人の手が不可欠：オートメーションは人によって導かれなければならない

オートメーションはほぼ全業界で普及しつつあります。製造業では、産業用ロボットの世界販売台数が2018年までにほぼ倍増し、40万台に達すると予測されています。家庭では、ホームオートメーション市場の収益が今年600万ドルを超え、年平均成長率28.19%で推移すると見込まれています。

自動車業界はオートメーションの最大領域の一つで、完全自律走行車への需要が高まっています。先月、メルセデス・ベンツがアムステルダムで自律走行バス「CityPilot」を試験運行し、「公共交通をさらに安全かつ効率的、快適にする」と発表しました。

この安全性の主張は、一見軽率に聞こえるかもしれませんが、根拠があります。SF映画では中央コンピュータが集合知として描かれますが、それはフィクションに留まりません。自動運転車が集合的な運転経験にアクセスできれば、道路上で最も安全な車両になり得ます。あなた自身の通勤運転を考えてみてください。信号、ラウンドアバウト、すべてが経験に基づく蓄積知識で自然にこなせます。今度は、英国の全ドライバーの経験が一つのデータベースにアップロードされ、未来の自動運転車の運転に使われる様子を想像してください。その車は数百万年分の運転経験を持つドライバーになるのです。

これがビッグデータにおける究極の集合意識です。しかしあらゆるビッグデータと同様、その奥にある価値ある情報を引き出すには、効果的な分析によって発見を処理・外挿・正しく活用する必要があります。

このデータは、「スマートシティ」構築に躍起になっている世界中の都市計画者にも活用できます。例えばシンガポールは、道路渋滞問題への対策として、ビジネスパーク内で自動運転アウディタクシーの少数艦隊テストを開始しました。ドライバーが不要になることで平均移動コストを70%削減できると見込まれています。当初は技術故障に備えドライバーが同乗しますが、2019年までに段階的に無人化する計画です。パイロットは2020年に終了し、その後の広範な展開を視野に入れています。配車アプリはUberやLyftのようなライドシェアサービスと同様に機能します。米国と欧州でも同様のパイロットプログラムが年内に発表される見込みです。

デジタルトランスフォーメーションの広がりの一環として、オートメーションは定着します。重要なのは、ビジネス全体の視点とエンドツーエンドのプロセスからオートメーションを見ることです。20年前なら単純なアルゴリズムのソフトウェアテストを自動化していましたが、今では大量の統合システム、組み込みソフトウェア、エンジニアリングが相互に統合されなければなりません。これにより品質保証とテストはより複雑になり、複雑な自動テスト戦略が求められます。

ビジネスが正しく機能することを保証する唯一の方法は、エンドツーエンドのビジネスプロセスを継続的にテストし、デジタル「チェーン」の一部分でのアップグレードが他のデジタルオペレーションに影響しないことを確認することです。

統合知識を実用的なデジタルインテリジェンスにまとめ、品質保証プロセスの大半を自動化することは可能です。しかし、人間の行動を予測できるのは人間であることを忘れてはなりません。したがって、品質保証プロセスから人間を完全に排除するのは賢明ではありません。今後5〜10年で、IT関連トランザクション業務の少なくとも30%がロボットによって自動化されると見られています。

結論として、ビジネスプロセスのオートメーションは、自動化された静的解析と専門家による人間のレビューを最適に組み合わせた、包括的なエンドツーエンド品質保証計画によって支えられる必要があります。品質保証は製品・サービス開発の最初から最後まで継続して行うべきです。新プロセスがパスするかどうかテストするだけでは不十分です。ドメイン知識に基づく助言機能こそが、オートメーションが単なる「災いへの自動ルート」にならないために不可欠なのです。

Dik Vos氏はSQSのCEO