AI搭載のオートメーションはEnterprise Automation 2.0

私たちのニューノーマルは、反復的で単調なタスクを排除し、人間を強化して超人的な成果をより迅速に生み出すプロセスを自動化することに対するクライアントの需要を促進しています。この需要に応えるため、当社は人工知能（AI）を活用して自動化を強化し、企業がより広範なタスクを自動化できるようにしています。以下にその例を示します。

• タスクの排除はビジネスおよびIT全体の単純かつ反復的なタスクを対象とします。これらのタスクを自動化すると、従業員はより注意深く仕事に取り組めるようになります。たとえば、オフィスの閉鎖により多くの従業員が不在となったため、PayPalではチャットボットを導入し、ここ数週間でメッセージベースの顧客からの問い合わせの65%をチャットボットで処理するという記録を達成しました。同社は声明の中で「AIにより、当社はスタッフへの対応をより柔軟化し、彼らの安全と健康を最優先にすることができました」と述べています。  
• タスクの拡張のおかげで、従業員の効率は上がり、作業はスピードアップし、質も改善できます。たとえば、コロナウイルスのパンデミック中にオンライン・サービスの利用が増える中、AIを活用したカスタマー・サービス・エージェントは、単一のエージェントでより多くのユーザーをサポートし、サービス・キューを減らし、顧客擁護を促進することができました。AIは、ユーザーの意図を測定し、顧客が企業に解決を求めている問題に関する情報と性質を把握するために使用され、自動化ワークフローによって、人を介さずに可能な解決策を検討できます。そうは言っても、最も強力なタスク拡張の形態は、人間とAIシステムが連携して望ましい結果を達成することです。

これらの成果を得るため、当社ではAI搭載の自動化に向けた自動化テクノロジーの進化に積極的に取り組んでおり、これをAutomation 2.0と宣言しています。AI搭載のオートメーションとは、データパターンを発見・分析し、データからの洞察に基づく意思決定を自動化されたアクションに変換し、プロセスの各段階でAIがプロアクティブな最適化を提供する、継続的な閉ループ自動化プロセスと定義されます。AI搭載オートメーションにより、実行可能なインテリジェンスを使用してITとビジネスのオペレーションを迅速化し、コストを削減しながら、エクスペリエンスを向上させることができます。次のセクションでは、これら4つの段階を検討し、AIがこれらの各段階でどのように変革しているかを示します。

これらのツールが

非構造化データやプロセスをよりよく理解し分類することで、手動で分析や操作を調整する負担を軽減できます。

AIがなければ、オートメーションに関連するデータ検出は、主に構造化プロセスと構造化データに限定されます。非構造化データは本質的にノイズが多く、通常オートメーションプロセスの速度を低下させます。機械学習（ML）を使用することで、ノイズの多いデータからパターンを抽出し、検知するモデルが作成されます。たとえば、適切にトレーニングした分類モデルを使用すると、ドキュメントが請求書か保険金請求書類か分類できます。同様に、ITシステムからのアラートをグループ化し、特定のトラブル・チケットに対応させることができます。AIを使用すると、構造の欠如によって発見プロセスが妨げられることがなくなり、AIをインテリジェントに使用して、発見から意思決定に移行します。

AI技術の種類の違いについて詳しく知りたい方は、「AI、機械学習対ディープラーニング、ニューラル・ネットワーク：その違いは？」をご覧ください。

選択

IT自動化の精度と明確に定義されたビジネス自動化の方法論を組み合わせることで、ITとビジネスの両方でより迅速かつ正確に自動化できます。

AI搭載のオートメーションは、ビジネスワーカー、ソリューションアーキテクト、ソフトウェアエンジニア、ITオペレーション、サイト信頼性エンジニアリング、セキュリティー、コンプライアンスエンジニアなど、幅広い労働タイプに対応するビジネスとITの統合オートメーションシステムを包括的に提供することを目指しています。ビジネスおよびIT全体のデータパターンを検出することで、企業の特定の部分にサイロ化されているシステムと比較して、より効果的な意思決定ができます。一例として、ソフトウェア開発とITオペレーション全体の活動を相関させることが挙げられます。この場合、実行中のITシステムで発生するインシデントと開発中のコードや構成の変更を照合して、そのコードや構成の将来の変更に関連するリスクを予測できます。オートメーションにAIを適用することで、企業は発見された新しいパターンに対応する速度が大幅に向上します。

