AIエージェントの自律性がもたらす「論理の高速化」と「物理の鈍化」の非対称性
ServiceNow Xanaduリリースが示す生成AIによるチケット処理の極限
ServiceNowの「Xanadu」リリースは、ITサービス管理（ITSM）におけるAIエージェントの自律性を決定的に高めるマイルストーンである。
これまで人間が介在していたインシデントの分類、優先順位付け、そして初期対応の策定が、生成AIによってほぼリアルタイムに完了する。
具体的には、Now Assistがインシデントの内容を解析し、適切なナレッジベースを検索、解決策を提示するまでのフローが自動化される。
これは、論理空間におけるインシデント処理速度が、人間の認知能力の限界を超えて加速することを意味している。
しかし、この「論理の高速化」は、同時にIT運用が抱える根本的な脆さを浮き彫りにする。
AIエージェントが瞬時に解決策を提示しても、その実行が物理的な作業（サーバーの再起動、ケーブルの差し替え、部品交換）を伴う場合、全体の処理速度は劇的に低下するからだ。
ServiceNowのアナリティクスが示す「平均修復時間（MTTR）」の短縮は、論理的な処理（チケットのクローズ）に留まり、物理的な現場の負荷を覆い隠す可能性がある。
AIが自律的に「データセンターのラックAのスイッチBを交換せよ」と指示を出したとしても、現場の作業員が他のタスクで手一杯であれば、そのインシデントは物理的なキューに留まり続ける。
論理と物理のこの非対称性は、AIエージェントの自律性が高まれば高まるほど、IT運用の最大のアキレス腱となる。
「解決策の提示」と「解決の実行」の間に横たわる深い溝と徒労
AIエージェントは、ServiceNow上の膨大な過去データから、最も可能性の高い解決策を「提示」することには長けている。
しかし、その解決策が「物理世界の変更」を必要とする場合、AIは無力であり、人間の泥臭い労働に依存せざるを得ない。
例えば、AIがネットワーク遅延のインシデントに対し、ルーターのファームウェア・アップデートを解決策として提示したとする。
この作業自体は自動化可能かもしれないが、アップデートによって別のレガシーシステムとの互換性問題が発生するリスクの評価は、依然として人間に委ねられる。
もしAIが自律的にアップデートを実行し、基幹システムがダウンした場合、その事後処理に追われるのは人間である。
AIが提示する「正解」を実行に移すための、物理的なバリデーション（検証）プロセスが、新たなボトルネックとして浮上する。
ServiceNowが強いる「AI監査トレイル」は、AIの判断根拠を記録するが、それは物理世界での実行責任を人間に押し付けるための証拠確保に過ぎない。
AIエージェントの自律化は、IT労働者を「単純なオペレーション」から解放するのではなく、「AIの判断によって引き起こされた、より複雑で責任の重い物理トラブルの処理」へとシフトさせる。
これは、労働の質の向上ではなく、責任の増大と、予測不能な物理的徒労への従属である。
自律型エージェントの論理競合が招くインフラの物理的整合性崩壊
複数エージェントによる並列パッチ適用が引き起こすデッドロックの全貌
ITSM、セキュリティ、ネットワークなど、異なるドメインに特化した複数の自律型AIエージェントが、同一のインフラに対して並列で作業を行う未来は、すぐそこにある。
ServiceNowの「Flow Designer」は、これらのエージェントの動きをオーケストレーション（統合制御）することを志向しているが、物理層での競合を完全に防ぐことは不可能に近い。
例えば、セキュリティエージェントが、緊急のOS脆弱性パッチをサーバーAに適用しようとする。
同時に、ネットワークエージェントが、ルーティング最適化のためにサーバーAに関連するスイッチの再設定を行おうとする。
論理的には両者とも正しいが、物理層においては、パッチ適用によるリブートとスイッチの再設定が重なり、サーバーAがネットワークから完全に孤立するデッドロックが発生する可能性がある。
