人工知能は、企業がエンドツーエンドのインテリジェントな自動化を実現することを促進します。

[[401604]]

新型コロナウイルスによる混乱に対応するため、組織が急いでビジネスプロセスを適応させ、デジタル変革プロジェクトへの投資を増やす中、パンデミックによりプロセス自動化への関心が高まっています。

こうした近代化の取り組みに取り組んでいる、またはすでに取り組んでいる IT リーダーにとって、人工知能 (主に機械学習の形態) は自動化に革命的な影響を及ぼし、エンドツーエンドのプロセス自動化という夢に近づくことが期待されています。

しかし、現時点では、AI によるプロセス自動化はまだ断片的な形で存在しており、AI はプロセス チェーン全体ではなく、個々のタスクにのみ関与しています。ベンダーの宣伝にもかかわらず、完全にインテリジェントな自動化はまだ実現していません。しかし、そのギャップを埋めるために取り組んでいる組織は、この有望なコンセプトを現実に近づける革新的な方法を見つけています。

インテリジェントオートメーションの現状

自動化における AI の使用例の典型としては、作業者が PDF ファイルからフォームに情報を手動で再入力する代わりに、AI にその作業をトレーニングさせるといったことが挙げられます。あるいは、従業員が顧客の質問に答えるために会社の文書を頻繁に検索する必要がある場合、AI はいくつかの可能な回答を提供できます。

プロセスの残りの部分に関しては、人が中心となります。人間のビジネスアナリストは、特定のプロセスに何が含まれるかを調べます。開発者は、ロボティック プロセス オートメーション (RPA) システムを使用してプロセス フローを作成します。ビジネス アナリストは、プロセスのパフォーマンスを監視し、ボトルネックを探し、従来のスクリプトまたは AI 強化技術を使用して自動化できる追加の手順のアイデアを出すことが増えています。

言い換えれば、AI はこれまで、自動化という大きな枠組みの中でニッチな部分を埋めるツールとなってきました。

「AIに関する大きな秘密の一つは、それぞれの使用事例がいかに狭いかということだ」とHFSリサーチの研究担当上級副社長エレナ・クリストファー氏は言う。

ただし、エンドツーエンドのインテリジェント オートメーションと組み合わせるテクノロジは、少なくとも部分的にはすでに存在している可能性があります。しかし、課題は残っています。たとえば、従業員がタスクの一部を実行するためにシステムを切り替えたり、デジタルでは難しい仕事を自分で行ったりすることが多く、プロセスを最初から最後まで完全に理解する AI の能力が損なわれるため、ビジネス プロセスを理解することはそれほど簡単ではないことがよくあります。

コンピュータービジョンでプロセスの洞察を得る

Genpact は、約 10 万人の従業員を擁し、Fortune 500 企業を含む数百のクライアントの数千のプロセスを管理しているグローバルなプロフェッショナル サービス企業です。同社はインテリジェンスを活用して、コアシステム内の個々のトランザクションを、それらが属するより大きなプロセスと照合します。しかし、例えば従業員がコアシステムから離れてウェブブラウザでページを開く場合、そのインテリジェンスは不十分だとジェンパクトの最高デジタル責任者サンジェイ・スリヴァスタヴァ氏は言う。

たとえば、プロセスの 1 つのステップでは、価格ページを参照して、特定のアイテムの価格が 100 ドル以上か以下かを判断することが考えられます。これを行うには、従業員は関連するページを開き、次に何をすべきかを決める前に価格をざっと確認するかもしれません。このアクション（画面上で何かを見る）は、デジタルでは実現が困難です。

ここでコンピューター ビジョンが役に立ちます。ワークステーションのカメラを使用して、作業員が何を見ているのかを追跡します。 「これは絶対に従業員の同意を得て行われなければならない」とスリヴァスタヴァ氏は語った。 「多くの場合、私たちが協力している企業では、すでにこのことに関するポリシーが導入されているため、一部の企業では可能ですが、他の企業では不可能です。」

Genpact の自動化システムは、コンピューター ビジョンを含むさまざまなテクノロジーを使用することで、特定の部門や役職の従業員の行動だけでなく、ビジネス プロセスに関連するすべての行動を収集できます。スリヴァスタバ氏は、すべての作業タスクを特定し、それらをワークフローにリンクするプロセスはプロセスマイニングと呼ばれ、ジェンパクトは独自の AI 自動化ソリューションを使用してこれを 3 年間実行してきたと述べました。同社は過去1年間、コンピュータービジョンの活用を追加し、テクノロジーをより包括的なものにしてきました。

ビジネス プロセスが識別され、マイニングされると、Genpact はそのプロセスの個々のインスタンスを監視およびトラブルシューティングしたり、継続的なフィードバックに基づいてプロセスを微調整したりできます。

