AutomationDreamチームにはRPA開発者とデータサイエンティストが必要です

あなたが最高財務責任者（CFO）であり、次の四半期が始まろうとしていると想像してみてください。前の四半期は良かったですが、あなたの腸は次の四半期が良くなると言っています。

完璧な世界では、本能的な楽観主義からデータに裏付けられた予測に移行します。初日から、四半期の終わりまでに部門が手元にいくらのお金を持っているかがわかります。予算を立てることができ、次の四半期にどのようなリソースを投入できるかを正確に把握できます。

人工知能（AI）と機械学習（ML）の予測機能を自動化と組み合わせることで、この価値の高い情報をすぐに利用できるようになります。ただし、違いがあります。これらの複雑なデータの課題に取り組むことができる2つのチームは、通常、連携しません。私はあなたのロボットプロセス自動化（RPA）開発者とあなたのデータサイエンティストについて話している。

データサイエンティストとRPA開発者のスキルセットは補完的です。適切なガバナンスを使用すると、両方を活用する新しいワークフローを構成できます。そうすることで、MLをより高速にスケーリングし、データサイエンティストをより複雑な作業に解放し、RPA開発者をスキルアップし、ビジネスの成果に関して両方のチームを最大限に活用することができます。最初に取り組むべき課題は、データサイロリストをサイロから解放することです。

データサイエンティストはサイロに隔離されています

企業にAIを実際に導入し、自動化によって組織を変革するには、RPA開発者とデータサイエンティストのチームをまとめることが重要です。サイロは、特に大企業では珍しいことではありませんが、これら2つの特定のチームをまとめることは、実行できる最も影響力のある変更の1つです。どちらのチームも、より適切でスマートなプロセスとビジネス上の意思決定に情報を提供したいと考えていますが、それは彼らが協力することを意味するものではありません。チーム間には組織的なギャップが存在する傾向があり、チームは不必要に別々の手段を使用して同様の目的地に到達します。

データサイエンティストを十分に活用しないと、多大な時間とリソースを浪費する可能性があります。 Glassdoorの報告によると、米国のデータサイエンティストの平均給与は113,309ドルです。給与だけでなく、データサイエンティストを無駄にする機会費用もあります。

現在、データサイエンティストは不足しているため、チームがある場合は、チームを最大限に活用するのが最善です。残念ながら、これらの珍しい高価なユニコーンは、それらを採用している組織と、協力している可能性のあるRPAチームの両方によって誤解されることがよくあります。

企業がデータサイエンティストを誤解することが多い理由

企業がデータサイエンティストの価値を過小評価している主な理由は4つあります。

1. 彼らのビジネス価値を明確にするのは難しいです。 2020年のAnacondaDataScienceの調査によると、データサイエンティストの半数未満（48％）が、データサイエンスがビジネスの成果に与える影響を実証できると感じています。

2. ROIは高額です。 すでに高額なデータサイエンティストは、多くの場合、企業が投資しようとしているよりも多くのリソースを必要とします。 UiPathの機械学習プロダクトマネージャーであり、元データサイエンティストである、私たち自身のJeremy Tederryは、MLモデルを本番環境に移行するためのリソースがなかったため、かつて会社を辞めました。

3. 彼らの仕事はコラボレーションなしでは価値をもたらしません。 データサイエンスの成果を本番環境に導入することは、ビジネスに影響を与える可能性があるため、必ずしも簡単ではありません。データサイエンティストが成功するには、組織を超えたサポートが必要です。テデリー氏によると、「MLモデルだけでは何もできず、何もできません。成功するには、他のチームと連携して、より大きなプロジェクトの一部として含める必要があります。」

4. 彼らの努力の多くは目に見えない仕事に向けられています。 前述のAnacondaのデータサイエンス調査によると、データサイエンティストの45％は、データモデルまたは視覚化に入る前に、データの準備（読み込みとクレンジング）に時間を費やしています。これは、データサイエンティストにとって非常に苛立たしいものになる可能性があります（以下のツイートで明らかです）。

ソース

これらの4つの理由が組み合わさると、企業はデータサイエンティストを過小評価し、十分に活用しない傾向があります。しかし、彼らの価値を解き放つことが1チームだけ離れていることを彼らはほとんど知りません。

RPA開発者もデータサイエンティストを誤解しています

RPA開発者とデータサイエンティストの考え方は、ワークフローとタイムラインが異なるため、異なる傾向があります。ワークフローが分岐すると、考え方も分岐します。これは当然のことですが、これらのチームが部門間でコミュニケーションを取り、サイロを作成することも困難になります。

