Forrester TEIのウェビナーでEdwin AIの313%のROIについて学んだこと

人工知能は急速に経営陣の優先事項となったが、議論の方向性は変わりつつある。企業はもはやAIに投資すべきかどうかを問うのではなく、AIが測定可能なビジネス価値をもたらすことをどのように証明するかを問うているのだ。

ITリーダーにとって、それはAIの導入、生産性向上に関する主張、トークンの使用といった表面的な指標にとらわれず、障害発生件数の減少、アラートノイズの低減、調査時間の短縮、サービス信頼性の向上、エンジニアが反復的な調査ではなく戦略的な業務に集中できる時間の増加など、重要な運用成果を測定することを意味します。

その質問は—AIの投資対効果（ROI）を実際にどのように測定するのですか？―は、LogicMonitorのKarthik Sj氏、ForresterのコンサルタントであるZahra Azzaoui氏、Forresterの主席アナリストであるCarlos Casanova氏、そしてSyngentaのグローバルITネットワーク責任者であるKris Manning氏が出席した最近のウェビナーの中心テーマとなった。 

議論では、 フォレスター・トータル・エコノミック・インパクト™（TEI）調査 Edwin AIについて、Forresterがどのようにビジネス価値を測定しているか、企業顧客が報告した業務改善点、そして自律型ITへの移行において、信頼性と説明可能性がAI機能と同じくらい重要である理由などを含めて解説します。

以下では、今回の議論から得られた最も重要なポイントと、それがAI導入のビジネスケースを構築するITリーダーにとってどのような意味を持つのかをまとめます。

AIは「投資対効果を見せてくれ」時代に突入した

ここ数年、AIに関する議論は可能性に焦点を当ててきた。企業はパイロットプロジェクトを開始し、AIアシスタントの実験を行い、新たなAI機能に多額の投資を行ってきた。しかし、AIへの支出が増えるにつれ、経営陣の期待も高まっている。

今日のCIOは、導入したAIツールの数を問われるのではなく、それらの投資によって何が達成されたのかを問われています。システム障害は減少したのか？運用効率は向上したのか？エンジニアはより付加価値の高い業務に集中できるようになったのか？測定可能なビジネス成果は得られたのか？

カルティク・Sj氏がウェビナーで指摘したように、AIの利用状況だけでは意味のある指標とは言えず、「トークンを多く使っているからといって、それがAIにとって有用であるとは限らない」と述べています。

AI活動の測定からビジネス成果の測定へと移行したことが、まさにEdwin AIに関するForrester Total Economic Impact™（TEI）調査のきっかけとなった。この調査では、AIの導入状況や製品の機能を評価するのではなく、より根本的な問いを検証した。 AIは企業のIT運用にどのような測定可能なビジネス価値をもたらすのか？

フォレスターは、4社の企業顧客へのインタビューに基づき、Edwin AIを使用している複合組織が以下の成果を達成したことを発見した。

• 313％の投資収益率 3年以上
• 6か月未満 損益分岐点に達する
• 3.6万ドル 総利益
• 2.7万ドル 正味現在価値

一見すると、313%のROIは野心的であるように思えるかもしれません。しかし、フォレスターの主席アナリストであるカルロス・カサノバ氏が議論の中で指摘したように、IT組織は何十年もの間、監視、イベントの相関、および 事件の調査機会は常に存在していた。AIは単にそれらの問題に対処できるようにしているだけだ。 階段 そして、これまで達成できなかったスピード。

財務実績は、こうした業務転換を反映したものとなった。この調査では、生産性を抽象的に測定するのではなく、顧客が日々の業務で実感した改善点を定量化した。具体的には、アラートノイズの管理に費やす時間の短縮、根本原因分析の迅速化、サービス継続性の向上、運用コストの削減などが挙げられる。反復的な調査が減ったことで、エンジニアは、分断されたツール間で信号を手作業でつなぎ合わせるのではなく、システムの改善により多くの時間を費やすことができるようになった。

そこで当然次に浮かぶ疑問は フォレスター社はどのようにしてこれらの数字を算出したのですか？

フォレスターがAIのビジネスへの影響をどのように測定したか

投資収益率313%という数字は確かに目を引くが、同時に精査に値する数字でもある。だからこそ、今回のウェビナーでは、フォレスターがどのようにしてこの結果を導き出したのかを詳しく解説したのだ。

