへ

ServiceNowの説明では、Process MiningがKPIに結び付いた改善対象を見つけ、Autonomous EngineerとBuild Agentが改善フローの構築と品質管理を支援し、App Engineが新しいフローを運用する。AI Control Towerは、AI資産・意思決定・エージェント行動の統治を担う。^[1]

Process Miningの公式ドキュメントも、業務の流れを可視化し、ボトルネックがKPIへ与える影響を調べる用途を示す。AI Control Towerの公式ドキュメントでは、AI資産をManaged／Unmanagedに分け、管理対象についてライフサイクルやリスクを扱う。これらは個別機能の説明であり、導入だけでKPI改善が実現するという意味ではない。^[2][3]

技術的なポイント：改善指標と統治を接続する

ServiceNowは、部門横断の問い合わせで「ケースの自己解決・自動解決率を20％高める」といった目標の例を示している。この20％は発表で示された達成済みの実績値ではない。Process Miningで現状を把握し、ワークフローの改善を複数部門へ展開し、設定した目標に照らして見直すという説明だ。^[1]

この表は公式発表と製品ドキュメントを基にした編集上の測定例で、ServiceNowがこの4指標を製品の標準KPIとして保証したものではない。

開発者・企業への影響

導入を検討する組織では、ワークフローの構築だけでなく、プロセス所有者、指標の定義、例外対応、AI資産の承認責任を先に決める必要がある。AI Control TowerでAI資産を管理対象にする場合、所有者やリスク分類を記録し、評価・構築／テスト・デプロイという段階に沿って確認できる。^[3][4]

発表は「数か月ではなく数日」で業務を拡大できると主張するが、具体的な比較条件や独立した測定値は示していない。自社の導入効果は個別の業務データで測るべきだ。^[1]

実践例：問い合わせ処理を一部門から試す

1. まず対象業務を一つに絞る。例として、社内の標準的な問い合わせを選び、受付件数、平均・中央値の処理時間、差戻し、例外を記録する。
2. Process Miningで実際の処理経路とボトルネックを確認し、改善する工程を一つ選ぶ。データの欠損や部署ごとの入力ルールの違いも点検する。^[2]
3. App Engineでの改善フローとAI支援の範囲を設計する。承認が必要な判断、外部システムへの書き込み、失敗時の手動切替を明示し、テスト環境で試す。Autonomous EngineerはEarly Accessなので、利用可否を前提にしない。^[1]
4. AI Control Towerで関連するAI資産の所有者・リスク・承認状況を確認し、小規模展開後の結果を基準値と比較する。悪化した指標があれば自動化を拡大せず、原因を調べる。^[3][4]

リスクと限界

• 因果関係：自動化後にKPIが改善しても、問い合わせ量や担当変更など他の要因がある。前後比較だけでAIの効果と断定しない。
• 未管理のAI資産：AI Control TowerのドキュメントではUnmanaged資産は積極的な統治の対象にならず、ポリシー適用や統治レポートに載らないと説明する。資産登録と管理状態を確認する。^[3]
• 承認・例外：AIによる構築支援があっても、人が方向を決め結果を承認する設計だ。高リスクの判断は自動化範囲を狭くし、監査証跡を残す。^[1]
• 提供段階と価格：Autonomous EngineerはEarly Access。実運用の権限、料金、SLAを発表文だけで確定しない。^[1]

今後注目すべき点

Autonomous Engineerの一般提供時期、利用条件、実際の導入事例での処理時間・品質・費用の比較データに注目したい。現段階では、製品名よりも「現状を測る→小さく改善する→人が承認する→再計測する」という運用設計を先に固めるのが堅実だ。

最終確認日：2026年10月7日（日本時間）。AI Workflow Factoryの発表日は2026年10月6日。20％は同社が示した目標設定の例であり、実績値ではない。^[1]

参照元

1. ServiceNow Newsroom：AI Workflow FactoryとAutonomous Engineerの発表
2. ServiceNow Docs：Process Mining
3. ServiceNow Docs：AI Control TowerのAI資産一覧とManaged／Unmanaged
4. ServiceNow Docs：AI資産のライフサイクル