MSDのデータサイエンティストであるTrungNguyenが良い例です。インテリジェントな自動化に関する記事で、彼はRPAとMLのワークフローを個別のグラフに分解しています。これを以下に示します。特に、RPA開発者がルールの作成に焦点を当てているのに対し、データサイエンティストはMLモデルのトレーニングに焦点を当てていることに注目してください。

どちらのチームも調査から始め、ソリューションのエラーを評価、起動、分析します。その後、RPA開発者は通常、環境の変化に遭遇すると戦略を変更しますが、データサイエンティストは通常​​、MLモデルをさらにトレーニングするデータにフィードバックを注ぎ込みます。

これは一見小さな違いのように見えるかもしれませんが、ズームアウトしてタイムラインを見ると、違いはカスケードします。

複雑な問題解決の期間（データサイエンティストが取り組むのに最も適している種類）は、少なくとも6か月です。 RPA開発者は、代わりにアジャイルワークフローを使用する傾向があり、進捗状況を週単位で測定します。つまり、これらのより高速なワークフローに没頭しているRPA開発者は、迅速なソリューションの観点から考える傾向がありますが、データサイエンティストは、より探索的なプロジェクトに向かう傾向があります。

RPA開発者とデータサイエンティストのスキルセット：異なるが補完的

リーダーがRPA開発者とデータサイエンティストを連携させる場合、組織に提供できるメリットは、それらの部分の合計よりも大きくなります。 RPA開発者は、データサイエンティストと連携するプロセスを、単独で作業するよりもはるかに複雑なプロセスを自動化できます。また、RPA開発者と連携するデータサイエンティストは、これまでになく迅速に作業し、集中力を高めることができます。

私たちが説明したギャップにもかかわらず、RPA開発者とデータサイエンティストは同じ言語を話します-または少なくともそれをコーディングします。

UiPath State of RPA Developers Report 2020は、RPA開発者の90％以上が大学の学位を取得しており、PythonはすでにRPA開発者に知られているトップ言語の1つであることを示しています。知識のギャップはあなたが恐れるほど広くはありません。

このギャップを越えたいという願望もあります。私たちの調査では、RPA開発者は、データサイエンスに隣接するトピックについてもっと学びたいとすでに示しています。 UiPath The Impact of RPA on Employee Experienceでは、RPA開発者の80％以上が、AI/MLについて学びたいと述べています。また、UiPath State of RPA Developers Report 2020で、RPAに加えて、MLとデータサイエンスのスキルセットを追加したいと述べたRPA開発者もいます。

データサイエンティストにもギャップが見えないわけではありません。調査によると、データサイエンティストは、RPA開発者がより適切かつ迅速に解決できる問題にほぼ半分の時間を費やしています。 （上記で引用した2020年のAnacondaデータサイエンス調査によると）平均して、モデルや視覚化の開発に使用する前に、データの準備に45％の時間が費やされたことを忘れないでください。

これを要約しましょう：

1. RPA開発者とデータサイエンティストは共通の言語でコミュニケーションをとることができます。

2. RPA開発者は、データサイエンスについて学び、実装したいと考えています。

3. データサイエンティストは、RPA開発者が支援できる作業を行うのに行き詰まっていることがよくあります。

ですから、疑問が残ります。これらの明確に補完的なチームをどのようにまとめることができるでしょうか。

データサイエンスチームとRPAチームの間の壁を打ち破る

リーダーがこれらのチーム間の障壁を打ち破ることができれば、彼らは会社に大きなチャンスをもたらすことができます。そのためには、リーダーはデータサイエンティストが自分たちのニーズをRPA開発者に伝え、複雑な問題でより大きな成果を達成するために両方のチームを調整できるようにする必要があります。

リーダーはコラボレーションを促進できます

賢明な組織は、Cスイートレベルのリーダーを両方のチームに任せます。 HeritageBankのケーススタディで、Intelligent Automation and ProcessExcellenceのマネージャーであるDavidJohnstonは、次のように述べています。ただし、私たちの組織では、これらのチームの両方がCFOに報告しています。」これは、HeritageBankがUiPathと連携して最新のMLモデル全体で98％の精度を達成できた理由の大きな部分を占めています。

それが常に実現可能であるとは限らず、組織の報告構造が異なる場合でも、それぞれのリーダーは、両方のチームが互いに話し合い、コミュニケーションが真に双方向であることを確認できます。そのレベルのコラボレーションを促進するために、リーダーは、両方のチームが協力することの利点を強調する価値の高いユースケースを促進できます。創造性は不可欠です。説明したように、データサイエンティストが不足しているため、スマートリーダーは、データサイエンティストの採用を調達し、RPA開発者をスキルアップして、代わりにデータサイエンスに隣接する作業を引き受ける新しい方法を見つけるでしょう。

