従来の一般的なMDM／EMMやUEMは、アプリケーションのアクセス統計や、エンドユーザーがアプリケーションを使用した時間を収集している。だが取得後に分析対象となる情報の量は限られている。

　AI技術は、使用中のアプリケーションとその使用方法に関する統計情報の収集に利用でき、単一障害点になりそうな重要なポイントやエンドユーザーの生産性低下に関するフィードバックも提供する。最終目標は、エンドユーザーの生産性を下げる原因となり、サポートの問題を引き起こすボトルネックの発見だ。アプリケーションや企業システムの異常を検出するという点では、AI技術は単純なデータテーブルよりもはるかに優れた仕事をする。

メリット3．セキュリティの強化

　窃盗やシステム侵害から企業データを守るために、安全な環境を作る戦いが続いている。過去の情報や兆候を利用する固定的なセキュリティ対策でも、比較的古くて著名なマルウェア攻撃には対抗できる可能性がある。だが攻撃対象が変化し続ける中では、ゼロデイ脆弱性（パッチ提供前の脆弱性）のリスクの検出や評価も目標とする必要がある。

　そのようなセキュリティリスクの検出は、他社製品のデータも含めた、エンドユーザーの行動に関する大規模なデータが基盤になる。このようなデータとAI技術を併用することで、アプリケーションやネットワークアクセスの中から悪意のあるパターンを発見し、被害が起きる前にそれらを遮断できる。

　セキュリティとID管理は密接な関係がある。だが、これらは個別の評価が欠かせない。

メリット4．エンドユーザーサポートの効率化

　新入社員のオンボーディング（早期戦力化のための配属プロセス）は依然として、従業員を組織に迎える取り組みの中でも特に地道で、難しい要素だ。IT部門によるサポートを何日も待つことなく、従業員が初日から各自の仕事を完了させるには、必要なツールと機能をその日から提供する必要がある。

　AI技術を搭載するUEMは、エンドユーザーの役割や責任を理解した上で、そのエンドユーザーに手引きとなる情報を提供し、セットアップのプロセスを遂行させることが可能だ。さらにエンドユーザーが過去に経験した問題を基に構築したナレッジベースに基づき、補助的なFAQ（よくある質問とその答え）を用意することで、IT部門の負担を減らす。その結果、人手による一般的な準備プロセスに比べ、新入社員はごく初期から成果を上げられるようになる。数日がかりだったプロセスを、わずか数時間に短縮することもあり得る。

細部に潜む落とし穴

　AI技術のメリットは、必要な機能をベンダーが製品に適切な形で搭載しているかどうかに左右される。AI技術の中でも機械学習は、最適な動作を「学習」するために大量のデータセットが必要になる。そのため最低でも必要なのが、導入対象のUEMによる機械学習エンジンのトレーニング方法を把握することだ。

　多様なユーザーや組織による匿名データに基づいて継続的にトレーニングされるのか、それとも決まったデータセットを使った1回限りのトレーニングなのかを把握する。前者の方がデータセットの規模が大きくなり、エンドユーザーの入力が増えるほど、機械学習エンジンの判断精度が優れたものになる。

　AI技術を搭載するUEMには、多くのメリットがある。ただし、それはAI技術が適切に実装、導入されている場合に限られる。企業は、AI技術の導入方法や、自社のエンドユーザーにとって不可欠な機能・特徴を徹底的に評価する必要がある。「AI」と名の付く機能が本当にAI技術に基づいているのか、そのような名前が付けられているだけなのかも評価する。詳しく調査しないで、ベンダーが質の高い機能を提供していると単純に思い込んではならない。