RPAからAIへの進化：ビジネスとITの連携を支えるインテリジェントオートメーション

『インテリジェントオートメーションのユースケースは、新しいAI技術とソリューションが市場に登場するにつれて成長し続け、未来の職場を根本的に変えるでしょう。』

ロボティックプロセスオートメーション（RPA）は、過去数年間で手作業プロセスに縛られていた生産性メリットを解き放つ上で大きく前進し、大規模なシステム再エンジニアリングなしで物事を変えられるというマインドセットを醸成しました。

全面的な変更が現実的でない組織にとって、RPAは触媒として機能し、ビジネスの前進と価値創出を支援し、既存のレガシーシステムへの投資を中心に戦略的計画を立てることを可能にします。

人工知能（AI）への拡張は、この粒度の細かい、より速い形の変革の次のステップであり、ますます多くのビジネス活動が、ますます洗練された手段によって完全または部分的に自動化されています。これは一般的にコグニティブRPA、またはCRPAと呼ばれます。

では、RPAとAIをより広範なインテリジェントオートメーションソリューションに組み合わせた実世界のユースケースにはどのようなものがあるでしょうか？

プロセス発見

新しいデジタルテクノロジーが市場に登場するにつれ、ビジネスプロフェッショナルは、ソリューションがどこで効率化に価値をもたらせるかを正確に理解し、導入のビジネスケースを開発するという課題に直面します。

多くの場合、非効率がどこにあるかは直感的にわかりますが、これはビジネスのITシステムとデバイス全体で何が起きているかの、より証拠に基づいたボトムアップの視点によって裏付けられなければ、投資の強力なケースを作ることはできません。これがプロセス発見が非常に重要である理由です。非効率がどこにあるかという認識と、システムランドスケープ内で実際に起きていることの差は、驚くほど大きい場合があります。

分析、機械学習、AIを活用することで、組織の運用プロセスの証拠に基づいたビューを構築でき、その結果、デジタルテクノロジーをどこに適用できるか（システム変更や、プロセス例外へのRPA適用など）についてより深い理解が得られます。また、これらのソリューションが導入された後のメリットを評価することもできます。

非構造化データの管理

デジタルとロボティクスソリューションの台頭にもかかわらず、フォーム、文書、契約、その他のフリーテキストコンテンツの管理は、ビジネスにとって依然として大きな課題です。これは特に、顧客やサプライヤー契約などの外部資料の場合に当てはまり、高度に手作業のケース管理の必要性を生み出します。

これは現在、企業がRPAをAI領域に拡張しようとしている主要な分野の一つです。この文脈では、RPAはアグリゲーターとして、コンピュータビジョン、パターンマッチング、分類器、自然言語処理に基づくAIコンポーネントに必要な生データを取得する役割を果たします。AIモジュールが機能を完了したら、RPAを使用して回答をターゲットシステムにプッシュできます。

RPAは、さまざまなAIモジュールによってサポートされることで、従来人間が行っていた主観的な処理タスクを遂行する特定の能力を提供できます。

会話型インターフェース

Capgeminiが今年実施した調査によると、音声アシスタントは今後3年間で消費者インタラクションの主要なモードになる予定です。24%がすでにウェブサイトの代わりにチャットボットとボイスボットを使うと答えています。Google Assistant、Amazon Alexa、AppleのSiriなどの音声アシスタントの急増は、顧客関係を劇的に変革しており、企業はそれらをどう活用できるかを検討せざるを得なくなっています。

これらのソリューションをビジネス内に導入するには、組織のアプリケーション資産へのアクセスを開くメカニズムが必要です。ボイスボットやチャットボットは、もちろん、ユーザーに抽出して伝達できる情報の程度만큼賢いだけです。この例では、ロボットを使ってデータを取得し、会話型インターフェース、つまりチャットボットに届けることで、質問に答える形で統合されます。

これは、チャットボットが抽象的な質問を、RPAシステムが理解できる一連のクエリに変換することで実現されます。ロボットが記録システムをクエリして関連データ項目を取得し、それらをパッケージ化してチャットボットに返し、自然言語の応答として再構築できるようにします。

RPAは、特に統合が難しいアプリケーションを開放し、会話型インターフェースの新しい世界に参加させる上で重要なコンポーネントです。

インサイトへのスピード

すべてのビジネスには、サプライチェーンと倉庫にデータを供給する何らかのデータパイプラインがあります。これらは定期的に必要なデータの100%を提供するように設計されています。レポートには通常十分ですが、分析とインサイト生成には十分な完全なデータセットではありません。

常に『ラストマイル』の補完的な分析が必要で、例えば月次決算などの課題の根本原因分析をサポートする特定のインサイトを得るためにデータセットを拡張します。

RPAはそのラストマイルの抽出をサポートするために使用でき、企業ITがデータパイプラインを拡張するのを待たずに、レポートの動的なニーズをサポートするための集約とデータ準備を提供します。これにより、歴史的に人間にとって困難だった予測と行動が可能になります。

私たちは巨大なデータ量を扱えないため予測に苦労します。部門やディビジョンの多数のラインをカバーする大量のデータを語れません。AIを用いてモデリングと予測を行ったり、自然言語生成技術を使って、生データのブロック内の発見事項を文法的に正しい物語的要約として作成したりできます。人々の大軍を使う代わりに。

上記のユースケースの多くでは、RPAとそのAIへの拡張のメリットを活用する非常に初期の段階にとどまっています。しかし、それはRPAが今後数年間で企業内でさらに進化し拡大し続けることを示すだけです。

インテリジェントオートメーションのユースケースも、新しいAI技術とソリューションが市場に登場するにつれて成長し続け、未来の職場を根本的に変えるでしょう。ビジネスがこのテクノロジーを完全に活用するには、まずこれらのソリューションがプロセスをどう変革できるかを理解し、意思決定が効果的になるよう厳格なガバナンスを適用する必要があります。

ビジネスがこれらの連携した、しかし粒度の細かいソリューションを組織全体に導入しようと努めれば、デュアルスピード変革を推進し、ビジネスとITの連携の新時代が続くでしょう。