フォレスターのTotal Economic Impact™（TEI）手法は、仮説的なコスト削減額を推定したり、製品の機能を比較したりするのではなく、実際の顧客体験に基づいて、テクノロジー投資の潜在的な財務的影響を組織が評価できるよう設計されています。顧客インタビュー、財務モデリング、導入コスト、リスク調整、将来的な柔軟性を組み合わせることで、組織が自社の環境に合わせて適用できるビジネスケースを作成します。

「これは投資対効果（ROI）の予測ではありません」と、フォレスターのコンサルタントであるザフラ・アザウイ氏は述べています。「組織がそれぞれの状況に合わせて適用できるフレームワークとして考えてください。」

Edwin AI の調査のために、Forrester はまず、ヘルスケア、小売、農業、IT サービス、コンサルティングなど、さまざまな業界の 4 つのエンタープライズ顧客にインタビューを行いました。これらの会話は、代表的な「複合組織」の基礎となりました。これは、年間収益 2.5 億ドル、従業員 5,000 人、Edwin AI を使用する複雑なハイブリッド IT 環境を持つ大規模企業です。 イベントインテリジェンス, AIオートメーション, AIエージェント 機能を提供します。

同様に重要なことに、これらのインタビューでは、驚くほど一貫した運用上の課題が明らかになった。顧客は、アラート音に圧倒される環境について説明し、 断片化して 監視ツール、手動による調査、そしてますます複雑化するハイブリッドインフラストラクチャ。エンジニアたちは、問題解決に着手する前に、複数のシステム間で信号を相関させるだけで何が起こっているのかを理解するのに、あまりにも多くの時間を費やしていた。

こうした共通の課題点が、財務分析の基盤となった。フォレスターは、AIの導入を単独で評価するのではなく、手作業の削減、調査の迅速化、サービス継続性の向上、監視ワークフローの簡素化といった日々の業務改善が、時間の経過とともにどのように測定可能なビジネス価値につながるかを評価した。

その結果は、あらゆる組織に対して313%の投資収益率（ROI）を保証するものではありません。これは、インタビュー対象となった顧客にとってAIがどのような測定可能な価値を生み出したかを示す構造化されたフレームワークであり、ITリーダーが自社の環境における機会を評価するために使用できるモデルを提供するものです。

そこで次の疑問は その値は実際にはどこから来たのか？ この調査では、複合組織の財務収益を総合的に向上させた5つの業務改善点が特定された。

投資対効果（ROI）はどこから生まれるのか

フォレスター社の調査によると、この複合組織の収益向上は、単一の画期的な技術革新によるものではなく、互いに相乗効果を生み出す一連の業務改善の積み重ねによるものだった。手作業の削減、可視性の向上、調査の迅速化によって、Edwin AIはエンジニアリングチームの時間の使い方、ひいては業務の進め方そのものを変革した。

アラートノイズをカット

最大の価値は、ITにおける最も古い問題の一つである「アラートが多すぎるのに、シグナルが不足している」という問題を解決したことから生まれた。

顧客は、エンジニアが通知を何時間もかけて確認し、イベントを手動で関連付け、実際に注意が必要な事項を判断する環境について説明しました。Edwin AI は、関連するイベントを自動的に関連付け、不要なノイズをフィルタリングすることで、複合組織がアラート ノイズを削減するのに役立ちました。 90％まで、生成 生産性向上による1.4万ドルの節約.

フォレスターのコンサルタント、ザフラ・アザウイ氏が指摘するように、アラートノイズを減らすことは、エンジニアの効率性を高めるだけでなく、「日々の業務のやり方そのものを変える」。チームがアラートの選別に費やす時間が減れば、本当に重要な問題の解決に集中できるようになるのだ。

根本原因分析を加速する

騒音を低減することは第一歩に過ぎない。エンジニアは依然として理解する必要がある 現在も将来も、 事件が発生した。

Edwin AIを導入する前は、顧客は修復を開始する前に、複数の監視ツールにわたるログ、メトリクス、インフラストラクチャデータを手動で組み合わせる必要があったと述べています。Edwin AIはシグナルを自動的に相関させ、考えられる根本原因を明らかにすることで、複合組織が費やす時間を削減するのに役立ちました。 根本原因分析 by 70％まで作成、 $659,000 価値において…

