AI で自動化を高める：必須プレイブック (パート 1)

AI で自動化プログラムの価値を拡張

人工知能 (AI) は自動化プログラムの価値を拡張します。AI を自動化プログラムに追加すると、インテリジェントで認知的なプロセスを自動化するほぼ無限の機会が開かれ、生産性、効率、顧客満足度を新たな高みへ引き上げます。

AI プレイブック ウェビナー（AI サミットの一部）で、dentsu international の米州オートメーション責任者ブライアン・クロチコフ氏に、AI を自動化に追加しこの価値を獲得する実態を学びました。貴社の自動化が主にロボティック プロセス オートメーション (RPA)、データ分析、機械学習 (ML) のどれを指すかに関わらず、AI を自動化プログラムに組み込むことで、より強力で包括的なものにできます。

この投稿では、AI のステージを設定する 2 ステッププロセスを説明します：

1. AI を自動化に追加する準備ができているかどうかを判断する方法
2. AI 受容に向けたモメンタムを構築する方法

パート 2 では、既存の自動化プログラムに AI モデルを統合する方法と、従うべきベストプラクティスを紹介します。

自動化プログラムに AI を追加する準備があるか判断する

AI 技術を検討する企業は、自分たちが準備できているかどうかを問うのは正しいです。この複雑な問題を 2 つの質問に集約しました。

1. ビジョン チャンピオンがいるか？

ビジョン チャンピオンとは、ビジネス エンゲージメントと実行サポートを推進するリーダーです。

自動化運用モデルを支えるチーム構築に関する記事で、2 種類のエグゼクティブ スポンサーを定義しました：モビライザーとデジタル スチュワード。モビライザーは自動化の価値を説明し、RPA チームに人材を勧誘し、初期資金を引き寄せます。デジタル スチュワードはモビライザーが築いたものを土台に、エグゼクティブのバイインを得て、自動化チームを次の成長段階へ導きます。

ビジョン チャンピオンにはこれらのスキルのミックスが必要です。自動化の上に AI を重ねるとき、すでにモビライザー、デジタル スチュワード、（望むなら）その他多くの自動化ファンがいるかもしれません。AI ビジョン チャンピオンに必要なのは異なります。

AI ビジョン チャンピオンになり得る人を検討する際、自問してください：

• この人は AI ビジョンを情熱的かつ執拗に推進するか？ 自動化を使う人々と話すときでも、AI 推進者は懐疑論に直面する可能性があり、ビジョン チャンピオンは容易に落胆しない人物でなければなりません。
• この人は組織とエグゼクティブ ステークホルダーに強い影響力を持つか？ 情熱と決意だけでは不十分—優れたビジョン チャンピオンには、そのドライブに見合う影響力が必要です。戦略は全社的でなければならず、この人の影響力もそうでなければなりません。
• この人はエグゼクティブ ステークホルダーに強力なビジネスケースを明確に伝えられるか？ 最後に、この人は AI のメリットを、エグゼクティブ ステークホルダーが理解し信じられる形で明確に伝えられる必要があります。

これらの質問への回答が、大きな問いへの答えを導きます：ビジョン チャンピオンがいるか？

チャンピオンが見つかったら、次の大きな質問へ進みます。

2. 自動化プログラムは AI に十分成熟しているか？

以前の記事で、自動化を旅に例え、スケーリングのフレームワークを提供しました。自動化の長期的性質を強調するのは、トップからボトムまでの変革ポテンシャルがあるからです。そのレベルの変化には長期的視点が必要です。

だからこそ、自動化プログラムに AI を追加するのが適切なタイミングか、批判的に判断することが極めて重要です。すべてのビジネスが最終的に AI を不可欠と見なすだろうと信じていますが、それがすべてのビジネスが今日 AI を急いで実装すべきという意味ではありません。

