AIがビジネスプロセス管理を根本的に変える方法

BPM に AI の検出機能と自動化機能を導入すると、フロントオフィス プロセス、プロセス データ分析、ビジネス プロセス マッピング、プロセス モデリングの進歩を促進できます。

ビジネス プロセス管理は、プロセス エンジニアリングの取り組みやデジタル変革の取り組みを通じて企業を支援してきた長い歴史を持っています。現在、BPM は AI によって大きな後押しを受けています。

「AI テクノロジーは急速に進歩しており、より洗練され効果的な AI 駆動型プロセス検出および自動化ソリューションの開発が可能になっています」と、データおよび分析コンサルティング会社 DAS42 の主席コンサルタント、ジェフ・スプリンガー氏は語ります。同氏は、こうした進歩の多くは、エンタープライズ システム、センサー、ソーシャル メディアなど、さまざまなソースから得られるデータの可用性が高まったことによるもので、AI の導入が拡大しているとも付け加えています。たとえば、ディープラーニング アルゴリズムの開発により、AI システムはデータから学習し、人間が識別するのが困難または不可能なパターンを認識できるようになります。

AIはBPMをどのように変えるのでしょうか?

AI 対応のデプロイメントは、フロントオフィス プロセスの改善からプロセス データの分析、ビジネス プロセスのマッピング、生成 AI プロセス モデリング機能の活用まで、BPM でさまざまな用途に使用できます。

フロントデスクのプロセス

コールセンター・インテリジェンス・プラットフォームのプロバイダーであるグリフォンの製品管理担当副社長ブライアン・スティール氏は、フロントオフィスのプロセスにAIを導入することで、売上が伸び、顧客満足度が向上し、従業員のエンゲージメントが向上すると語った。たとえば、コンタクト センターでは、ビジネス プロセス管理における AI によって、顧客とのやり取りが充実し、通話待ち時間が短縮され、推奨事項がパーソナライズされ、リアルタイムの販売支援が提供されます。

プロセスマイニング

プロセス マイニングは BPM を実現する重要な要素であり、企業がプロセスの改善、価値の創造、コストの削減の機会を特定するのに役立ちます。ビジネスプロセスSaaSプロバイダーであるCelonisの製品管理、AI、ナレッジ担当副社長、クリス・モンクマン氏は次のように説明しています。「AIはプロセスマイニングをより高速かつ簡単に使用できるようにします。逆に、プロセスマイニングはAI（システム）がトレーニングするデータをよりスマートにし、その真の力を解き放ちます。しかし、プロセスインテリジェンスのイノベーションには、大規模言語モデル（LLM）のトレーニングや生成AIの幻覚との戦いに関しては、リアルタイムの構造化データとセマンティック知識の改善が必要になります。」

オブジェクト中心のプロセスマイニング

Celonis とアーヘン工科大学は、AI とオブジェクト中心のプロセス マイニング (プロセス内の実際のオブジェクトとイベントを表す) を組み合わせて、ビジネス プロセスをより適切に理解し、制御できるようにしています。たとえば、出荷注文や請求書などの現実世界のオブジェクトがビジネス プロセスを通過するときに、AI は予想される配達時間を継続的に更新し、遅延が発生したときにアラートを送信し、問題を解決するためのアクションを実行することもできます。

大規模プロセスモデル

ビジネス管理ソフトウェア会社 SAP Signavio は、LLM からのラベル付きデータを使用して、いわゆる大規模プロセス モデル (LPM) をトレーニングし、プロセス データをより正確に分析しています。 SAP と学術研究者は、主にビジネス プロセス モデリング表記法で数十万のビジネス モデルを収集する SAP Signavio Academic Models LPM データセットをリリースしました。 SAP Signavio のグローバル マーケット インパクト ディレクターの Dee Houchen 氏は、LPM はベスト プラクティスの推奨、プロセス分析、コンテンツ作成、プロセス データ拡張など、多くのユース ケースに導入できると述べています。

データの抽出と強化

光学文字認識ソフトウェアのプロバイダーであるABBYYは、人工知能技術によって顧客の文書や通信からより多くのデータを抽出し、登録、資金調達、承認プロセスにおける意思決定を迅速化する方法を検討していると、ABBYYの製品マーケティング担当上級副社長ブルース・オーカット氏は述べた。 AI は、データの洞察を充実させ、プロセスの結果を改善するためにも使用できます。 「データは王様です」とオーカット氏は言います。「しかし、AI はすべてのデータを理解し、ビジネスに影響を及ぼす形ですべてのデータに文脈と意味をもたらすのに役立ちます。」

ローコード/ノーコード開発

従来、ローコードおよびノー​​コード ツールは、BPM 分析ツールと組み合わせて、ビジネス リエンジニアリングの取り組みを効率化するために使用されてきました。 Lotis Blue Consulting のビジネス プロセス パートナーである John King 氏は、AI によって GitHub Copilot 機能を使用したローコード/ノーコード開発がさらに可能になると述べています。この機能により、アプリケーション開発の分散化が促進され、顧客のニーズを満たすためのより迅速な変更と、より多くの A/B テストタイプの展開が可能になります。企業は、IT 部門からのインフラストラクチャとプラットフォームのサポートのみを必要とする主要なビジネス プロセスを自動化するアプリケーションを開発およびサポートすることもできます。

