エージェント自動化で効率を向上

自動化の歴史は、その誕生以来、直線的に進歩してきました。ロボット プロセス オートメーション (RPA) からインテリジェント ドキュメント処理 (IDP) に至るまで、新しいイノベーションのたびに企業の生産性、収益性、機敏性が向上してきました。

しかし今、もっと大きなことが起こっています。新しいテクノロジーであるエージェント オートメーションは、この段階的な改善のサイクルを破壊し、これまで見たことのないようなワークフローの再発明を可能にします。

エージェント自動化では、個々のタスクに焦点を当てるのではなく、ロボット、AI、オーケストレーションを活用して、最初から最後までワークフロー全体に取り組みます。エージェント自動化の中心となるのは AI エージェントです。AI エージェントは、環境を認識し、不慣れな領域を移動し、その場で意思決定を行うことができる自律的なソフトウェア エンティティです。

エージェント自動化の価値を捉えるための青写真は、最近の四半期ごとの Web キャスト、UiPath Live のテーマでした。 :エージェント自動化への道。私たちは、この変革が現在および将来のビジネスにとって何を意味するかについて、AI 科学者、自動化の専門家、企業のリーダーなど、オールスターのパネルから頭脳を選ぶ機会に恵まれました。

ほとんどのリーダーは、エージェント自動化の可能性の規模をまだ把握していません。しかし、選ばれた少数の企業は準備が整っており、この革新的なテクノロジーから最大の利益を得る準備ができています。

エージェント自動化が仕事の進め方を再定義する 3 つの領域

従来の自動化は構造化されたルールベースのタスクには依然として不可欠ですが、予測不可能性が支配する場合にはエージェント自動化が成功します。かつては埋めることができないと思われていたギャップをどのように埋めるのかをご紹介します。

1.ルールから推論へ

さまざまな形式の入力に依存しているビジネス プロセスはどれくらいありますか?完璧ではないデータについてはどうですか?

ほとんどの組織にとって、答えは多すぎます。

これまで、自動化はデータの不整合に悩まされてきました。情報が構造化された標準化されたパッケージで到着しない場合は、従業員が介入して、システム間でデータを変換し、矛盾を解消し、ファイルを手動で再フォーマットする必要がありました。彼らの時間を他の場所に費やすことができたとしても、このような不規則性により、彼らには他に選択肢がありませんでした。つまり、AI エージェントが登場するまでは。

AI エージェントは曖昧さの中で成功します。機能するために完璧なデータは必要ありません。 UiPath の AI 戦略責任者である Edward Challis 博士は、UiPath Live のホストである Mary Tetlow と Geoff Anderson に「エージェントは、データが絶えず変化するタスクに対処するための非常に強力な方法を提供します」と説明しました。 AI エージェントは、従業員にすべての入力を手動で構造化することを要求する代わりに、大まかな目標を設定し、乱雑、不完全、または一貫性のないデータを処理する最適な方法を決定できます。

このスキルは、データ形式が大きく異なる業界では特に価値があります。 WEX は、毎日大量の医療請求を処理する世界的な金融テクノロジー プロバイダーです。構造化された請求（標準化されたフィールドを含むクリーンなデジタル提出）は、RPA によって簡単に処理されます。しかし、手書きの医師のメモやぼやけたフォームなど、もっと乱雑な形式で届くものもたくさんあります。以前は、請求を処理する前に従業員がこの混乱を手動で理解する必要があり、顧客にとってイライラする遅延と WEX のコスト増加につながりました。

現在、AI エージェントはこの変動を自動的に処理します。重要な詳細を抽出し、コンプライアンス要件と照合して、最も複雑なケースのみを人間のチームにエスカレーションします。

2.タスクの自動化からワークフローの再発明まで

企業の自動化の普及を妨げるのは、入力の変化だけではありません。プロセスも非常に複雑です。条件付きの「if」ステートメントが多すぎる、バリエーションが多すぎる、例外が多すぎる…ある時点で、従来の方法でこのようなワークフローを自動化しようとするのは困難になります。 「すべてのシナリオで自動化が実行する必要があるプロセスを定義するには時間がかかりすぎます」と Challis 博士は述べました。

