RPAと会話型AI：主要な違いと共有されるメリット

違いはあれど、両技術とも企業にとって有益です。

RPAがバックエンド自動化に向いているのに対し、会話型AIは人間との対面的でよりパーソナライズされたインタラクションの自動化に適しています。一部のユースケースでは、両技術が交差します。しかし、バックエンド・プロセス・オートメーションと会話駆動型オートメーションはどこで出会うのでしょうか？

違いを見極める

RPAは、リクエストに曖昧さがなく、硬直的で予測可能なプロセスの管理を含みます。これは、ユーザーの意図がリクエストに応じてどのタスクを実行するかを決定する会話型AIとは対照的です。チャットボットやデジタル・アシスタントは、メッセージング・インターフェースや音声制御を用いて会話的なやり取りを行います。会話の流動性は、自然言語処理（NLP）オートメーションが高度に柔軟であることを要求し、意図が正しく解釈され、リクエストを解決するための適切なタスクが実行されるようにします。

顧客ジャーニーをサポートする

人間の会話が関わるプロセスでは、顧客やHRとのやり取りなど、会話型AIが活躍します。

新しい保険契約の購入シナリオを考えてみましょう。通常、保険エージェントは顧客とやり取りを繰り返し、検証が必要で顧客レコードに添付しなければならない複数の証明書類を集め、契約を最終化します。大量の新規顧客を扱い、彼らのオンボーディングを管理するのは、保険会社にとって時間とコストがかかります。

「ここに運転免許証の画像をアップロードしてください」「最近の銀行取引明細書のコピーをアップロードできますか？」とチャットボットやデジタル・アシスタントに尋ねさせることで、人間エージェントがこれらの書類を追い続ける負担から解放され、顧客がオンボーディング・ジャーニーを通じてよりシームレスで便利な体験を得られます。これが会話型AIの本質です。デジタル顧客エンゲージメントとサービス成果を改善し、ユーザー・ジャーニーの定型ステップ管理コストを削減します。

バックエンドでは、RPAがオンボーディング・シナリオで役割を果たし、収集された書類の繰り返しコンプライアンス・チェックを自動化し、顧客情報で記録システムを更新します。この二つが組み合わさると、完全な顧客ジャーニーをシームレスに、より速く、より効率的にする上で非常に強力になります。

補完的な技術

会話型AIは今、企業が顧客および/または従業員との重要なインタラクションを自動化し、RPAと組み合わせることで、エンドツーエンドのビジネス・プロセスにおける人的介入の必要性を大幅に削減できる、全く新しい自動化ポテンシャルの波を可能にします。RPAと会話型AIは手を取り合って働けます。例えば、顧客が住宅ローンを申請する際、多くのステップを経る必要があり、摩擦と非効率が生じ、銀行が顧客を失う原因になります。

申請開始時に顧客と対話し、本人確認書類、収入証明、最近の公共料金請求書を要求し、これをバックオフィス・プロセスに検証のために渡す住宅ローン・ボットがあれば、この摩擦の大部分を取り除けます。RPAは検証プロセスに使用され、デジタル・アシスタントは顧客からの質問を管理し、意図を理解し、関連書類を収集し、問題があれば顧客に知らせます。物件評価は不動産市場データを用いてRPAで自動的に提供され、顧客はデジタル・アシスタントを通じて住宅ローン申請のステータスをプロアクティブに更新されます。

誰が主導権を握るか？

RPAイニシアチブは一般的にITが主導し、財務、生産、流通などのビジネス部門からのインプットを得て、手作業プロセスの削減と人的関与の最小化により、コスト削減と効率向上を主目的とします。

会話型AIは、エンゲージメントを改善・自動化しコストを削減しながら、必要に応じてボットが人間に引き継げるように設計されています。そのため、通常はカスタマー・サービス、HR、セールスなどのビジネス部門が主導し、ITからのインプットは限定的です。

データ・サイエンティストなしのAI？

多くの組織は、人工知能は複雑で高コストで、大規模な予算とデータ・サイエンティスト・チームが必要で、自然言語モデルと機械学習アルゴリズムを構築すると信じています。しかし、会話型AIボットの構築に、必ずしもこのレベルの投資は必要ありません。Google DialogFlow、Amazon Lex、Microsoft LUISのような自然言語処理（NLP）エンジンが広く利用可能で、会話体験の設計の核心であるインテントと発話をボットに容易に設定できます。

ローコード

さらに、チャットボット構築、ワークフロー作成、一般的なビジネス・システムへの安全な統合にローコード・アプローチを提供する会話型AIプラットフォームが登場しており、ビジネス担当者がコーディングやAIスキルなしで独自のデジタル・アシスタントを設計・展開できるようになっています。すぐに使えるボット・ブループリントとツールにより、企業はITリソースやデータ・サイエンティストへの依存を減らし、クリック、ドラッグ・アンド・ドロップの容易さでチャットボットをより速く市場投入できます。

結論

企業は、バックエンド・プロセスのより大きな自動化を可能にし、フロントエンドでのよりシームレスな顧客体験とセルフ・サービスを促進するために、コア・ビジネス・プロセスをデジタル・トランスフォーメーションしようとしています。銀行、保険会社、小売業者、エネルギー・プロバイダー、通信事業者が、成長するスキルを持つ独自のデジタル・アシスタントの開発に取り組みながら、一貫したブランド体験を提供しようとしているのが見られます。

ボット開発は複雑である必要はありません。これらの技術が明確なROIを最小限の労力で提供する適切なユースケースを慎重に特定することがより重要です。

企業がRPAまたは会話型AI、または両方を適用するにせよ、まず解決すべきビジネス問題を理解し、次にボットが即座に違いを生む場所を特定することが重要です。その後、必要な投資、成功実装の障壁、期待されるビジネス成果を検討します。一度に多くをやろうとせず、狭く焦点を絞ったユースケースと達成可能なKPIで小さく始める方が良いです。

会話型AIとRPAは非常に強力な自動化技術です。うまく設計されれば、チャットボットはカスタマー・サービス・センターやITヘルプデスクに寄せられる定型問い合わせの最大80%を自動化し、組織の時間とコストを節約し、運営をスケールさせることを可能にします。しかし、外れ値や専門的なケースは依然として人間エージェントが扱うのが最適です。パレートの法則はRPAにも適用されます。最高の自動化は、定型的で繰り返しのタスクの大半を処理し、よりユニークで価値があり、やりがいのある仕事を人間に残します。