Vijay Rayapati、AtomicworkのCEO兼共同創業者 – インタビューシリーズ

Vijay RayapatiはAtomicworkの共同創業者兼CEOです。会社を設立する前は、Nutanixが彼がCEOとして創業・拡大したクラウド管理プラットフォーム企業Minjarを買収した後、Nutanixのクラウドネットワーキングおよびセキュリティ事業のシニア・バイスプレジデント兼ゼネラルマネージャーを務めました。キャリア初期にはKulizaとTrilogyでエンジニアリングおよびプロダクトリーダーシップの役割を担い、エンタープライズインフラとソフトウェアアプリケーションの構築に深い経験を持っています。彼のバックグラウンドはクラウドインフラ、エンタープライズソフトウェア、AIワークフォース技術に跨り、エンタープライズIT分野で広く知られる創業者です。

Atomicworkは、従業員が技術的課題を解決し、日常的なサポートタスクを自動化し、AIを通じてエンタープライズナレッジにアクセスできるエージェント型ITサービスマネジメントプラットフォームを構築するエンタープライズAI企業です。同プラットフォームはAIエージェントと最新のITSM機能を組み合わせ、サービスリクエストの処理、問題のトラブルシューティング、エンタープライズシステム間のワークフローオーケストレーションを実現し、ITチームの負担を軽減します。顧客はAtomicworkを活用して、従業員サポートを迅速化すると同時に、ITおよびビジネスオペレーション全体の運用効率を向上させています。

あなたは以前Minjarを共同創業し、エンタープライズクラウド管理事業を構築したうえで、買収後はNutanixで事業を率いました。エンタープライズソフトウェア企業の構築・売却・統合から得た教訓のうち、2022年にAtomicworkを設立し、AI時代に向けてITサービスマネジメントをゼロから再構築しようと決意させたものは何ですか？

Minjarでは、オートメーションによって企業のクラウド費用を3分の1に削減できるソフトウェアを構築しました。顧客はその提案を好んでくれましたが、実際に採用するまでに2四半期もかかりました。なぜか理解するのに時間がかかり、答えは技術的なものではありませんでした。オートメーションが判断を下し、失敗した場合、責任を取る者がいません。企業は単にソフトウェアや成果を購入するのではなく、代わりに答えてくれる人を購入するのです。組織図に位置づけられないソフトウェアは、どんなに優秀でも権限を得られません。

買収から得た教訓は、より限定的なものでした。単一機能の製品は購入され、記録システムは構築されます。たとえ自社製品が優れていても、ワークフローの所有者を回りくどくすることに時間を費やすことになるのです。

Nutanixでの経験は、これら二つを結びつけました。IT部門が制御のためにサービスマネジメントを導入し、従業員はそれをフォームやキューとして体験しているのを見ました。また、チケット自体が製品ではなく、監査トレイルが製品であることに気づきました。これが、ITSMが40年にわたって人々に嫌われながらも存続し、誰も取り除くことができなかった理由です。

したがって、2022年の問いはAIが作業を実行できるかどうかではなく、AIに組織図上の位置を与えられるかどうかでした。従来のITSMプラットフォームはそれができません。なぜなら、人間の担当者がデータモデルの中心に置かれ、すべてのSLA、承認、レポートがその前提に依存しているからです。AIを組み込めば、より高速なフォームが得られます。

私たちは、AIが単なるソフトウェアではなくハイブリッドな労働力を提供するという別の答えに向けて構築しました。AIコワーカーは実際に作業を行い、ITはHRが人を管理するのと同様にそれらを統治します。AIコワーカーは設定するものではなく、役割に採用し、作業をレビューし、期待に沿わなければ取り消すのです。これが、AIを機能として捉えるか、労働力として捉えるかの違いです。

