金融業界を再構築するハイパーオートメーションのトレンド：効率化、コスト削減、不正防止

ハイパーオートメーションにより、金融機関は効率向上、コスト削減、不正リスクの軽減を実現しています。

金融サービス業界は、顧客、買い手、トレーダー、規制当局、その他の利害関係者を結ぶ複雑なプロセス、取引、支払いで満ちています。大量のレガシーシステムが、人的依存度の高いプロセス管理を残しており、シームレスな顧客体験の提供には自動化が不可欠です。特にハイパーオートメーションは、効率改善の効果的なツールとして浮上しています。本記事では、現在の金融業界におけるこの技術の最大のトレンドを探ります。

実行可能な統合データ

金融分野ではデータが孤立したサイロに分散しがちですが、企業は実行可能なデータを一箇所に統合し始めています。そこからハイパーオートメーションが真価を発揮し、顧客のシングルビューを実現できます。これにより、金融機関は進化する需要に合わせてプロセスをリアルタイムで監視・適応できます。

「ハイパーオートメーションとは、機械学習、プロセスマイニング、RPA、API統合、インテリジェント・ワークフロー・オーケストレーションなどの機能を効果的に統合し、高度な複雑性を80%以上のサービス提供自動化で置き換えることです。成功の鍵は実行可能な統合データです」と、ServiceNowのグローバル金融サービス責任者、Keith Pearson氏は説明します。

「断片化したデータと孤立したシステムはハイパーオートメーションの敵です。データレイク技術は保持データをワークフロー上の従業員の手に渡しません。最新および旧来のシステムへ迅速に統合し、プロセス関連データを一箇所に集約してインテリジェント・オートメーション技術を効果的に適用できることが、実行可能な自動化ワークフローと成功をもたらす鍵です。」

「多くの金融サービス組織が、自動化目標達成のために『応急処置的なハイブリッド技術アプローチ』を採用し続けており、意図せずさらなる技術的負債とデータの孤島を生み出しています。」

ドキュメントスキャン

金融セクターの重要なタスクの一つは、身分証明書や銀行明細書などの顧客書類のスキャンです。組織が扱うデータ量は膨大でコストもかかりますが、ハイパーオートメーションは効率を高めながらコストを最小化できます。

「金融サービス（FS）は世界経済で最もデータ集約的なセクターの一つで、文書ベースの取引のために膨大な顧客データを処理・分析しています」と、AppianのEMEAおよびAPAC担当シニア・バイスプレジデント、Paul Maguire氏は語ります。

「光学文字認識（OCR）による文書スキャンは非常に高コストで、2025年までに126億ドルの産業になると予測されています。しかし、セットアップに膨大な時間を要し、フォームが変わるたびに人間がトラブルシューティングしなければなりません。」

「ハイパーオートメーションは同じ問題に、より効率的にアプローチします。RPAで様々なソースからの文書を同じワークフローに取り込み、AIで分類・情報抽出を行います。チェックボックスや手書きメモさえも対象です。AIがエラーを検知すると、自動的に人間に検証・修正を依頼し、それらのやり取りから学習して精度を高めていきます。」

自動化レポーティング

規制レポーティングプロセスを巻き込む、金融を破壊するもう一つの主要なハイパーオートメーション・トレンドです。ELEKSのクラウド・ソリューション・アーキテクト、Volodymyr Marchuk氏は、この分野が今後より頻繁に自動化の恩恵を受けると考えています。

「我々が話を聞く多くの銀行が、すでにRPAとコグニティブ・インテリジェンス技術を使用しています」とMarchuk氏。

「これにより、手作業タスクを限定的な人間の監視下で24/7自動化できます。データ品質の向上と、人間の作業員をより高付加価値のタスクへ再配置できる改善が見られます。しかし、RPAのような技術がエンドツーエンドの規制レポーティングの完全な解決策になるとは限らず、そこがハイパーオートメーションの出番ですが、これには時間がかかる可能性があります。」

「完全な自動化は複雑で、実装に数年を要し、ビジネス文化の変革を必要とすることが多いです。」

不正とエラーの軽減

Marchuk氏は、ハイパーオートメーションが不正と従業員エラーの軽減にどう役立つかを説明しました。「ハイパーオートメーションは、不正、事故、エラーによる財務損失を大幅に削減できます。Croweとポーツマス大学詐欺対策研究センター（CCFS）の研究によると、2018年の世界的な不正損失は5兆ドル、世界GDPの6%に上りました。」

「ハイパーオートメーションはRPAと機械学習を用いて、これらの問題の一部を解決できます。トランザクション処理にハイパーオートメーションを用いることは効率的で透明性が高く、生成される情報（アクションログ）を機械学習で活用し、予測パターンとトレンドを認識できます。」

人への焦点

最後に、ハイパーオートメーションはスタッフによる効果的なマネジメントなしには真に成功できず、これはデータの民主化を必要とすることを指摘しておきます。

ExasolのCTO、Mathias Golombek氏は説明します。「皮肉なことに、ハイパーオートメーションの最大のトレンドの一つは、テクノロジーではなく『人』についてです。データドリブンでハイパーオートメーション化された環境にコミットすると、自然な帰結として、あらゆる部門のスタッフのデータリテラシーが高まり、彼らが扱うことが期待されるデータの民主化が進みます。」

「Revolutはこの分野のリーダーの一つです。同社は本物のデジタル・ネイティブとして、データを意思決定や戦略の広範な参照点としてではなく、本質的にデータドリブンに活用してきました。ここ数年経験したハイパーグロースの管理の自然な一部としてハイパーオートメーションを捉えています。」

「したがって、例えば、従来技術的でない部門も含め、すべての部門にデータサイエンスを適用しています。HRチームでさえ、データベースのためにSQLを習得しなければなりません。面接プロセスを、質問から特定の役割での成功との相関まで分析し、そのデータを用いてプロセスを毎回改善します。」

「結果として、Revolutは業務上の機密データをあらゆる職位のスタッフによりアクセスしやすくしつつ、そのデータを活用してパフォーマンスを向上させるスキルのハードルも引き上げています。」