シンジェンタのグローバルITネットワーク責任者であるクリス・マニング氏にとって、この業務体制の転換こそが真の成果だった。彼のチームは「ツールの内部構造をいじくり回す」ことに何時間も費やすのではなく、「顧客に提供するサービスの向上」に集中できるようになったのだ。

サービスの信頼性を向上させる

迅速な調査は、もちろんエンジニアリング時間の節約につながるだけでなく、ビジネス成果の向上にも貢献する。

研究によると、早期発見と迅速な診断により複合組織は 平均解決時間（MTTR） 優先度の高い事案については 50％まで、の結果 $872,000 値で。

マニング氏がウェビナーで説明したように、「技術的な側面よりもビジネス上の成果の方が重要だ」。目標は、サービスの信頼性を向上させ、 停止回復を加速させ、最終的にはユーザーにより良い体験を提供する。

SLAリスクの軽減

顧客からは、重要な問題を特定し、優先順位付けする方法が改善されたとの報告もあった。

相関性の向上と運用の充実により コンテキストチームは、影響の大きいインシデントに迅速に対応できるようになり、SLA違反を削減しました。 40％まで そして別のものを生成する $367,000 複合組織にとっての節約につながる。

チームはあらゆるアラートに対応するのではなく、ビジネスへの影響が最も大きいところに注力すべきだ。

運用を簡素化

最後に、顧客は、見過ごされがちなもう一つの価値源として、従来の監視システムの運用上の負担を軽減することを挙げた。

既存の監視投資を一夜にして置き換えるのではなく、組織はEdwin AIを自社の環境に組み込み、断片化されたイベント管理ワークフローの管理に必要な手作業を徐々に削減しました。複合組織では、その作業が削減され、 70％までさらに貢献する $310,000 運用コストの削減につながります。

フォレスター社の主席アナリスト、カルロス・カサノバ氏が指摘するように、企業は何十年にもわたってこうした業務上の煩雑さをなくそうと努力してきた。AIの登場によって、これまでエンジニアの時間を奪ってきた作業を自動化することがようやく現実的になったのだ。

これらの調査結果を総合すると、ウェビナーの中心テーマの一つが裏付けられます。AIが価値を生み出すのは、エンジニアの作業スピードを少し上げるからではなく、時間の使い方を根本的に変えるからです。反復的な調査、手動による相関分析、アラートのトリアージが自動化されることで、エンジニアリングチームは、信頼性の向上、障害の防止、そしてビジネスへの戦略的価値の提供といった、より重要な業務に専門知識を集中させることができます。

最大の変化は、エンジニアの時間の使い方だ。

フォレスター社の調査で示された財務的な成果は説得力があるものの、ウェビナーで最も興味深い議論の一つは、より抽象的な側面、つまりAIがエンジニアリングチームの日常業務をどのように変えるかという点に焦点を当てたものだった。

クリス・マニング氏は、多くの企業IT組織にとって馴染みのある環境について説明した。彼のチームは、90か国以上、440拠点に及ぶグローバルネットワークを管理しており、膨大な量の運用データを生成していた。Edwin AIが登場する以前は、エンジニアは複数のツールにわたる情報を頭の中で関連付け、ノイズの中から真の問題を選別し、監視システムを絶えず調整することに多くの時間を費やしていた。

課題は、エンジニアリングの専門知識が不足していたことではなかった。むしろ、その専門知識がどこに投入されていたかという点にあった。マニング氏が説明したように、彼のチームは「ツールの内部構造に時間を費やす」ことから脱却し、「顧客に提供するサービスの向上」に注力したいと考えていた。

この変化は、フォレスターが顧客へのインタビューを通じて得た情報と一致している。ザフラ・アザウイが指摘するように、エンジニアは単に作業速度を上げただけではない。彼らは「受動的なチケット管理から脱却し、より積極的な信頼性向上と改善作業へと移行」しており、組織は短期間の調査にとどまらず、はるかに大きな価値を生み出すことができるようになっている。