「先週、当社が 10 万台のノートパソコンを購入したとしましょう」と彼は言います。「エンドツーエンドのプロセスは 10 万個あります。そのすべてを監視し、特定のプロセスを最初から最後まで追跡できます。そのプロセスがなぜ逸脱したのか? ビジネス上の問題を解決するか、新しい常態に適応するかを選択できます。」

この「新しい常態」には、プロセスの変更を自動的に検出することが含まれる場合があります。たとえば、元の請求額から 10% を超える変更には承認が必要で、現在承認率が 100% である場合、ビジネス ルールを 10% から 20% に調整する時期が来ている可能性があると Srivastava 氏は述べています。 RPA は、請求書の金額の変更が 20% 未満の場合は承認手順をスキップしたり、従業員が請求書を財務部門に転送して承認を受ける必要がなくなり、最終決定を自分で行うことができることを通知するポップアップ リマインダーを送信したりできます。

AI生成の自動化スクリプト

デジタル変革コンサルティング会社USTのAIおよび機械学習担当チーフアーキテクト、アドナン・マスード氏は「当社は過去3年間、AIを活用して、難しい業務の一部を自動化し、ビジネスプロセスのタスクの一部をデジタル化してきた」と語った。

マズード氏はスタンフォード大学とMITの両方のAIラボで働いており、教師なし学習を使用してビジネスプロセスを理解し、個々のタスクをエンドツーエンドのプロセスに結び付ける特許を保有しています。

たとえば、従業員が同じ Web サイトを閲覧して価格を検索します。一方では、自動化システムはこれがプロセスの一部であることを認識する必要があります。Web サイトは常に変化しているため、このアクションを再現することはより困難です。

「私たちは入ってくる情報をベクトル化し、ディープラーニングを使って何が入ってくるのかを認識します」とマスード氏は語った。その後、従業員が次回サイトを訪問したときに、人間がタスクのスクリプトを作成しなくても、AIが自動的にデータを引き出すことができる。そして、強化学習を通じて、AIは時間の経過とともに改善し続けることができます。

「ループ内には人間がいて、AI を補強したり、データ フィールドが正しく検証されていないことをコンピューターに伝えたりします」とマスード氏は言う。一般的な RPA プラットフォームは、面倒な作業を自動化できる。しかし、認知 AI は自己最適化と自己学習が可能です。 ”

同氏は、このシステムは一定のパラメータの範囲内で自動運転もできると述べた。 「この場合、システムは学習した内容に基づいて直接アクションを実行できます。」

しかし、彼のシステムが機能するには依然として基本的なログセットが必要であり、すべてのプロセスログを見つけて集約するのは依然として時間のかかる手作業であるとマズード氏は述べた。 「データは単一のシステムに存在することはありません。データは複数のソースからさまざまな形式で提供されます。誰かが初期設定を行う必要があります。」

データがレガシー システムに保存されている場合、このプロセスではカスタム コーディング、ファイアウォールの開放、規制またはサイバー セキュリティの承認の取得が必要になる場合があります。また、データ エンジニアがデータ フローを設定する必要があり、このプロセスには数か月かかる可能性があります。

データを収集した後、AI はワークフローの分析を開始します。ワークフローに関与する人数や取引の頻度によっては、ワークフロー図の検証にさらに数か月かかる可能性があると彼は述べた。

プロセス マップが作成された場合には、手動で検証する必要もあります。 「専門家はフローチャートを見て、『いや、このステップは間違っている。正しいデータソースはここだ』と言うだろう」と彼は語った。

深い統合の課題

すでに RPA を導入している企業にとって、コアシステム以外のタスクは依然として課題となります。 Web スクレイピングや OCR ドキュメントスキャンなどの回避策は短期的な解決策ですが、エラーを引き起こしたりプロセスを中断させたりする可能性があります。より良い解決策は、API を介したマシン間のより緊密な統合です。

「RPAを1つのサイトだけに使用すると、自動化プロセスの安定性が低下します」と、テクノロジーコンサルティング会社Insightのパートナーアライアンスおよびオペレーション担当シニアバイスプレジデント、メガン・アムダール氏は語る。

RPA はユーザーがウェブサイト上で何をしているかを監視できるが、RPA システムには、ウェブサイトがデータを直接取得するために使用できる API を提供しているかどうかを知るすべがない、と彼女は述べた。その結果、Insight はこのような自動化プロセスの手動スクリプト作成に戻りました。

「現在、IT 部門は API データ転送リクエストを手作業でコーディングしています」と Andahl 氏は言います。 「この作業は IT 部門内で行われるため、より迅速に運用化でき、より迅速に拡張できます。API を通じてハードコードしても、自動化プロセスには影響しません。API 標準は変化しますが、変化のスピードは遅くなります。」