AtomicworkはAIコワーカーを、定義された職務ロールを所有し、単に質問に答えたり孤立したタスクを実行したりするだけでなく、仕事全体を完遂するシステムとして説明しています。実際のAIコワーカーとチャットボット、コパイロット、従来の自動化ツールとを区別する技術的な能力は何ですか？また、その自律性はどこまでが適切でしょうか？

チャットボットは質問に答え、コパイロットはユーザーがタスクを完了するのを支援しますが、どちらも作業を完了まで担う責任はありません。AIコワーカーは、定義されたロールが割り当てられ、成果を提供することが期待される点で異なります。インシデントのトリアージ、アクセスのプロビジョニング、従業員のオンボーディングなど、最初のステップで止まらず、目標に到達するまで各段階で作業を続けます。

これは単なる有能なモデル以上のものを必要とします。AIコワーカーはアイデンティティ、適切な権限、承認済みツールへのアクセス、組織コンテキスト、予算、そして明確な運用範囲とロールが必要です。ビジネスシステム全体で動作し、承認が必要な時点（誰に）を把握し、すべてのアクションに監査トレイルを残さなければなりません。そのため、モデル周辺のプラットフォームに重点的に取り組んできました。信頼できるAIは、インテリジェンスと同様にオーケストレーション、ガバナンス、実行に依存します。

自律性は決して無制限であってはなりません。AIコワーカーは自らの職務ロールの範囲内で動作すべきであり、作業が機密システムに影響したり、法的・財務的・雇用上の影響を伴う場合は人間が関与し続ける必要があります。

貴社のプラットフォームは、インシデント管理、アクセスプロビジョニング、オンボーディング、ITオペレーションといった領域で専門化されたAIコワーカー同士の協働を可能にしています。これらのAIコワーカーはどのように責任を分担し、コンテキストを共有し、あるAIコワーカーの誤った判断がワークフロー全体に影響した場合にどのように回復しますか？

私たちは、1つのAIコワーカーがすべての仕事を担うべきではないと考えています。IT組織はすでに、各ロールが異なる目標、権限、専門性を持つため、責任を複数のチームに分けています。この考え方をAIコワーカーにも適用し、異なるIT運用領域に特化した認定AIコワーカーを提供しています。

各コワーカーは特定の機能を担当しつつ、同一のエンタープライズコンテキストを共有します。従業員がAtomicworkでチケットを作成すると、スマートルーティングにより適切なAIコワーカーに割り当てられ、リクエストに応じて別のAIコワーカーへ再割り当てされたり、並行して問題を解決するための子チケットが作成されたり（例：オンボーディングチケットは並行作業可能なアクティビティに分割できる）、あるいは人間にエスカレーションされたりします。作業がコワーカー間で移行する際、関連情報はチケット（記録システム）を通じて引き継がれ、サービスデスク、アイデンティティプラットフォーム、HRシステム、コラボツールなどへのアクセスと共に提供されます。その共有コンテキストにより、各コワーカーはゼロから始めるのではなく、既に起こったことを踏まえて判断できます。

AtomicworkはOpenAI、Anthropic、Googleなどのプロバイダーから提供されるさまざまなエージェントフレームワークとモデルをサポートしています。どのモデルが検索、推論、計画、実行を担当すべきかをどのように判断し、基盤となるモデルが変化し続けても企業は一貫した動作を保つために何ができるのでしょうか？

モデルごとに得意な作業が異なります。私たちは、モデルが変わるたびに顧客がワークフローを再設計しなければならないことなく、進化を活用できるプラットフォームの構築に注力してきました。エンタープライズコンテキスト、オーケストレーション、アイデンティティ、ポリシー実施、テレメトリ、評価が、基盤モデルが何であれ、プロダクションで必要とされる一貫性を提供します。

私たちは、評価フレームワークとガバナンスと共に複数のモデルプロバイダーをサポートすることを公に議論していますが、検索・推論・計画・実行をどのモデルが担当するかを決定するルーティングロジックは明らかにしていません。また、プロバイダーが新しいモデルやアップデートをリリースする際に使用する検証プロセスも共有していません。