行動

ソフトウェアボットをより自然かつ協調的に関与させることで、よりセルフサービス的かつ生産的なエンゲージメントにしましょう。

自動化プロセスは、自動化アクションの実行方法により、さらに分類されます。アクションを自動化するためのゴールドスタンダードは、ロボティック・プロセス・オートメーション（RPA）テクノロジーです。AIの力により、RPAは単純なロボット・スクリプトから、職場におけるデジタル従業員のようなテクノロジーに進化しています。この仮想世界と物理世界を組み合わせることで、問題が発生する前に問題を回避し、ダウンタイムの防止や、新たな機会を生み出すためのアクションをシミュレートすることができます。さらに、Automation 2.0は高度な自然言語処理を用いてAIと従業員のより協調的な関係を生み出し、ハイブリッドな労働力を生み出します。

最適化

潜在的なインシデントを早期に予測することで、システムは通常のオペレーションに影響を与える前に問題を未然に解決できます。

最適化は、発見、決定、アクションの各フェーズで継続的に適用され、新たな洞察を活用して、閉ループによりビジネスとITオペレーションを自律的に強化します。Automation 2.0では、最適化は事後対応型から予測的かつ事前対応型へと動きます。ビジネスおよびIT全体のデータをエンドツーエンドで把握することで、AI搭載のオートメーションにより変動を予測し、過剰な対応を回避できます。たとえば、企業のITの履歴変更とインシデント記録の構造化されたプロパティと非構造化プロパティを組み合わせることで、変更とインシデント間のリンクを抽出し、変更リスクモデルへの新しいインプットとして経験的証拠を作成できます。ITによって新しい変更が展開されると、過去の証拠を根拠にこれらの変更が高リスクである理由を示す予測に基づいて、リアルタイムでプロアクティブなアラートを送ることができます。Gartner社のAIOpsプラットフォームに関する市場ガイドは、この積極的なリスク管理スタイルがオートメーションの最も洗練された段階であると宣言しています。

発見、決定、行動、最適化という自動化プロセスは、オートメーションが連続的で時間のかかるものだと考察することにつながるかもしれません。確かに、自動化プロセスを完成させるには数週間から数か月かかることがありますが、より速い方法もあります。たとえば、RPAの使用やローコードの開発はすべて、「短時間でできる」アクティビティやプロセスの自動化を高速化するように設計されているため、顧客はエンドツーエンドのプロセスが自動化されるまで待つことなく、すぐにROIが見込めます。ターンアラウンドタイムが短いため、ビジネスおよびITは迅速に反復処理を行い、外部からの力にリアルタイムで対応することで、迅速に障害に対処することができます。

AI搭載のオートメーションでは、関係者全員がデータサイエンティストである必要はありません。逆に、AIを使用することで、IT開発者、高度なスキルを持つナレッジ・ワーカー、そしてもちろんデータ・サイエンティストだけでなく、一般的なビジネス・ユーザーにもオートメーション・テクノロジーを提供することができます。企業のユーザーは、専門家があらかじめ準備した事前トレーニング済みモデルのメリットのおかげで高度なAIスキルがなくてもすぐに使用できます。チャットボットと自然言語を使用してAI搭載のオートメーションを提供すると、自動化システムがユーザーの作業場所や作業方法に対応した環境を構築します。これにより、より自然なやり取りが可能になり、企業全体でより多くの労働者がオートメーションに貢献し、オートメーションのメリットを受けることができます。

IBMのAI搭載の自動化に対するアプローチは、企業全体のプロセスを自動化する手段として、発見、決定、行動によって継続的に最適化できる機能を備えた統合されたビジネスおよびITオートメーションシステムの形式をとっています。このようなエンドツーエンドの視点に立ったオートメーションにより、従業員がデジタルツインと協働することで、ビジネス全体の効率を高め、新たなビジネスチャンスに集中するための時間とコストを確保できるハイブリッド労働力の実現に向けて、私たちは大胆な一歩を踏み出そうとしています。

この投稿ではAI搭載の自動化を話題に挙げましたが、実際にはまだ始まったばかりです。次回の記事では、AI搭載オートメーションの背後にあるプロセスをさらに定義して調査し、アーキテクチャーと機能まで視野を広げていきます。

また、私の新しいポッドキャスト「オートメーションがもたらすメリット」もぜひご覧ください。ここでは専門家を招いて、オートメーションが日常生活に良い変化をもたらしている事例を共有してもらう予定です。