RPA開発者はデータサイエンティストを支援できます

データサイエンティストが問題を抱えている場合、RPA開発者が救助に来ることができます。

Inside Big Dataは、データサイエンティストが抱える傾向のある2つの主要な問題を指摘しています。

1. データサイエンティストは、学習モデルを教えるのに十分なラベル付きトレーニングデータを持っていない傾向があります。

2. データサイエンティストは、実際のユースケースからのデータではなく、サンドボックスデータセットからの理論データを使用する必要がある傾向があります。

ここでRPA開発者が登場します。RPA開発者は次の方法でデータサイエンティストに利益をもたらすことができます。

• メタデータの作成： ソフトウェアロボットは、特にプロセスマイニングで補完されると、タスクを完了するときにデータの痕跡を残し、データサイエンティストがプロセスをより理解しやすくします。

• レガシーシステムへのアクセス： ソフトウェアロボットはレガシーシステムと連携し、古いツールにトラップされていたデータにアクセスできるようにします。

• データを使用可能にする： RPA開発者は、ビッグデータセットを使用可能なコンポーネントに分解し、異種のデータを整理、ラベル付け、およびクリーンアップして、一貫性のある全体にすることができます。

• 既製のAIモジュールの実装： 多くのMLとAIのユースケースは目新しいものではなく、データサイエンティストがゼロからモデルを構築する代わりに、RPA開発者は既存のモジュールをデプロイできます。

• AutoMLを使用して時間を節約する： RPA開発者は、AutoMLを使用して、どの予測モデルが最も正確であるかを見つけることができます。これにより、データサイエンティストは、特定のユースケースに対して複数のモデルを作成してテストする必要がなくなります。これにより、データサイエンティストは、より困難なタスクに取り組むことができます。

これらの利点を組み合わせることで、データサイエンティストの生活が向上するだけでなく、以前よりも多くのことを達成できるようになります。 RPA開発者は、データサイエンティストが仕事をより速く、より良く行うことを可能にし、最終的なソリューションをより簡単に展開できるようにします。

UiPathは、データサイエンティストとRPA開発者が一緒になって新たな高みに到達するのに役立ちます

先進的な企業の目標は、2つのしばしば異なるチーム間の妥協点を見つけることではありません。離れるよりも一緒に達成できるように、両方を再調整することです。データサイエンスには、正確でクリーンな検証済みのデータが必要です。 RPAプロセスはクリーンなデータを生成し、多くの場合、乱雑で構造化されていないデータから始まります。

ビジネスプロセスと自動化ワークフローに関するデータを表示する適切なツールセットがないと、最高のリーダーでさえ、2つのチームを連携させるのに苦労します。 UiPathプラットフォームは、企業がデータサイエンスチームとRPAチームを統合するために必要なツールを提供します。

UiPathはデータサイエンティストを支援できます：

• データを1つの統合された場所に収集するソフトウェアロボットを作成する

• UiPath AI Centerを使用してMLOpsの「ラストマイル」を提供し、モデルを本番環境にデプロイします

• 構築したモデルのROIを証明し、データの探索と実際の問題を解決するモデルの改良に大部分の時間を集中できるようにします

• UiPathドキュメントの理解やAIドキュメントの理解などのすぐに使えるAIソリューションを活用する

UiPathはRPA開発者を支援します：

• AIモデルをすばやくテストしてデプロイする

• すぐに使用できるAIモデルを使用して、データサイエンティストがゼロから構築する必要がなく、新しい問題や解決策に集中できるようにします

• AIセンターを使用してドラッグアンドドロップで簡単にAutoML機能を使用する

• UiPathマーケットプレイスを使用して、MLを含む再利用可能なRPAコンポーネントをデプロイします

最後の例を1つ考えてみましょう。会社が感情分析の使用を開始したい場合、RPA開発者はスターターモデルの1つを実装し、それが機能するために必要なデータを提供できます。その後、感情分析をより正確で堅牢にしたい場合、または特定のアルゴリズムを微調整したい場合は、データサイエンティストが必要です。

別の見方をすれば、数学を使って問題を解決する場合、それがRPA開発者の役割です。数学を理解しようとしているのであれば、それがデータサイエンティストの役割です。 UiPathは、両方のタイプの作業を含むプラットフォームを提供します。

データサイエンスとRPAを組み合わせると、会社は想像以上のことができるようになります。 UiPath AI Centerを使用すると、データサイエンスのバックグラウンドがあるかどうかに関係なく、AIをビジネスプロセスにドラッグアンドドロップできます。実践的な視点を得るには、今日UiPathAICenterを試してみてください。

UiPath AIサミットでAIリーダーとUiPathエキスパートに参加しましょう！

バーチャルイベントは、2021年2月24日から4週間にわたって開催されます。AIを初めて使用する場合でも、ロボットを過給しようとしている経験豊富なAI実践者でも、セッションがあります。