ジョブネットワーク分析

ネットワーク分析では、グラフ理論を使用して複雑なシステムの構造と機能を理解します。キング氏は、会議、電話、インスタント メッセージ、電子メールからの成果物を処理するワーク ネットワーク分析を通じて、同じ概念を企業に拡張できるのではないかと推測しています。 AI は行動やコラボレーションのパターンを識別し、それを企業の期待やベストプラクティスと比較することで、必要に応じて生産性を向上させることができます。

デジタルツイン

デジタル ツインは、デジタル スレッドを通じて現実世界に接続された物理環境と複雑なプロセスの実用モデルです。 AI は、センサーやワークフローからの生データを、より関連性の高いデジタル ツインに変換するのに役立ちます。キング氏は、これらのモデルに人工知能を適用して、さまざまなシナリオや意思決定の分析を提供することもできると付け加えた。 「これにより、時間と費用が節約されます」と彼は論じます。「企業は、まれなイベントや予想されるイベントを実際に発生する前にモデル化し、安全かつ客観的な環境でイベントの影響を理解し、事前に緊急時対応策を策定できるようになります。」

ビジネスプロセスマッピング

DAS42 の Springer 氏は、AI と機械学習モデルはすでにビジネスプロセスを自動的にマッピングし、改善と自動化の機会を特定するために使用されていると述べています。同氏は、ある製造会社が AI システムを使用して生産ラインをリアルタイムで監視し、潜在的なボトルネックやその他の問題を特定し、オペレーターに是正措置を提案した結果、生産量が 10% 増加したと指摘しました。

ビジネスプロセス分析

従来、ビジネス プロセス分析はプロセスの専門家によって手動で行われていました。サイバーセキュリティコンサルティング会社 S-RM のアメリカ大陸事業開発責任者であるスティーブン・ロス氏は、BPM の AI により、モデリング、コラボレーション、プロセスマイニング、リスク管理、コンプライアンスなどのタスクのビジネスプロセス分析結果を加速できると述べています。

チャットボット、バーチャルアシスタント、NLP

チャットボットと仮想アシスタントは 60 年近く前から存在していますが、その商業的価値が認識されるようになったのはここ 10 年ほどです。生成 AI を活用した自然言語処理 (NLP) により、チャットボットや仮想アシスタントに新たなビジネス チャンスが生まれます。これらを BPM システムに統合して、クエリを処理したり、従業員にプロセスを案内したり、顧客とのやり取りを改善したりすることができます。 NLP は、顧客からのフィードバックやソーシャル メディアの投稿などの非構造化データ ソースを分析して貴重な洞察を引き出すことにも優れています。

BPMにおけるAIの利点

Gryphon の Steele 氏はコンタクト センターを例に挙げ、BPM における AI は、プロセスの最適化、効率性の向上、コスト削減、価値創造の機会を特定するために使用できると、次のように述べています。

• 反復的なタスクを識別して自動化することで、コールエージェントがより複雑なタスクに集中できるようになり、顧客満足度が向上します。
• 顧客を適切なエージェントまたは部門にルーティングして、通話の待ち時間を短縮し、顧客が可能な限り最高のサービスを受けられるようにします。
• エージェントにリアルタイムのサポートを提供し、顧客サービスの問題をより迅速かつ効率的に解決します。
• データを分析して顧客の感情、傾向、パターンを特定し、顧客エクスペリエンスを向上させます。

ビジネスプロセス管理におけるAIの課題

BPM アプリケーションに AI を導入する利点には、次のような課題、リスク、倫理的問題が伴います。

• 全体的な概要が欠けている。現時点では、生成 AI が BPM に広くどのように貢献できるかについてコンセンサスはありません。
• 生成 AI の弱点。 LLM の精度、バイアス、再現性、データのプライバシー、錯覚に関する懸念は、ベンダーの均質化によって対処する必要があります。
• データの品質。 AI システムのトレーニングと運用に使用されるデータは、クリーンかつ正確で、完全である必要があります。
• 新たなデータリスク。 組織内のサイロ化された AI をより綿密に精査し、組織のデータがどこに保存され、何で構成され、どのように使用されているかを理解する必要があります。
• 熟練労働者の不足。 AI と BPM には専門的なスキルと知識が必要であり、専門的なトレーニングへの追加投資や、必要なスキルを持つ従業員の雇用が必要になります。
• 失業の恐れ。多くの組織は生成 AI と自動化テクノロジーが同期して機能することを期待しているため、従業員を常に最新の情報に把握し、変革の中心に据える必要があります。
• 道徳的な問題。透明性、説明責任、責任ある使用、潜在的な偏見や錯覚などは、BPM に AI を適用する際の倫理的考慮事項の一部にすぎません。