Atlassian Cloudサポート業務でのAIエージェント活用事例

2026/07/30（木）開催の「製造業でも生成AI活用したい！名古屋LLM MeetUp#13」における私のLT「Atlassian Cloudサポート業務でのAIエージェント活用事例」の発表資料になります。 #名古屋LLMMeetUp

https://kinto-technologies.connpass.com/event/396249/

Transcript

1. 2026.07.30 製造業でも⽣成AI活⽤したい︕名古屋LLM MeetUp#13 Atlassian Cloudサポート業務での AIエージェント活⽤事例 KDDIアジャイル開発センター 名古屋オフィス 鈴⽊ 正樹
2. ⾃⼰紹介 n ⽒名︓鈴⽊ 正樹 n 所属︓KDDIアジャイル開発センター（KAG） 名古屋オフィス n 役割︓クラウドアーキテクト ＆ Atlassian テクニカルエキスパート サーバーレス＆IaCが⼤好き。好きなサービスはAWS LambdaとAWS CDK 主にJAWS-UG CDK⽀部 & JAWS-UG 名古屋で活動 n Certification︓ n AWS Community Builder(serverless)（2023〜） n Scrum Inc. 認定スクラムマスター（2025〜） n : @makky12（SUZUKI Masaki@クラウドエンジニア） n Blog︓https://makky12.hatenablog.com/ KDDI Agile Development Center Corporation 1
3. アジェンダ • 前提︓サポート業務におけるAIエージェントの役割 • 1.「知⾒（ナレッジ）の共有」の活⽤事例 • 2.「データアクセスの提供」の活⽤事例 • まとめ ※ この資料は、下記URLで公開済みです ◦ この資料です KDDI Agile Development Center Corporation 2
4. 前提︓サポート業務における AIエージェントの役割 KDDI Agile Development Center Corporation 3
5. 前提︓サポート業務におけるAIエージェントの役割 ※あくまで⼀例です • 知⾒の共有 ◦ 問い合わせに関連するナレッジをユーザーに共有し、⾃⼰解決を促す • データアクセスの提供 ◦ ITに詳しくない担当者に対しても、データへの安全なアクセスおよびデータ操作（CRUD）を提供 • 上記活⽤事例について、次スライドから詳しく紹介します KDDI Agile Development Center Corporation 4
6. 1.「知⾒の共有」の活⽤事例 KDDI Agile Development Center Corporation 5
7. Atlassian Cloudサポート体制 • Atlassian Cloudアプリ全般のサポートについて、専⽤サイトを⽤意して対応（※1） ◦ Jira Service Management（JSM）でサポートサイトを構築し、Atlassian Cloudの問い合わせに対応 ※1︓画像は開発環境の画⾯です（実際の問い合わせ内容ではありません） KDDI Agile Development Center Corporation 6
8. Atlassian Cloudサポート体制における課題 • ユーザー側およびサポート側双⽅で、下記事項が課題に ユーザー側 サポート側 • 問い合わせが解決しないと業務を進められず、 遅延発⽣の原因に • 突発的なサポート対応に追われ、⾃分のタスク を実施できない（実施する時間が⾜りない） • どこを調べたらいいか分からない（そもそも調 べようとしない、という話も…） • 問い合わせが多いと、対応漏れが発⽣（問い合 わせに気づかない） • 少しでも「短時間」かつ「確実に」問い合わせに対応・解決できる仕組みが必要︕ KDDI Agile Development Center Corporation 7
9. 問い合わせに対応する「⾃動応答エージェント」をサポートフローに導⼊ ※前スライドの課題に対するAIエージェント活⽤事例 • 問い合わせ発⽣時にAIエージェント（※1）が⾃動回答するフローをJira Automationで構築 ◦ 問い合わせに対するナレッジをユーザーに共有し、⾃⼰解決を促す ※1︓Rovoエージェント（Atlassian Cloudの「スタジオ」にて作成可能なAIエージェント）を使⽤ KDDI Agile Development Center Corporation 8
10. 「⾃動応答エージェント」の導⼊成果 ※前スライドの課題に対するAIエージェント導⼊による成果 • これにより、ユーザー側/サポート側双⽅において、下記の成果を⽣むことが出来た ユーザー側 サポート側 • 不明点を⾃⼰解決できるケースが増え、サポー ト待ちによる業務遅延が減少（下画像参照） • より多くの時間を⾃分のタスクに費やせるよう になり、作業効率の向上を実現 • サポート待ち時間が減少したことで、作業効率 および成果向上を実現 • 「問い合わせに対するファーストアクション漏 れ」が0になり、サポート満⾜度の向上 ※実際の問い合わせユーザーからのコメントです • AIエージェントによる「知⾒の共有」を活⽤し、作業効率・作業成果の向上を実現 KDDI Agile Development Center Corporation 9