自動化プログラムの成熟度を判断するため、自分とチームにこれらの質問を投げかけてください：

• 自動化プログラムのための既存のガバナンスとプロセスがあるか？ 既存のガバナンスなしに AI を自動化プログラムに導入すると、AI のインパクトが減少し、ビジネスケースが悪化します。さらに、ガバナンスの欠如は、新技術がもたらすリスクへの警戒心を生みます。まず既存の自動化プログラムにガバナンスを追加しましょう。ガバナンスがあれば、AI のような新ソリューションを上に重ね、チームに自信と安心を与えられます。
• 活用できる既存のインフラとリソースがあるか？ 複雑な AI 実装にはデータサイエンティストと RPA 開発者が必要です。両者のスキルセットは補完的ですが、まだ一緒に働く方法を知らないかもしれません。適切なガバナンス構造で、これらのチームが協力できる新しいワークフローを構成できます。
• ビジネスユーザー向けに AI を民主化するビジョンがあるか？ 民主化はビジネスユーザーが自動化と AI を使えるようにします。民主化のビジョンを AI ロールアウトに組み込みましょう。このビジョンにより、ビジネスユーザーを念頭に置いた AI インフラとガバナンスの設計が保証されます。

クロチコフ氏の言葉を借りれば、成熟した自動化プログラムは、「運用の卓越性と技術的ポテンシャルの交差点を見つけることに情熱を注ぐリソース」を伴います。その交差点は不可欠です。AI と ML への情熱は必要ですが、成功には十分ではありません。ビジネスの実用性も重要です。

自動化プログラムの成熟は、ただ待っているだけで得られるものではありません。自動化運用モデルを構築することで、自動化導入の初期段階を進め、効果的にスケールできます。

AI への期待感を高めるモメンタムを構築する

AI はすべての C-suite エグゼクティブのアジェンダにありますが、他の多くの競合イニシアチブもあります。C-suite と会社を AI に熱狂させるには、AI を神秘化せず、惹きつけ、投資ケースを示すことでモメンタムを構築することに注力してください。

AI を神秘化せず、恐れを和らげ、期待を煽る

AI は、そこにどれだけ多くの異なる技術があるかという理由で、依然として頻繁に誤解されています。今や、ビジネスユーザーもアクセスできるシンプルなツールから、データサイエンティストが主にアクセスする複雑なツールまで、スペクトラムがあります。

会社にエンゲージしたリーダーがいる繁栄した自動化プログラムがあっても、誰も AI を理解していないかもしれません。その理解不足は警戒心、あるいは完全な恐怖につながります。目標は、エグゼクティブレベルから現場まで、人々が理解できる現実的で理解可能な存在として AI を捉え直すことです。

「結局のところ、」クロチコフ氏は言います、「オートメーションは、私たちの多くにとって実は『人間的』なものだと思う…大量で、面倒で、単調な仕事を取り除くなら、どのやり方であれ、CFO からエントリーレベルのアシスタントまで、誰もが共感できる。」

AI を神秘化しない 3 つの方法を推奨します：

• 人間的なつながりを作る：「段階的な進歩が完璧より重要」と理解するステークホルダーを見つける。AI は ML と AI モデルの性質上、最初から完璧であることは稀。目標は信頼度閾値に達し、時間をかけてモデルを教えることだと理解してもらう。
• 適切なビジネスケースを特定する：クロチコフ氏は「アイデアと実装の間のメンタルギャップを埋める」ため、AI が日常生活にどう影響するかステークホルダーに見せる必要があると言います。AI は遠く感じられるから怖い—抽象的ではなく、現実的に感じさせるよう最善を尽くす。適切なビジネスケースは概念実証となり、一度実装すれば価値実証となる。
• 価値実証に焦点を当てる：シンプルな技術で AI のポテンシャルを示す。クロチコフ氏は Amazon Alexa のような馴染みの技術を使うことを推奨。Alexa はエンタープライズ AI から遠いが、オーディエンスの親しみやすさが価値理解を助ける。音声アシスタントが AI でどう価値を追加できるか見せれば、エンタープライズ AI の価値実証に一歩近づく。

クロチコフ氏は「ビジネス用の音声アシスタント」を想像するようステークホルダーに勧めます。自然言語処理 (NLP) で IT セルフサービスへのアクセスをどう提供できるか？ そんな実装がもたらすメリットを説明する。この比喩で、不完全な実装でも有用であることを示せます。何百万人もの人が Alexa を使っていますが、クエリを 100% 正しく理解できるわけではありません。

これらは 3 つの別々の方法ではなく、AI への良いケースの 3 つの構成要素です。

リーダー、従業員、リソースを AI が提供するソリューションに惹きつける

モメンタムを構築するにつれ、異なるステークホルダーがオーディエンスを構成するため、話す相手によってメッセージを変える必要があります。

リーダー と話すとき：RPA と AI がいかに実際のビジネス問題を解決できるか示して訴えかける。ビジネス問題は彼らが話す言語なので、同じ言語で話す。

従業員 と話すとき：ユースケースを通じて歩ませる。AI を日常業務にどう統合できるか見せる。再び神秘化を解く。必要に応じて、彼らが関わる AI ロジックの一部を説明する時間を取る。最終的には、これらのプロセスの結果に彼らが責任を持つからです。