これは重要な違いです。目標は、応答までの平均時間や解決までの平均時間を短縮することだけではありません（もちろん、これらの指標も重要ですが）。そもそも、反復的な調査に費やすエンジニアリングの労力を削減することが目標なのです。

AIはチームの生産性を向上させ、反復的な調査を減らし、熟練したエンジニアが運用上のノイズに常に対応するのではなく、ネットワークサービスの改善に時間を費やすことを可能にします。そして、まさにそこにAIの最大の真価が発揮されるのです。AIはエンジニアを置き換えるのではなく、その能力を増幅させます。相関分析、調査、優先順位付けを自動化することで、AIはエンジニアリングチームに、信頼性の向上、重要なサービスの強化、そしてビジネスの推進につながる業務への集中に必要な時間、情報、そして能力を提供します。

AIの投資対効果（ROI）がコスト削減だけにとどまらない理由

フォレスター社の調査では、相当な財務的リターンが定量化されたが、最も価値のある成果の一部はROIモデルには反映されなかった。

ザフラ・アザウイがウェビナーで説明したように、顧客は「定量化されていない多くの 利点 それらは財務分析には含まれていないものの、全体的な価値創造において非常に重要なものである。」こうした成果は組織間で一貫して測定するのが難しい場合もあるが、多くの場合、AIイニシアチブの長期的な成功を左右する。

繰り返し見られたテーマの一つは、オンボーディングの迅速化でした。アラートの相関性が向上し、新しい環境を即座に可視化できるようになったことで、組織は新しい導入環境をより迅速に安定させ、より早く価値を提供できるようになりました。

顧客からは、経営陣の可視性が向上したという声も聞かれた。一元化されたダッシュボードとAIを活用した分析により、ITリーダーはシステムの状態をより明確に把握できるようになり、新たなリスクの特定、運用パフォーマンスの伝達、そして事業全体におけるより的確な意思決定が容易になった。

多くの組織にとって、Edwin AIはより広範なAIファーストの変革イニシアチブも支援しました。AIを単独の実験として扱うのではなく、チームは日々のIT運用にインテリジェンスを組み込み、より大きな近代化目標に向けた測定可能な進捗状況を示しました。

規制対象業界で事業を展開するインタビュー対象者は、コンプライアンスへの対応力とデータ主権に関する追加的なメリットを指摘した一方、複数の顧客はLogicMonitorとの関係を戦略的な優位性として捉え、製品開発における協力、新機能のテスト、製品ロードマップの策定への貢献といった機会を挙げた。

これらの成果は従来のROI計算には含まれませんが、AIイニシアチブが持続的な価値をもたらすかどうかを決定づける要素となることがよくあります。コスト削減は投資を正当化するのに役立ちます。可視性の向上、より強力な ガバナンス価値実現までの時間を短縮し、ITとビジネス目標の連携を強化することで、組織はそれを最大化することができます。

未来はさらなる自動化ではなく、より優れた自動化である。

自律型ITについて語る時、AIが単に多くの仕事を奪う未来を想像しがちです。しかし、ウェビナーのパネリストたちは、もっと意図的なことを説明しました。目標は、 自動化のための自動化そうではなく、適切なタイミングで適切な作業を自動化できるだけの信頼関係を築くことが重要なのです。

昨日、AIはチームがそれぞれの環境全体で何が起こっているかを理解するのに役立った。

現在、同機関は事件を調査し、考えられる根本原因を特定し、次に取るべき最善の行動を推奨している。

明日からは、定型的でリスクの低い運用業務を自動化することで、エンジニアは反復作業に費やす時間を減らし、重要なサービスの改善により多くの時間を費やすことができるようになる。

しかし、それを乗り越えることは、単に技術的な課題にとどまらない。それは人間的な課題なのだ。

マニング氏が説明したように、「真のブレークスルーはまだこれからであり、人々の信頼度が高まったときにこそ、真のビジネス価値が実現されるだろう」。組織は、AIが正しい判断を下しているという確信を深めて初めて、AIにさらなる責任を担わせるようになるだろう。

カサノバはこの考えをさらに発展させた。信頼は、エンジニアにAIの推奨事項を盲目的に受け入れるよう求めることから生まれるものではない。透明性と説明可能性から生まれるのだ。チームは、AIシステムがどのようにして結論に至ったのかを理解してからでないと、AIを本番環境で自律的に動作させることを許可しないだろう。

