ServiceNow AI活用で業務自動化が加速：日本企業が今着手すべき優先領域と導入ステップ

ServiceNowのAI契約額が年初比1.7倍に達した背景

2026年10月28日（米国時間）に発表されたServiceNowの第3四半期決算は、企業向けAI投資の現在地を数字で示した。サブスクリプション売上高は前年同期比21%増の39億8,800万ドル、総売上高は前年同期比20.5%増の41億600万ドルに達した（出典：ServiceNow 8-K（決算発表）、www.tradingkey.com）。

AI関連指標はさらに際立つ。同社は2026年のAI純新規ACV（年間契約額）の目標を、年初の10億ドルから17億ドルへ70%引き上げた（出典：ServiceNow 8-K）。第2四半期時点でAI ACVはすでに10億ドルを突破しており（出典：TIKR.com）、エージェントAIの本番環境での年初来の消費量は前年同期比13倍超に膨らんでいる（出典：ServiceNow 8-K）。純新規ACVが500万ドルを超える案件は第3四半期に19件と前年同期比135%超増えており（同）、大型案件が増えていることがうかがえる。

ただし同社のGAAP/非GAAPの乖離は大きく、プロフェッショナルサービス（導入支援等）の売上1億1,800万ドルに対し、GAAPベースでは3,900万ドルの粗損失を計上している（出典：ServiceNow 8-K）。導入を検討する企業は、ライセンス費用以外の導入支援コストも見積もりに入れておくのが無難だ。

関連記事DXの定義とは？経済産業省のDX推進ガイドライン ／ DXの銀行事例とは？金融業はどう変わる？

ServiceNowのAI活用が進む業務自動化の4つの優先領域

ServiceNowが提供するワークフローのうち、本稿ではIT・HR・調達・顧客サービスの4領域を取り上げる（決算資料がこの4領域への集中を示したわけではなく、代表的な適用例としての整理である）。日本企業が自動化投資の優先順位を決める際の参照点になる。

ITサービス管理（ITSM）は最も実装実績が蓄積された領域だ。インシデントチケットをLLMで自動分類し、既知の解決策を提示するフローは、エンタープライズ向けの確立した技術として稼働している。ヘルプデスクへの問い合わせをチャットボットが一次対応し、解決不可の案件のみ担当者にエスカレーションする構成は、問い合わせ件数が多い組織で特に機能しやすい。

人事・HR領域では、入退社に伴うシステムアカウント発行・研修割り当て・備品申請といった複数部門にまたがる処理を、単一ワークフローで完結させるユースケースが広まっている。担当者が各システムを手動で操作していた時間を、フロー設計へ置き換える発想だ。

調達・資産管理では、購買申請の承認ルーティングをAIが起票内容から自動判定し、規定金額以下の案件は上長承認をスキップして発注まで完結させる構成が使われている。ただし承認権限の委譲範囲は、企業の内部統制規定との整合が前提になる。

顧客サービス領域では、問い合わせ内容の自動分類と担当チームへの振り分け、さらに対応担当者への回答候補提示が実用化されている。対応の標準化を促しやすい反面、複雑なクレームや感情的なやり取りには人間の介在が引き続き必要だ。

日本企業・自治体がServiceNow上でAIを実装する3段階のステップ

ServiceNowの決算は、企業のAI導入が「導入するか否か」から「どの業務から着手するか」の検討段階に入りつつあることを示唆している。日本の経営・事業責任者が検討すべき優先順位は、以下の3段階で整理できる。

第1段階：繰り返し発生する定型リクエストの自動化
パスワードリセット・VPN申請・PC貸出といった月間件数が多く、対応手順が標準化されている業務が最初の対象として適している。ルールベースの自動化でも十分に機能するため、AI導入前の地盤固めとして実装しやすい。既存のServiceNowインスタンスにナレッジベースが整備されているかどうかが、後でLLMを重ねる際の出力品質に直結する。

第2段階：エージェントAIによる複数システム横断処理
定型処理の自動化が安定したら、複数のシステムをまたいで判断・実行するエージェントAIを重ねる段階に進む。この段階では「AIに何を委ね、何を人間が判断するか」の設計が実装品質を左右する。ServiceNowはAIアシスト機能群を提供しているが、日本語処理の精度や自社データとの接続設計は個別に検証が必要であり、ベンダーの標準構成をそのまま適用できるとは限らない。