エージェント自動化は、根本的に異なるアプローチを採用します。エージェントはスクリプトに従うのではなく、問題を検討して、何が重要か、何が注意が必要か、何が自律的に処理できるかを判断します。

しかし、それらは単独では機能しません。 AI エージェントは、人間の直感、ロボットの精度、エージェントの適応性が融合したエコシステムの一部であるときに最大限の能力を発揮します。たとえば、エージェントは複雑なワークフローをサブタスクに分割する場合があります。RPA ボットがデータ入力を処理し、API がリアルタイムの市場価格を取得し、人間がエッジ ケースを解決します。

チャリス博士は、このプロセスをケーキを焼くことに例えました。 「そのレシピを実行するとき、どのバターを使用するか、バターの入手方法、どのボウルを使用するかについて、多くの選択肢があります」と彼は言いました。 「つまり、代理店と、そのプロセスがどのように行われるかについての定義されたルーチンとの間には柔軟性があります。」

構造と適応性の間のこのバランスは、多くの永続的な企業の課題に適しています。たとえば、マネーロンダリング対策 (AML) システムは、金融機関のセキュリティ フレームワークの重要な部分です。しかし、それらは完璧とは程遠く、従来のツールではコンプライアンス チームが誤ったアラートに巻き込まれる傾向があります。場合によっては、この割合が 90% に達することもあり、チームは実際のリスクを特定するために多くのノイズを選別する必要があります。

AI エージェントは、誤検知をフィルタリングして本当の脅威を特定することに優れています。これは、構造化データと非構造化データの両方を分析することによって行われ、実際のリスクを示す小規模な繰り返し転送などのパターンを特定します。ライブ ゲストの Forrester 社副社長兼主席アナリストの Craig Le Clair 氏が指摘したように、エージェントはこのプロセスでの誤検知を 60% 削減することが示されています。これにより、コンプライアンス チームは不必要なレビューに行き詰まることなく、優先度の高い調査に集中できるようになりました。

2.コーディングからコラボレーションまで

協力パートナーとしての価値を最大限に発揮するには、従業員が自然言語で AI エージェントとコミュニケーションできる必要があります。 ChatGPT のような大規模言語モデル (LLM) は、この種のパートナーシップを実現するはずでしたが、プログラマーではない人にとって、現実はより複雑でした。

LLM は平易な言語のプロンプトに応答しますが、適切な結果を提供するには、ある程度のプログラミングの知識、つまり問題の分解とコード検証についての深い理解が必要です。簡単に言うと、何を頼めばよいのかを知るだけでは、まだ半分しか終わっていません。また、返されたものが正しいかどうかを知る必要もあります。

私はプログラマーなので、LLM から 100 行のコードが返されたら、それを読んで、それが実際に私が望んでいることを実行しているかどうかを判断できます。一方で、プログラマーではない友人が同じことをやろうとした場合、その出力が実際に彼女が望んでいたものであるかどうかを判断するのは非常に困難です。チェックするだけでも多くの専門知識が必要です。

Sarah E. Chasins 博士、UiPath の主任応用科学者

エージェント自動化により、この障壁が解消されます。従業員は、たとえ漠然としていても、自分の目標を説明し、エージェントにその指示を行動に移してもらうことができます。これは、チームがビジネス要件を厳格なロジックに変換する必要がなくなったため、WEX にとって変革をもたらしました。

決定的なシナリオをすべて検討するのに何週間も費やす代わりに、私が望む目標を開発者に伝えることができます。私が求めているこのビジネス成果は何ですか?そして、これらが連携して機能しているのを実際に見ることができます。そのため、これまでの従来のコーディングでは実現できなかった、プロダクトと技術チームの間にオープンな関係が生まれました。

Emily Krohne、WEX エンタープライズ オートメーション プリンシパル

これらの機能は素晴らしいものですが、AI エージェントが不正行為をしないとどうやって確信できるのでしょうか?

