ハイパーオートメーション — AIの新時代における自動化

ハイパーオートメーションとは何か、そして AI 主導のオートメーションが製品プロセスを改善してより迅速な提供を行う上でどのような役割を果たすのかを理解する必要があります。

「自動化」の本質的な意味は変わりませんが、その用語の使用法は時間の経過とともに確実に変化してきました。天井のファンを手動でオンにすることから、あらゆる場所のエアコンの温度を自動制御することまで、人々は長い道のりを歩んできました。数年前には「自動化」できると考えられていたものが、今では自動化され、より便利に使えるようになっています。これは主に長年にわたる技術の進歩によるものです。

かつて人々は、Alexa などの自動音声認識デバイスで注文したり、ウェアラブルデバイスで即時決済したり、自動運転車を使用したりできるようになる日が来るとは思ってもいなかったかもしれません。自動化は、仕事と生活の両方において人々に新たな自由の感覚を与えており、それがひいては人々が行う、または行いたいことのすべてにおいて大きな進歩をもたらすでしょう。

ハイパーオートメーションとは

調査会社ガートナーは最近、「ハイパーオートメーション」を最も重要な戦略的トレンドの 1 つとして挙げました。つまり、自動化できるものはすべて超自動化できるということです。タスクレベルの自動化だけでなく、複数のツールとテクノロジーを使用して、エンドツーエンドのビジネスプロセスと操作を自動化します。どのようなプロセスにも、ある程度の人間による意思決定が伴います。ハイパーオートメーションは、ビジネス プロセスにおける人間の介入を減らし、完全に自動化して効率と生産性を最適化することを目的としています。インテリジェント プロセス オートメーションの最も重要な要素は、人工知能、ロボティック プロセス オートメーション、IoT、ビジネス プロセス管理です。

ほとんどの企業は自動化の文化の発展に重点を置いています。この文化では、手作業で行われるあらゆる作業の自動化が推奨されます。新しい考え方では、頻繁に実行する必要があるものは手動で行う価値がないと言われています。したがって、企業は自動化を実現するためにブレインストーミングを行い、時間と労力を投資する必要があります。企業には、特定のタスクを自動化し、生産性を向上させるツールが豊富にあります。ユーザーは、ボタンをクリックするだけで、インターフェースを通じてほとんどの操作を実行できるようになりました。システム内の個々のタスクを自動化すると自動化されたシステムが作成され、プロセスのセット全体を自動化すると、人間の介入を必要とせず独立して動作する自律システムが作成されます。

自動化システムを自律システムに変換するプロセスは、ハイパーオートメーションとして知られています。

ハイパーオートメーションにおけるAIの役割

人工知能は自動化プロセス全体に適切な推進力を与え、人間の意思決定を適度な精度でシミュレートするために効果的に使用されます。自然言語処理、コンピューター ビジョン、機械学習アルゴリズムは、多くの場合、OCR、RPA などと組み合わせて、画像、ビデオ、ドキュメント内の情報を表示、読み取り、処理し、必要な作業を実行できるデジタル ワーカーを作成します。過去数年間の AI の進歩は、自動化の大きな可能性を切り開くのに本当に役立っています。したがって、AI はハイパーオートメーションを実現するための強力な基盤であると考えられています。

製品エンジニアリングにおけるハイパーオートメーション

ハイパーオートメーションは業界全体で急速に導入されており、ソフトウェア業界ではさまざまな方法でハイパーオートメーションの力を活用しています。多くの製品エンジニアリング チームは、人間の介入なしにコードをコンパイル、展開、テストするためのビルド プロセスを自動化することに重点を置いています。また、セキュリティ テスト、パフォーマンス ベンチマーク、スケジュールされた自動展開も統合されています。これはほとんどの企業にとって目新しいことではありませんが、今日の状況ではできることがたくさんあります。

あらゆるソフトウェア開発プロセスには意思決定がつきものであり、これらの意思決定は主に人間の経験と直感に基づいています。開発者、マネージャー、テスターが協力して複数の決定を下し、配信リスクを管理します。したがって、リソースの可用性、スキル、コスト、納期、利害関係者のニーズに関連するさまざまな制約について、十分な背景知識と理解を持っている必要があります。自動化された意思決定の道に進むには、AI を使用して過去の意思決定に関連するデータにアクセスする必要があります。

「DevOpsパイプライン」の各段階で、大量のデータが繰り返し生成されます。毎日複数のコードビルドが完了します。複数のテスト サイクルを実行します。テスト ケースを手動または自動で実行し、エラーと関連する詳細をそれぞれログに記録します。開発者はバグや欠陥を修正し、欠陥修正に関する詳細なデータを提供します。このデータは保存され、後で複数の AI モデルのトレーニングに使用できます。

AI モデルをトレーニングして、人間の意思決定能力を強化することができます。最終的には、正確な AI モデルが、過去に発生した一般的な問題に対する解決策を提供し始めるでしょう。どの欠陥を最初に誰が修正すべきかを提案し、修正に必要な労力を見積もり始めることができます。欠陥密度が高いため緊急の対応が必要な領域を推奨します。コード変更の影響に基づいて、自動テスト スイートによる実行のためのテスト ケースを推奨し、優先順位を付けることができます。リファクタリングによってセキュリティを強化する必要がある領域を提案したり、パフォーマンスのボトルネックとなる可能性のある領域を特定したりします。

AI モデルは、導入後に傾向を分析してシステムの動作を監視し、必要に応じてアラートを発行するためにも使用できます。システム内の重要な機能のパフォーマンスが低下し始める時期を予測できます。エンドユーザーがビジネスプロセスを使用する頻度に応じて、重要なビジネスプロセスに関する情報を提供できます。システムに関連する必要なドキュメントを作成することもできます。過去数十年にわたり、ソフトウェア業界の一部では多くの手作業が消費されてきました。プロジェクトの制約を考慮すると、自動化できるものだけを自動化するのが理にかなっています。

ソフトウェア開発の文脈では、ハイパーオートメーションの次の段階は、自己修復、自己監視、自己テスト、自己展開、自己文書化、そして最も重要な自己進化の機能を備えた、より自律的なシステムを作成することです。

結論は

超自動化された未来は避けられません。技術進歩の「超高速」ペースにより、「ハイパーオートメーション」の機会がさらに増えます。人々はより創造的になり、自動化の新しい方法を革新することができます。ハイパーオートメーションの旅の最終目的地はどこなのか、と疑問に思う人もいるかもしれません。いつ終わるべきなのでしょうか。完全に自動化され、それ以上の自動化の余地がないと見なすべきなのはいつでしょうか。

そうすると、最善の推測は「決してない」ということだ。