AIが推奨行動から実行行動へと移行するにつれ、この点はさらに重要になります。人間のミスは一つのシステムに影響を与えるかもしれませんが、機械速度で動作するAIは、誰も気づく前に同じミスを何千回も繰り返す可能性があります。そのため、組織は自動化を自信を持って拡大する前に、ガバナンス、安全対策、そしてAIによる意思決定に対する明確な可視性を確保する必要があります。

つまり、自律型ITの未来は、エンジニアを排除することではありません。AIが得意とする反復的な分析を担​​い、エンジニアは機械にはまだできない判断、監視、専門知識を提供するという運用モデルを構築することなのです。

組織がAI戦略を成熟させるにつれて、成功は自動化の度合いではなく、いかにインテリジェントに、そしていかに自信を持って自動化を進めたかで測られるようになるだろう。

ITリーダーにとっての重要なポイント

AIの導入が成熟するにつれて、成功は組織がどれだけのAIを使用しているかではなく、AIがもたらすビジネス成果によって測られるようになるだろう。ウェビナーで明らかになった 運用におけるAIの評価を行うITリーダーのための5つの教訓:

• AIの活動ではなく、ビジネス成果を測定する： トークン消費量、モデル利用率、AI導入率は、価値を示す指標としては不十分です。代わりに、アラートの削減、調査の迅速化、サービス信頼性の向上、エンジニアリング生産性の向上、ダウンタイムの削減といった運用指標に注力すべきです。
• 最大の成果は業務改善から得られる。 フォレスター社の調査によると、ROIは単一の画期的な技術革新によってもたらされたものではなく、アラートノイズの削減から監視の簡素化まで、時間の経過とともに積み重なる複数の運用改善によってもたらされたことが明らかになった。 ワークフロー.
• 真のチャンスは、エンジニアに時間を取り戻させることにある。 AIは、反復的な調査、手動による相関分析、アラートのトリアージといった作業を排除することで、最大の効果を発揮します。これにより、エンジニアはシステムへの対応に追われるのではなく、システムの改善に集中できるようになります。
• 信頼関係は、組織がどの程度自動化できるかを決定づける。 説明可能性、透明性、そしてガバナンスこそが、組織がAIによる推奨から自律的な行動へと自信を持って移行することを可能にする要素である。
• 測定可能なビジネス価値を中心にAI戦略を構築しましょう。 最も成功しているAIイニシアチブは、実際の業務上の問題を解決し、より広範なビジネス目標を支援し、リーダーが明確に理解し擁護できる成果を示している。

AI実験からビジネス価値へ

AIに関する議論は新たな局面を迎えた。企業はもはやAIが新しいから投資するのではなく、信頼性、業務効率、そしてビジネス成果において測定可能な改善が見込めるからこそ投資しているのだ。

その フォレスター・トータル・エコノミック・インパクト™調査 これは、そうした成果を評価するための実践的なフレームワークを提供する。さらに重要なのは、企業IT全体で起こっているより広範な変化を強化する点である。最も成功するAIイニシアチブは、モデルの高度さによってではなく、実際の運用上の問題を解決し、測定可能な価値を提供する能力によって定義される。

このウェビナーでは、もう一つ重要な点が明らかになった。自律型ITは単なる次の技術的マイルストーンではなく、次の組織的マイルストーンでもあるのだ。AIは既に、アラートノイズの削減、調査の迅速化、そして対策の推奨といった能力を備えている。問題は、組織がAIにさらなる責任を担わせるための信頼、ガバナンス、そして運用上の成熟度を備えているかどうかである。

ITリーダーにとって、これはもはやAIを導入するかどうかという議論ではなく、その影響をどのように測定するか、最初にどこに適用するか、そして時間をかけてその役割を拡大していくための自信をどのように築いていくかという議論になることを意味する。

最終的に、IT運用の未来は、組織がどれだけ多くのAIを導入するかによって決まるのではなく、AIと人間の専門知識をいかに効果的に組み合わせ、より強靭なシステムを構築し、エンジニアの能力を高め、ビジネスにとってより良い成果をもたらすかによって決まるだろう。