部屋の中の象に対処しましょう。システムやプロセス全体で機能する機能を備えているにもかかわらず、エージェントが私が望んでいることを確実に実行できるようにするにはどうすればよいでしょうか?

それは当然の懸念です。エージェントは非決定的であり、その固有の予測不可能性がエージェントを非常に強力にしている理由の 1 つです。エージェント自動化を安全に実装するには、エージェントが確実、安全、透過的に動作することを保証する適切なガードレールが必要です。

人間の最新情報を常に把握する

エージェントは一定レベルの自律性を持って動作しますが、それはチェックなしで実行すべきであるという意味ではありません。ほとんどの企業のユースケースでは、完全に自律的なアクターではなく、意思決定支援ツールとして機能します。 Challis 博士はこれを明確にしました。「今後数年間、エージェントは調査を行って提案を行う予定ですが、人間によるレビューが必要になります。大きな変更が行われる前に、人間によるチェックポイントが設けられる予定です。」

継続的なモニタリング

視認性がすべてです。 AI エージェントが意図したとおりに動作することを保証するには、組織は設計時と実行時の両方でリアルタイムの監視を必要とします。

UiPath の製品管理シニア マネージャーである Zach Eslami 氏は、この点を強調しました。「[透明性は] エージェントがサイロ化された環境でも外の世界でも適切に機能していることを確認するための重要な側面です。」組織は、エージェントがどのように意思決定を行っているかを可視化して、時間の経過とともにパフォーマンスを改善し、ビジネス目標との整合性を確保できるようにする必要があります。

AI エージェントと決定論的な RPA ボットを組み合わせるのは、制御を維持するための最良の方法の 1 つです。エージェントが適応してコンテキストに基づいた意思決定を行う一方で、RPA ボットは厳密なルールベースのロジックに従い、柔軟性と予測可能性の間のバランスを作り出します。 「私たちのエージェントは、単にツールやアプリケーションを操作しているだけではないため、新しいレベルの統制された代理店を示していると私たちは信じています」とエスラミ氏は説明しました。 「彼らは自分たちで計画を立てているわけではありません。人間とロボットを活用して、出力に新たなレベルの決定性を生み出し、ユーザーや顧客が期待する方法で動作していることを確認できます。」

信頼できるベンダーとの提携

信頼は効果的なエンタープライズ自動化の基盤です。テクノロジーへの信頼だけではなく、それを実現するパートナーシップへの信頼も必要です。 Krohne 氏は、WEX の「UiPath RPA ツールの歴史により、エージェントをより迅速に拡張できるようになりました」と述べました。

AI エージェントを既存の自動化インフラストラクチャ上に導入しても、混乱を感じることはありません。むしろ、企業がすでに行っていることの自然な延長となり、ワークフローを全面的に見直すことなく強化されます。 Eslami 氏はこの点を強調し、「最終的には、エージェントは既存の UiPath Platform™ の上に構築できるようになります。つまり、エージェントは、私たちが利用できるすべての素晴らしい自動化ツールを活用できることになります。」

しかし、基礎を築くことは最初のステップにすぎません。エージェント自動化の可能性を最大限に引き出すには、企業は AI エージェントを大規模に構築、導入、管理する方法を必要としています。

UiPath Agent Builder は、チームにビジネス ニーズを満たすエージェントを設計するためのツールを提供します。組み込みの監視とガバナンスにより、企業は AI エージェントが初日から意図したとおりに機能することを確信して自信を持って導入できます。今すぐ Agent Builder の待機リストに参加して、自動化の次の時代をいち早く探索してください。

また、エージェント オートメーションの現在と将来についてさらに詳しく知りたい場合は、オンデマンドで視聴できる UiPath Live:エージェント オートメーションへの道の全エピソードをご覧ください。