エンタープライズAIエージェントは、矛盾するドキュメントや不完全な設定レコード、古いナレッジ、システム間の異なる権限に直面することがあります。Atomicworkのユニバーサルコンテキスト層は、エージェントが意思決定やアクションを行う前に、どの情報が信頼でき最新であるかをどのように判断しますか？

エンタープライズナレッジは一箇所に集約されていることは稀です。ドキュメントにあるもの、記録システムにあるもの、そして日々の業務活動の中にあるものがあります。AIが信頼できる意思決定を行うには、これらすべてのコンテキストが必要です。

ユニバーサルコンテキストは、エンタープライズナレッジと人、ネットワーク、インフラ、デバイスデータをライブ運用システムから統合します。AIコワーカーはConfluenceやSharePoint、IntuneやJAMFといったMDM、さらにJira、Workday、Salesforce、アイデンティティプロバイダーなどのシステムで起きていることを理解しながら情報を参照できます。また、既存の権限を尊重し、人やAIコワーカーは既に許可された情報のみへアクセスできます。

ユニバーサルコンテキストがエンタープライズシステムを接続し、セキュリティ境界を保持する方法は説明しましたが、信頼できる情報源が矛盾した場合にどのように解決するか、どの情報源が優先されるかについては公開していません。これらの実装詳細は公開ドキュメントには含まれていません。

ユニバーサルAIコワーカーはMicrosoft Teams、Slack、メール、ブラウザ、ポータルを通じ、チャット、音声、ビジュアルモードでも従業員を支援できます。エージェントが従業員の画面や音声を直接確認できることで、どのような新しいトラブルシューティング機能が可能になり、機密画面や会話が漏洩しないようにどのように保護していますか？

従来のITサポートは、従業員が技術的問題を正確に説明できるかに依存しており、これが最も難しい部分です。音声やビジュアルコンテキストにより、AIは従業員が見ているエラーメッセージやアプリケーション、設定画面を直接確認でき、問題の把握が容易になり、長いやり取りなしに次のステップへ案内できます。

これらの機能は、従業員の信頼が前提です。ビジュアルアクセスは明示的な同意が必要で、ユーザーは常に有効化されていることを認識すべきです。機密情報はPIIマスキング、管理者コントロール、適切な保持ポリシーで保護されます。

また、顧客データが当社やサードパーティの基盤モデルの学習に使用されないことも明言しています。これにより、組織はマルチモーダルAIを導入してもデータ管理権を失うことはありません。

Atomicworkは既存のServiceNowまたはJira Service Management環境と併用して導入でき、即時の移行を必要としません。これは主に移行戦略として捉えるべきでしょうか、それとも多くの企業がレガシーの記録システム上にAIワークフォースを永続的に運用することになるでしょうか？

大企業の多くは、ServiceNowやJira Service Managementといったプラットフォーム上で、プロセス、統合、ガバナンスを何年も構築してきました。AI導入の前提としてこれらのシステムを置き換えることを要求すると、不要な摩擦が生じます。

AtomicworkはServiceNowとJira Service Managementとの統合を構築し、顧客が従業員体験を変革し、AIコワーカーでサービスチームを即座に拡張できるようにしましたが、既存システムの運用を妨げません。コネクタはAIコワーカーが活用できるエンタープライズITコンテキストを取得しつつ、既存システムのサービスエージェントと双方向同期を維持します。企業が導入初日にどちらか一方を選択しなければならないとは考えていません。重要なのは、企業が自社のタイムラインでAIを導入できるよう支援することです。

AIコワーカーにアイデンティティシステム、従業員データ、インフラ、ビジネスアプリケーションへのアクセス権を付与すると、プロンプトインジェクション、汚染されたナレッジソース、過剰権限、エージェントエラーの連鎖といったリスクが生じます。企業がエージェントに自律的に行動させる前に、どのような保護策、承認境界、監査メカニズムが不可欠でしょうか？

