はじめに
近年、多くの企業がAI Agentの導入を進めています。
Microsoft CopilotやServiceNow AI Agentなどの登場により、AIは単なるチャットボットから「業務を実行する主体」へと進化しています。
こうしたAI Agentの普及は、ITIL 4の実践にも大きな影響を与えます。特に Capacity and Performance Management(キャパシティおよびパフォーマンス管理) と Availability Management(可用性管理) は、AI Agentの活用によって従来とは異なる視点で考える必要があります。
ITIL 4では、Capacity and Performance Managementは「期待されるパフォーマンスを達成し、現在および将来の需要をコスト効率よく満たすこと」を目的とし、Availability Managementは「サービスが利用可能な状態を確保すること」を目的としています。
ITIL 4における両プラクティスの違い
まずは両者の違いを整理します。
Capacity and Performance Management
Capacity and Performance Managementは、
- 十分な処理能力があるか
- レスポンス性能を満たしているか
- 将来の利用増加に対応できるか
- コストと性能のバランスが適切か
を管理するプラクティスです。
需要予測、性能分析、リソース最適化などが主要な活動となります。
例えば、
- AIチャットの応答速度
- API処理件数
- GPU利用率
- トークン消費量
などが管理対象になります。
Availability Management
一方のAvailability Managementは、
- サービスが利用可能か
- SLAを満たしているか
- 障害時に復旧できるか
- 冗長構成は十分か
を管理するプラクティスです。
可用性は通常以下で測定されます。
Availability = 稼働時間 ÷ 総時間
対象となるのは、
- サービス停止
- インフラ障害
- ネットワーク断
- 災害対策
などです。つまり、
Capacity and Performance Managementは「遅くならないための活動」
Availability Managementは「必要な時に利用可能な状態を維持する活動」
と言えます。
AI Agent時代に起きる変化
AI Agentは従来のアプリケーションよりも予測しにくい負荷を生み出します。
例えば営業部門のCopilot Agentが、
- Outlookを参照
- Teamsを検索
- SharePointを検索
- CRMを更新
- 顧客向けレポートを生成
を自律的に実行するとします。
従来は、
1人 → 1操作
だった世界が、
1人
↓
1 Agent
↓
数十~数百のAPI呼び出し
へ変化します。
結果としてバックエンドシステムへの負荷は飛躍的に増加する可能性があります。
このためCapacity and Performance Managementの重要性は従来以上に高まっています。
AI AgentとCapacity and Performance Management
AI Agentとの組み合わせで特に重要になるのは予測型運用です。
従来は、
監視
↓
問題発生
↓
増強
という流れでした。しかしAI Agent環境では、
利用状況分析
↓
需要予測
↓
自動スケール
↓
継続監視
が求められます。
例えば、
- Agent実行数
- トークン消費量
- GPU利用率
- APIコール数
をAIが分析し、
「来週月曜日は月次報告作成Agentの利用が200%増加する」
という予測を自動生成できます。ようするにAI Agentが需要予測を支援し、自動スケーリング基盤と連携して容量最適化を実現する世界です。
AI AgentとAvailability Management
Availability ManagementでもAI Agentは大きな価値を発揮します。
従来の運用では、
障害検知
↓
担当者通知
↓
分析
↓
復旧
でした。
AI Agentを導入すると、
異常検知
↓
根本原因分析
↓
修復手順実行
↓
報告書作成
まで自動化できる可能性があります。
例えば、
- CPUスパイク検知
- Kubernetes Pod再起動
- ログ解析
- ServiceNowチケット起票
- Teams通知
を自律的に実施できます。
つまりAvailability Managementは、
人が運用する可用性管理
から
AIが支援する可用性管理
へ進化していきます。
Capacity不足はAvailability問題になる
実は両プラクティスは独立しているように見えて密接に関連しています。
例えば、
利用者増加
↓
CPU利用率100%
↓
レスポンス低下
↓
タイムアウト
↓
サービス利用不可
というケースです。
この場合、最初はCapacity and Performance Managementの問題でしたが、最終的にはAvailabilityの問題としてユーザーに認識されます。
AI Agentが大量に稼働する環境では、このような事象がさらに発生しやすくなります。
そのため、
Capacity不足
↓
Performance低下
↓
Availability低下
という連鎖を防ぐことが重要になります。
これからのITIL運用モデル
AI Agent時代のITIL運用は、以下のような構造になります。
Business User
│
▼
AI Agent Layer
│
┌────┴────┐
▼ ▼
Capacity Availability
Management Management
▼ ▼
Monitoring Platform
│
▼
Infrastructure
AI Agentは利用者の代わりに業務を遂行しながら、
- パフォーマンス予測
- 容量計画
- 障害予兆検知
- 自動復旧
を実現します。
マネージャーが考えるべきポイント
AI Agent導入時にマネージャーが意識すべきポイントは以下です。
Capacity and Performance Management視点
- Agent利用量をKPI化する
- API呼び出し数を監視する
- GPUリソース計画を行う
- AI利用需要を予測する
- トークンコストを最適化する
Availability Management視点
- AIサービス依存度を把握する
- LLM障害時の代替手段を準備する
- Agent停止時の運用手順を整備する
- 自動復旧機能を実装する
- AI監視基盤を冗長化する
- フォールバックAIモデルを設計する
まとめ
AI Agent時代において、
- Capacity and Performance Managementは「AIが快適に働くための管理」
-
Availability Managementは「AIが止まらず働き続けるための管理」
と捉えると理解しやすくなります。
従来は人間ユーザー向けに設計されていたITサービスが、今後は大量のAI Agentを利用者として抱えるようになります。
その結果、ITIL 4の両プラクティスは単なるインフラ管理ではなく、 - AIによる需要予測
- AIによる容量最適化
- AIによる障害予兆検知
- AIによる自動復旧
が当たり前となり、ITIL運用そのものがAI Agentによって進化していくと考えられます。