企業が機械学習で犯す5つの間違い

機械学習技術の発展により、企業内のさまざまな構造化コンテンツや非構造化コンテンツから、より多くの情報とインテリジェンスを抽出できるようになりました。

[[281060]]

業界アナリストによると、機械学習やその他の AI 対応テクノロジーの使用の急増を牽引しているのは、非構造化コンテンツの驚異的な増加と、コンテンツ関連のプロセスを自動化するためのロボティック プロセス オートメーション (RPA) の使用という 2 つの力です。

Cognilytica によれば、文書、画像、電子メール、オンライン データ、ビデオなど、企業内のコンテンツの最大 90% は非構造化データの形式をとっており、その増加率は驚異的な年間 55% ～ 65% に達しています。

その結果、エベレスト グループ リサーチは、インテリジェント オートメーション テクノロジーは機械学習を使用し、ロボティック プロセス オートメーション (RPA) がコンテンツ関連のプロセスと交差して相互運用するようになると述べています。機械学習技術の発展により、企業のさまざまな構造化コンテンツや非構造化コンテンツから、より多くの情報とインテリジェンスを抽出できるようになりました。

機械学習とは、機械が教師あり学習と教師なし学習の両方で「学習」できるようにし、精度とパフォーマンスを向上させるソフトウェアを指します。ドキュメントをキャプチャし、ロボティック プロセス オートメーション (RPA) を使用して処理するプロセスでは、機械学習やその他の AI テクノロジーを使用して、請求書の処理やサプライヤーの注文の処理など、何千もの異なるドキュメントから学習できます。

それにもかかわらず、デジタル IQ テクノロジーとソリューションの世界的なプロバイダーである ABBYY の最高イノベーション責任者である Anthony Macciola 氏は、組織が機械学習ソリューションを使用する際によくある 5 つの間違いを犯していると述べています。

データポイント 1: 過度に複雑な機械学習関数

最も基本的な非構造化コンテンツのユースケースをトレーニングするために、組織は大量のデータを必要とする機械学習ツールを使用する可能性が高くなります。サンプル セットに数十万のドキュメントがあるプロジェクトを開始すると数週間から数か月かかることがありますが、そうではなく、小規模なデータセットでトレーニングして数時間で完全に本番環境に対応できる高度なアルゴリズムを含む実績のある機械学習ツールを使用します。

データポイント2: ロボティックプロセスオートメーション (RPA) への過度の依存

ロボティック プロセス オートメーション (RPA) は、レガシー システムや外部データ ソースに接続することで効率が向上することで広く評価されています。迅速に導入でき、デジタルワーカーは簡単に構成でき、導入後は人間と同じように作業を実行できます。 RPA と機械学習テクノロジーの最大の違いは、RPA は反復的で構造化された作業に重点を置いているのに対し、機械学習は構造化されたコンテンツと非構造化されたコンテンツの両方を理解することを目的としていることです。ロボティック プロセス オートメーション (RPA) では、デジタル ワーカーにインテリジェントなコンテンツを提供するための機械学習テクノロジが必要です。これにより、有用な情報を抽出してインテリジェンスを獲得し、さまざまな形式のコンテンツから学習し、ドキュメントから意味と意図を導き出し、意思決定能力を高める認知スキルがデジタル ワーカーに提供されます。

データポイント3: 機械学習技術をどこに適用するかを知っていると仮定する

企業が自動化プロジェクトを開始するとき、必ずしも適切なプロセスを選択できるとは限りません。これは、多くの企業が組織プロセスに関する知識を細分化しているためです。さらに、上級管理職が日常のワークフローに関与しておらず、プロセスの文書化も不足しているため、実際にどのプロセスを自動化する準備ができているかを発見することがますます困難になっています。プロジェクトの開始前にプロセス インテリジェンスを組み込むことで、企業は RPA と機械学習ソリューションをどこに適用するか、また組織にとっての期待価値と節約額を、意見や偏見ではなくデータに基づいて包括的に理解できるようになります。

データポイント4: 価値の高いビジネスケースを見逃す

多くの場合、企業は従来の知識に頼り、良い結果が得られると思われる最も頻繁に発生するタスクを選択します。ただし、プロセス選択に対するこのアドホックなアプローチでは、投資収益率のより高い可能性をもたらす他のビジネス チャンスを見逃してしまう可能性があります。組織やエンドユーザーとのやり取りに最も支障がない領域から始めることはまったく問題ありませんが、組織全体に機械学習を迅速かつ簡単に「導入して拡張」する方法を念頭に置くことが重要です。

データポイント5: 何でもできると考える

この作業は、企業がアルゴリズムを訓練し、デジタルワーカーを配置したからというだけではありません。上流と下流の両方で自動化の影響を監視および測定することで、継続的なプロトコル準拠を確保し、ボトルネックが移動して他のプロセスに悪影響を及ぼす可能性を防ぎます。デジタル ワークフォースを監視し、エンドツーエンドのプロセス全体を実装することは、計画と実行と同じくらい重要です。