完全な自動化を妨げるその他の障害としては、まだプロセスをデジタル化していない、または互換性のないシステムを持つビジネス パートナーが挙げられます。

「顧客は自分のやり方で物事を進めたいので、自分の望む方法で情報を受け取れる会社に頼るのです」と彼女は言う。「例えば、顧客は欲しいもののほとんどを当社のウェブサイトから注文できますが、社内のプロセスでは注文書を作成する必要があります。」

顧客がこれらのシステムに直接接続できる場合、接続を確立するために手動のコーディングが必要になると彼女は述べた。 「そして、壊れないようにメンテナンスしなければなりません」と彼女は言いました。

より多くの企業がコアビジネスシステムに SaaS プラットフォームを採用し、これらの SaaS プロバイダーが相互に連携してデータ統合を構築するようになると、このすべてが急速に変化する可能性があります。 「プレハブコネクタがあれば間違いなく望ましい状況になるだろう」とアンダール氏は語った。

包括的なケースよりも具体的なケース

「AI を活用したプロセスマイニングでは一定の成功を収めてきましたが、それは特定の限られたケースに限られています」と、プライスウォーターハウスクーパースのグローバル AI リーダーであるアナンド・ラオ氏は述べています。

「これを実現するために、多くのベンダーツールを統合しました」と彼は言います。「人々はさまざまなタイプの仕事をしているので、全員を監視するバックエンドボットが 1 つだけあったら、何もわかりません。」

そのため、ラオ氏は、自動化に関するすべての問題を解決すると主張するマーケティングの売り文句を過度に信頼しないように警告しています。 「マーケターがプロセスマイニングソフトウェアをインストールすれば10人の仕事を代替できると言ったとしても、私は信じないだろう」と彼は語った。

さらに、RPAで使用されるAIのほとんどは特定の単一のタスクを対象としていると、デロイトコンサルティングのデータクラウドおよび機械学習の主任専門家であるチダ・サダヤッパン氏は述べた。

「すべてが AI 駆動です」と彼は言う。「一部の文書は読み取れますし、データを抽出したり、個人を特定できる情報を編集したりできます。パッケージに損傷があるかどうかを識別するなど、画像作業もあります。」しかし、これは AI 駆動の RPA ではないと付け加えた。 「AIは、退屈な作業の一部を完了するために人間に取って代わるだけです。」

AIと機械学習がプロセスワークフローの自動化に組み込まれていると彼は語った。 「しかし、まだ使用例は多くありません。」

サダヤパン氏は、大手保険会社がプロセスワークフローの自動化にAIを取り入れる可能性があり、金融​​機関が住宅ローンの申請処理にAIを使用する可能性もあるが、「それ以外では、大規模なワークフロー自動化はほとんど使用されていない」と述べた。

しかし、アーンスト・アンド・ヤングのグローバル AI コンサルティングリーダーであるダン・ディアシオ氏は、成長の可能性を見出しています。 「AI には多くのポイント ソリューションがあります。しかし、今ではポイント ソリューションから AI プラットフォームに移行することが可能になっています。自動化では、AI 主導のタスクを採用しようとしています。」と彼は述べ、この 2 つは収束しつつあると述べ、その結果、アーンスト アンド ヤングは「実際に、従来はプロセス自動化に重点を置いていたチームを AI チームに変革した」と付け加えました。

プロセスの目的

プロセスマイニングとワークフロー自動化のためのAIはまだ初期段階にあると、4月にプロセスマイニングに関するレポートを執筆したガートナーのアナリスト、マーク・ケレマンズ氏は述べた。 「しかし、AIは今後も進化し続けるでしょう。」

しかし、少なくとも近い将来に自動化されないのは、状況認識です。特定のプロセスがそもそも存在すべきか、それとも別のプロセスに置き換える必要があるかを判断するには、依然として人間による分析が必要です。

一方、サプライヤーは多額の投資を行っている。 Celonis、UiPath、Automation Anywhere、Blue Prism、Livejourney などの企業を含むすべての主要な RPA ベンダーは、プロセス マイニング機能を構築または購入し、AI に投資しています。

主要サプライヤーも企業買収により競争状態にあります。 IBM は最近、プロセスマイニング企業 myInvenio を買収し、SAP はプロセスマイニングベンダー Signavio を買収し、Microsoft はワークフロー自動化ベンダー Softomotie を買収しました。

最終的には、プロセスマイニングはエンタープライズプラットフォームの一般的な機能になるだろうとカーマンズ氏は語った。

しかし、Kermans 氏はプロセス マイニングに執着しないようにアドバイスしています。 「すべての情報が揃っていなくても、すぐに情報が手に入るタスクから始めてください」と彼は言う。「それでも洞察や学び、価値を得ることができます。そうせずに3年も待てば、取り残されてしまうでしょう。」