AIエージェントは、それぞれのKPI（脆弱性の解消速度、ネットワーク遅延の短縮）を最適化しようと動くが、それがインフラ全体の「物理的整合性」を崩壊させる。
これは、中央集権的な制御を持たない複数の自律系が、有限な物理資源を奪い合うことで発生する、古典的なシステム障害の、AIによる超高速化バージョンである。
ServiceNow上のCMDB（構成管理データベース）が、リアルタイムの物理状態を反映できていない場合、AIエージェントは「存在しない構成」に対してパッチを適用しようとするなど、論理矛盾の迷宮に陥る。
AIが自律的に動けば動くほど、インフラの物理的な状態と、CMDB上の論理的な状態の乖離が拡大し、その修復に人間が奔走することになる。
CMDBの不完全性が誘発するAIエージェントの「論理的幻覚」と物理障害
ServiceNowの中核であるCMDBは、AIエージェントにとっての「世界モデル（物理世界の認識票）」である。
しかし、CMDBは常に不完全であり、現実のインフラ状態（未記録のケーブル変更、シャドーIT、物理的な劣化）を100%反映することはできない。
AIエージェントは、この不完全なCMDBを「完全な真実」として受け入れ、その上で論理推論を行うため、必然的に「論理的幻覚」に基づく判断を下す。
例えば、CMDB上で「冗長化されている」と記録されている電源ユニットが、実際には片方が故障して放置されていたとする。
AIエージェントは、冗長性がある前提で、稼働中の電源ユニットに対して負荷試験を実行し、その結果、唯一の電源が落ちてシステム全体がダウンする。
AIにとって、論理的には正しい手順であっても、物理世界の不完全性が、それを致命的な障害へと変換する。
この幻覚による障害を防ぐために、ServiceNowは、AIの判断に対して人間が最終確認を行う「Human-in-the-loop」を推奨するが、これはAIの自律性を自ら否定する自己矛盾である。
AIの処理速度に合わせて人間が確認を行うことは不可能であり、結局のところ、人間はAIの判断を鵜呑みにして承認ボタンを押すか、AIの動きを止めて手動で確認するかの二択を迫られる。
AIエージェントの自律化は、ITインフラ管理における「CMDBの更新」という、最も泥臭く、これまで人間が忌避してきた作業の重要性を、皮肉にも爆発的に高めることになる。
ITILの解体とAIエージェントによる「責任なきガバナンス」の台頭
「変更管理」プロセスのアナクロ化とAIによる「事後承認」の常態化
ITIL（ITインフラストラクチャ・ライブラリ）の根幹である「変更管理」プロセスは、AIエージェントの自律化によって完全に形骸化する。
変更管理は、インフラへの変更がもたらすリスクを事前に人間が評価し、承認するプロセスであるが、AIエージェントは、数ミリ秒単位で変更の必要性を判断し、実行する。
ServiceNowの「Change Management」モジュールが、AIエージェントによる自動的な変更リクエスト作成に対応したとしても、人間がそれを事前にレビューする余地はない。
結果として、変更はAIによって「実行」された後に、事後的にシステムによって「承認」される、という本末転倒なプロセスが常態化する。
これは、リスクを事前に回避するためのガバナンスではなく、起きた事象を記録するための「アリバイ作り」のガバナンスである。
ITILが築き上げてきた、人間の理性に基づく制御プロセスは、AIの自律性という濁流によって押し流され、IT運用は「予測不能な自動変更の連続」へと変貌する。
事後承認の常態化は、IT労働者からインフラの制御権を奪い、彼らを「何が起きたか分からない変更の、事後処理係」へと転落させる。
「予測可能性」を追求してきたITILの理念は、AIによって完全に解体され、IT運用は再び「カオス」の状態へと回帰していく。
「AIが承認した変更」の責任の所在：IT労働者に押し付けられる泥臭い後始末