AIコワーカーは特権アクセスを持つ従業員と同様に統治されます。各コワーカーには定義されたロール、限定的な権限、承認済みツール、支出上限、独立して実行できる範囲の明確な境界があります。特にアイデンティティ、インフラ、財務、法務、雇用に関わる敏感なアクションは、人間の承認が必要です。

スキルや指示は、プロンプトインジェクション、隠し指示、認証情報へのアクセス、データ漏洩、危険な行動といったリスクがないか公開前に検証されます。ツールがリスクを高める形で変更された場合は、レビューが完了するまで自動的に無効化されます。アクション上限、重複アクション防止、緊急停止制御、人間による介入などの追加保護策により、エラーが拡散する前に抑制できます。

すべてのアクションは追跡可能です。組織はコワーカーが何に起因して動作したか、使用した情報やツール、取得した承認、結果を確認できます。継続的な評価、モニタリング、レッドチームテストにより、モデルやツール、エンタープライズ環境が変化してもこれらの保護策が有効であり続けることが保証されます。

AIの導入は始まりに過ぎないため、評価、ポリシー実施、モニタリング、レッドチームテストに多大な投資を行っています。組織は、モデルやエンタープライズ環境が変化しても、コワーカーが期待通りに動作し続けることに自信を持てるようにしています。

AtomicworkのState of AI in IT 2026レポートによれば、ITプロフェッショナルの3分の2がAI投資からのポジティブなリターンを報告している一方で、組織の5分の1しかサービスマネジメントチーム全体にAIを完全に組み込んでいません。測定可能なビジネス価値を生み出す導入と、実験段階にとどまるパイロットの違いは何ですか？

多くの組織は、AIが個々のタスクを改善できることをすでに示しています。測定可能なビジネス価値を実感している企業は、AIを単独のアシスタントとしてではなく、業務全体のワークフローに組み込んでいます。

まずは具体的なビジネス課題をロール単位で考え、AIコワーカーに必要なシステムへのアクセスを付与し、成果指標（例えば解決時間の短縮、サポートコストの削減、従業員体験の向上）を測定します。チームが結果に信頼を置くと、AIを他のワークフローへ拡大するのが格段に容易になります。

また、調査では責任あるAIがITリーダーにとって最重要課題の一つであることが分かりました。組織は、AIがどのように意思決定に至ったかを理解し、決定後にレビューでき、適切なガードレールが整備されている場合にのみ、AIに更なる責任を委ねる傾向があります。

AIコワーカーがサポートリクエストの解決、アクセス管理、インシデント診断、ワークフロー調整を始めるにつれ、サービスデスク担当者、ITオペレーションチーム、最高情報責任者（CIO）の役割はどのように変化しますか？さらに先を見据えると、IT部門は企業全体のデジタルワークフォースの採用、統治、測定を担う部門になる可能性がありますか？

AIは、現在のサービスデスクが消費している反復的な運用作業の多くを引き受けるため、担当者は例外処理やプロセス改善、AIが依存するナレッジの精緻化により多くの時間を割けるようになります。

ITオペレーションチームは、すべてのワークフローを手作業で実行するのではなく、AIコワーカーの統治に注力するようになります。権限設定、システム連携、パフォーマンス監視、ポリシー遵守を定義し、AIが確立された方針内で動作し続けることを保証します。

また、CIOの役割も拡大すると考えています。数百のAIコワーカーを管理することは、他のエンタープライズインフラを管理することに似ています。どのコワーカーが何にアクセスできるか、どのように評価されるか、いつ更新されるか、価値を提供しているかを決定する必要があります。ビジネスチームは引き続き業務内容を定義し、ITはAIのHR、すなわちプラットフォーム、ガバナンス、運用コントロールを担当し、エンタープライズAIワークフォースを安全に運用できるようにします。

素晴らしいインタビューをありがとうございました。詳しく知りたい読者はAtomicworkをご覧ください。