第3段階：意思決定支援へのLLM統合
ワークフローの実行結果データをLLMに読み込ませ、ボトルネックの特定・改善提案を自動生成する段階だ。ただしこの段階は、前2段階で蓄積されたデータ品質に依存する。データが汚れていればLLMの出力も信頼できない。「AIを入れれば自動で改善される」という前提は危険で、データ設計への投資が不可欠だ。

エージェントAIが複数システムを横断して処理を実行する際に使う技術の土台を把握しておくと、ベンダー提案の妥当性評価に役立つ。

ServiceNow AI活用の導入前に確認すべき限界とリスク

エージェントAIの本番消費量が13倍超に膨らんでいるという事実は需要拡大を示す一方、導入側が過大な期待を持つリスクも高める。日本の経営・採用・事業責任者が稟議前に直視すべき制約を整理する。

ServiceNow AI活用：対応しやすい領域と対応が難しい領域

項目	AIが対応しやすい領域	AIでは解決が難しい領域
業務種別	手順が標準化された繰り返し処理	例外判断・高度な交渉・倫理的判断を要する業務
データ前提	ナレッジベースが整備済みの組織	データ品質が低い・属人化した業務プロセス
言語対応	標準的な問い合わせ分類・要約など	日本語特有の敬語・文脈・慣習への対応は個別検証が必要
コスト構造	ライセンス費用は明確に見積もれる	実装・カスタマイズ・保守の人件費が総所有コストを押し上げる
規制対応	ログ・監査証跡の自動生成	個人情報保護法・マイナンバー関連処理は別途法務確認が必須
組織変化	定型業務の工数削減が見込まれる	削減された業務の再配置・人材育成は別途計画が必要

日本の自治体・金融機関・医療機関においては、パブリッククラウド上でのデータ処理に関する規制環境が民間企業と異なる。ServiceNowのデータ保存先・処理場所の仕様確認と、所管省庁のガイドラインとの照合は導入前の必須ステップだ。

なお、ServiceNowのプロフェッショナルサービス部門は第3四半期にGAAPベースで粗損失を計上している（出典：ServiceNow 8-K）。この数字から導入の難度を断定することはできないが、導入企業は外部実装パートナーへの支払いを総所有コスト計算に組み込んでおく必要がある。

明日から着手できる業務自動化の実務的な一歩

経営・事業責任者として今週実行できるアクションは3つある。

1. 月間対応件数の多いリクエストを列挙する
ITヘルプデスク・人事窓口・経費精算の問い合わせログを引き出し、月間件数トップ10の業務を特定する。件数が多く手順が標準化されているものが自動化の第一候補だ。この棚卸しはServiceNowの有無にかかわらず、AI活用のROI試算の出発点になる。

2. 現行のナレッジベース品質を評価する
LLMを活用したAIアシスタントの回答品質は、参照するナレッジベースの網羅性と最新性に依存する。社内手順書・FAQ・対応ログの整備状況を確認し、未文書化の手順を洗い出すことが、AI実装前の最も価値ある準備投資になる。

3. 総所有コストの試算に実装・保守コストを含める
ライセンス費用だけで稟議を通すと、実装フェーズで想定外のコストが発生する。ServiceNowのAI機能はプラットフォームとして提供されるが、自社業務への適合には設計・テスト・変更管理の工数がかかる。外部パートナーの実装工数と社内担当者の育成コストを含めた3年間の総所有コストを最初に見積もることが、投資判断の精度を上げる。

ServiceNowがAI契約額目標を年初の1.7倍に引き上げた事実は、業務自動化の市場が拡大局面にあることを示している。ただし技術の成熟が、個社の実装品質を保証するわけではない。「何を自動化するか」と「どのデータで動かすか」の設計精度が、投資対効果の分かれ目になる。

参考文献

• ServiceNow, Form 8-K（2026年第3四半期決算発表、2026年10月28日）　https://www.sec.gov/Archives/edgar/data/0001373715/000137371526000092/erq3fy26.htm
• www.tradingkey.com　https://www.tradingkey.com/jp/news/earnings/262248898-tradingkey
• TIKR.com　https://www.tikr.com/ja/blog/servicenow-rallies-43-in-three-months-as-ai-contract-value-tops-1-billion