11. 2.「データアクセスの提供」の活⽤事例 KDDI Agile Development Center Corporation 10
12. ライセンス＆ユーザー管理の体制 • ライセンス情報（購⼊数・利⽤ユーザー数）の管理に、Amazon DynamoDBを使⽤ ◦ 発注情報を元にAWS Step Functions経由で登録したり、週次バッチで⾃動登録 • 実際、ユーザーからライセンスに関する問い合わせを受けることもある ◦ その際、下記の流れでサポート対応を実施していた 1. ライセンス数問い合わせ 2. DynamoDBにアクセス＆クエリ発行 （マネコン経由） 結果を返却 4. 問い合わせに回答 3. 結果を返却 ユーザー サポート担当者 Amazon DynamoDB • が、こちらもいくつか課題が… KDDI Agile Development Center Corporation 11
13. ライセンス＆ユーザー管理体制における課題 • サポート担当者がAWSに詳しいとは限らない ◦ AWSスキルに関係なく、サポート業務を実施できる体制が必要 • AWSに詳しくない⼈（⾮技術者など）にDynamoDBを操作させてよいのか（特に更新系） ◦ ヒューマンエラーによるデータ整合性の損失・データ破損のリスク ◦ そもそもAWSに詳しくない⼈に、そこまでの業務責任を負わせる体制が問題（チーム運⽤側の責任） • そもそも、マネジメントコンソールにアクセスさせること⾃体良いのか ◦ 不必要な情報にアクセスさせてしまうことにならないか • AWSスキルに関係なく「必要なデータに対し、安全に操作を実施できる」仕組みが必要︕ KDDI Agile Development Center Corporation 12
14. Atlassian Cloudサポートチーム専⽤のAIエージェントを作成・導⼊ • AIエージェント経由でライセンス情報の操作（CRUD）を⾏うWebアプリを作成 ◦ Amazon Bedrock AgentCore + Amplify Hosting(Gen2) + AWS CDKにて作成（※1） ※1︓Amplify Backend(Gen2)（backend.ts）は使ってません（理由は こちらの資料 を参照） KDDI Agile Development Center Corporation 13
15. 「サポートチーム専⽤AIエージェント」の導⼊効果 ※前スライドの課題に対するAIエージェント活⽤事例 • AWSスキルに依存しない問い合わせ対応が可能に ◦ （Webアプリ経由で）プロンプトで指⽰するだけで、必要な操作（CRUD）をAIエージェントが実施 ◦ サポート担当者は「プロンプトで指⽰」「問い合わせへの回答」を実施するだけ • ヒューマンエラー・業務責任・「⾮必要なアクセス」の解消 ◦ サポート担当者⾃体はAWSへのアクセス不要 ◦ DynamoDBの操作はAIエージェントが実施するため、サポート担当者のスキルに依存しない安全な操作が可能 に（IAMポリシーで制御。詳細は次スライドで説明） • AWSスキルに依存しないサポート対応、かつ安全なDynamoDB操作が可能になり、「サポー ト担当者の業務責任軽減」「セキュリティ向上」などを実現 KDDI Agile Development Center Corporation 14
16. 「サポートチーム専⽤AIエージェント」導⼊後のフロー＆注意点 • 「サポートチーム専⽤AIエージェント」導⼊後のフローは以下の通り ユーザー 1. ライセンス数問い合わせ 2. 必要な内容をプロンプトで指示 3. プロンプトに応じたAPIを実行 6. 問い合わせに回答 5. 結果を自然言語で通知 4. 結果を返却 サポート担当者 Amazon DynamoDB AIエージェント ・IAMポリシー管理 (アクション/リソースなど) ・運用・管理・メンテナンスなど （バグfix, 性能向上など） ワイ • 重要なのは⾚枠部分で、「とりあえず作成した」で満⾜しない ◦ AIエージェントもアプリ同様、定期的に運⽤・メンテナンスなどして性能向上などを⾏う必要がある ◦ 特に「安全な操作」については、AIエージェントに付与するIAMポリシー（アクション・リソース）次第なので、 ここはしっかり管理する必要がある（=セキュリティに直結する事項） KDDI Agile Development Center Corporation 15
17. まとめ KDDI Agile Development Center Corporation 16
18. まとめ ※本セッションのまとめ • 「⾃動応答エージェント」を導⼊し、「ユーザーによる⾃⼰解決」「サポート対応時間の短 縮」などを実現したことで、サポート側/ユーザー側双⽅で作業効率・作業成果が向上 • 「サポート専⽤AIエージェント」を導⼊し、AWSスキルに依存しないサポート対応を実現 ◦ 「必要最⼩限のデータ」への「安全な」操作を実現 ◦ AWSに詳しくないサポート担当者に対する、⾮必要な業務責任からの解放 • 「AIエージェントの作成・使⽤」をゴールにしない ◦ あくまでゴールは「ビジネス課題を解決すること」。AIエージェントはそのための「⼿段」の⼀つ。 ◦ そのため「⼀度作って終わり」ではなく、定期的に運⽤・メンテナンスなどして性能向上・機能追加・セキュリ ティ対策などを⾏う必要がある KDDI Agile Development Center Corporation 17
19. Be a Change Leader. アジャイルに⼒を与え 共に成⻑し続ける社会を創る