AIエージェントが自律的に実行し、システムが事後承認した変更によって、大規模なサービス停止が発生した場合、その責任は誰が負うのか。
ServiceNowのプラットフォーム提供者、AIモデルの開発者、それとも、そのAIエージェントを運用していたIT部門か。
現行の法体系および企業ガバナンスにおいて、AIに法的責任を問うことはできず、最終的な責任は常に「人間（IT管理者）」に帰着する。
AIエージェントは、ServiceNowが強いる「AI監査トレイル」によって、その判断根拠を論理的に説明するかもしれない。
「過去の障害データと、現在のネットワーク負荷状況から、この設定変更が最適であると判断した」という、完璧な論理の壁をAIは構築する。
しかし、その変更が物理世界の特殊な状況によって失敗した時、IT管理者は「AIの判断の妥当性」と「現実の障害」の間で、論理的に板挟みになりながら、手動での復旧作業という物理的な徒労に従事することになる。
AIの自律化は、人間の責任を軽減するのではなく、AIという「ブラックボックス化した責任転嫁装置」によって、IT労働者が負う責任の性質を、より泥臭く、不透明なものにする。
彼らは、AIが「正しい」と判断した結果によって生じた、「間違った」物理的現実の後始末を、永遠に強いられ続ける。
CMDB更新という究極のアナログ労働への強制回帰
「構成アイテム」の物理的真実を担保するための人力パトロールの必然
AIエージェントが自律的に機能するためには、CMDB上の「構成アイテム（CI）」のデータが、物理世界の現実と寸分違わず一致していなければならない。
しかし、データセンター内の物理的な配線、サーバーのラック位置、環境センサーの状態など、自動検知ツールだけでは捕捉しきれない「物理的真実」が厳然として存在する。
この真実を担保するためには、人間が物理的な現場を歩き回り、目視で確認し、手動でCMDBを更新するという、究極のアナログ労働が必要となる。
ServiceNowが誇るAI自動化のピラミッドは、この泥臭い「人力パトロール」という砂上の楼閣の上に立っている。
AIの自律化が進めば進むほど、CMDBの不完全性がもたらすリスクは指数関数的に増大するため、この人力パトロールの重要性と頻度は、皮肉にも以前より高まる。
これは、最先端のAI自動化が、最も前時代的な肉体労働を必要とするという、テクノロジーの強烈な自己矛盾である。
IT労働者は、キーボードから離れ、データセンターの冷気の中で、ケーブルのタグを読み取り、CMDBに反映させるという、身体性を伴うアナログ労働へと回帰していく。
「自動検知」の限界と、AIエージェントに見捨てられた物理トラブルの泥沼
ServiceNowの「Discovery」などの自動検知ツールは、IPアドレスを持つ論理的なデバイスは捕捉できるが、物理的な劣化や、意図しない物理的な接続変更までは検知できない。
例えば、LANケーブルの被覆が破れ、ノイズが混入して通信が不安定になっているインシデントに対し、AIエージェントは論理的な設定変更を繰り返すが、解決には至らない。
AIにとって、ケーブルの被覆が破れているという物理情報は、CMDBに記録されていないため、「存在しない問題」である。
AIエージェントが論理的な解決策を使い果たした時、そのインシデントは「AIでは解決不能」として、人間に投げ返される。
人間に投げ返された時点で、インシデントはAIによる無駄な設定変更によって、初期状態よりもはるかに複雑化している可能性がある。
IT労働者は、AIが見落とした物理的な真実（破れたケーブル）を探し出し、AIが混乱させた論理的な設定を元に戻すという、二重の泥沼に足を踏み入れることになる。
AIエージェントの自律化は、IT運用の効率化を約束する一方で、IT運用の本質が、決してデジタルでは完結しない、物理世界への泥臭い適応であることを、改めてIT労働者に突きつける。
彼らは、AIという「論理の怪物」が引き起こす、物理的な混沌を鎮めるための、最後の砦として、現場に留まり続けることを強いられる。