リソース を広く対象にするとき：サイロを壊すことに焦点を当てる。目標は、特に RPA センター オブ エクセレンス (CoE) とデータ分析 CoE が、異なる部門を連携させることです。これは常に簡単ではありません。

技術開発スキルのスペクトラムにさらに進むと、クロチコフ氏は RPA へのスティグマに遭遇する可能性があると警告します。RPA は一部の人にとって時代遅れに感じられます。そうでないことを教育しましょう。UiPath AI Center のようなプラットフォームで、以前よりはるかに多くのことができます。「ビジネス価値があれば、」クロチコフ氏は言います、「研究開発 (R&D) 予算もあり、ハイテク従業員は『広い砂場』で遊べます。」

エンゲージメントを構築するにつれ、既存の RPA ソリューションに AI をどう織り込めるか、すべてのレベルで示せるようになります。リーダー、従業員、リソースのサポートは、優雅な実装に不可欠です。

真に AI を理解する人々を探す

この記事から一つだけ教訓を得るなら、これです：結果に焦点を当てろ。世界中のデモと例があっても、結果を伴うユースケースほど雄弁なものはありません。

早期にユースケースを見つけ、デモする適切なオーディエンスを見つける。適切なユースケースは進歩と現実世界の効果を示します。

ApprioHealth の例を見てください。UiPath AI Computer Vision を使って大量の医療保険クレームを迅速かつ効率的に処理しました。ApprioHealth チームは RPA の経験豊富なユーザーでしたが、仮想デスクトップ インフラストラクチャ (VDI) が効果を妨げていることに気づきました。AI Computer Vision なら、ソフトウェアロボットが人間と同じようにコンピュータ画面を「見る」ため、ApprioHealth はあらゆる VDI システムで RPA を使用できるようになりました。

このユースケースが理想的だったのは、チームが可能な進歩を理解し、それを追求した結果、RPA 効率が 7 倍になったからです。

適切なオーディエンスも、技術概念、AI のビジネス価値、AI イニシアチブへのエンゲージメントがなぜ重要かを知る十分な知識を持つ人々です。

デモが時に間違った方向に行くのはここです。クロチコフ氏は、一定レベルの技術的造詣に欠けるフロントオフィス ステークホルダーと仕事をした際、これを経験しました。彼のチームは、クライアント提案への返答を事前生成できる AI ソリューションを構築しました。

「『本当に面白くて複雑な問題で、私たちに価値をもたらす』と人々は本当に興奮して取り組みました。しかし、ソリューションが 100% の信頼度閾値で届かないと、彼らは本当に気にしなくなりました。」とクロチコフ氏。一度興奮していたステークホルダーは、閾値を見ると無関心になりました。彼らが答えを知っている小さな質問の部分を AI が知らないことを気にしたのです。これは開始に理想的なグループではなかったとクロチコフ氏は認めます。

誰もがクロチコフ氏が呼ぶ「バズワード ビンゴ」（AI、ML、RPA などを含む）に参加したがりますが、一部のプロジェクトでは、手元のテクノロジーを真に理解する人々を探さなければなりません。クロチコフ氏が最も成功したのは、「何年も一緒に働いてきた人々」です。

あるプロジェクトで、4～6 週間で精度を 76% から 97% まで向上させました。「それが『テクノロジー機能の友人たち』の継続的なエンゲージメントと参加なしでは不可能でした。」

相互理解が、概念実証を超えてソリューションを導入し、最終的にスケールする能力を与えてくれます。

モメンタムを活かし、実行する

主要ビジネスはすべて、競争力を持つために最終的に AI の活用法を学ばなければなりませんが、タイミングを誤った実装は、実装を逃すのと同じくらいリスクがあります。遅らせず、しかし急がず。

準備のテスト方法とモメンタム構築方法を議論しました。パート 2 では、そのモメンタムで何をすべきかを詳しく説明します。味方に期待感があれば、AI モデルを自動化プログラムに統合することは視野に入ります。

ブライアン・クロチコフ氏と私の生の声を聞くには、AI プレイブック ウェビナーの録画をご覧ください。