ロボティック・プロセス・オートメーションは暴走列車だ。 デロイトによれば、このテクノロジーは次のようなことを実現するという。 2025年までにほぼ普遍的に普及する。 しかし、RPAがビジネス界を席巻しているからといって、進化が止まるわけではない。

我々はエキサイティングな技術的岐路に立っている。 近年のAIの進歩には目を見張るものがある。 ChatGPTをはじめとするジェネレーティブAIは、人々の意識を捉えている。 しかし、そのエキサイティングなテクノロジーは、AIの可能性のひとつの表現にすぎない。

RPAは単純だが効果的なツールだ。 しかし、RPAとAIの融合は、イノベーションの無限の機会を提供する。 会話型AIを活用した顧客サービス、アナリティクス主導の意思決定、ナレッジワークの自動化などは、RPAにおけるAIの一例に過ぎない。

テクノロジーの進歩に伴い、コグニティブ・ロボティック・プロセス・オートメーションは、私たちが想像もつかないような方法で仕事の本質を変えていくだろう。 将来のインパクトを考える前に、RPAによるAIがすでに自動化の限界をどのように押し広げているのかを探ってみよう。

 

RPAの限界

RPAが広く採用されていることは、その有用性を証明している。 このテクノロジーは、かつて手作業だった作業を自動化することで、数え切れないほどの企業が新たなレベルの生産、効率、精度を達成するのに役立っている。 しかし、どんな技術にも上限がある。

 

1.トランザクションの自動化は管理が難しい

 

RPAボットは忠実にプロセスをこなすが、ちょっとした管理とメンテナンスが必要だ。 例えば、入力や出力が変化した場合、ボットはその微妙に変化する状況に対応できるように再設定しなければならない。 ダイナミックな職場環境では、これはリソースと時間を浪費しかねない。

 

2.非構造化データで苦戦するRPA

 

RPAツールは、if/then/elseロジックを使用してタスクを実行するように構築されている。 そのため、予測可能なデータ構造に依存している。 入力データに変動や変更があると、ボットが受け取ることを期待している定義された値から外れるため、エラーや例外が発生する。

 

3.RPAにはスケーリングの課題がある

 

上記に挙げた理由もあり、RPAプロセスの拡張は困難な場合がある。 各プロセスは明確に定義され、管理され、維持されなければならないが、RPAの適応性の低さも問題となる。

RPAの限界は心配するようなものではない。 AIが支援するRPAは、これらの制限を克服すると同時に、新たなエキサイティングな自動化の可能性を切り開くことができる。

 

AIを活用したRPAがオートメーションをどう変えたかを紹介する。

 

ロボティック・プロセス・オートメーションと人工知能：

パーフェクト・マッチ

 

RPAは設計上、少なくともユーザーレベルでは、単純明快なツールである。 技術者でないチームでも利用できるように作られている。 そのため、与えられた指示をコントロールされた方法で実行する。 これらのプロセスを特定し、RPAにコマンドの実行を指示するのは人間だ。

RPAと人工知能を組み合わせることが自動化の未来である理由だ。

 

1.光学式文字認識によるRPA

 

で
AIとOCRによるロボティック・プロセス・オートメーションでビジネスプロセスを改善
(Shidaganti、2021年）、著者はRPAの限界について概説し、「自動化されたプロセスを変更するには、RPAアプリケーションを直接変更する必要がある」と示唆している。 シダガンティは、このプロセスの解決策としてAIを提案し、RPAの根本的な補強として光学式文字認識（OCR）を主張する。

実際、OCRはRPAを非構造化データに開放することで、ビジネスに影響を与えている。 AIを搭載したRPA OCRツールは、印刷された文書や書かれたテキストからも情報を読み取ることができる。 OCR統合が促進するRPAの主な機会は3つある。

• OCRは構造化されたデータをコード化するため、RPAは予測不可能な入力を扱うことができる。
• RPAは、それぞれの画面で何が起こっているかを解読することで、リモートマシンを自動化することができます。
• OCRは機械学習と組み合わせることで、文書をスキャンすることでKnow Your Customer（KYC）、アンチ・マネー・ロンダリング（AML）、不正検出に役立ちます。 技術の学習と判断はRPAと統合することができ、口座開設、オンボーディング、ローン決定などをより迅速に行うことができる。

 

2.機械学習とRPA

 

ロボティック・プロセス・オートメーションと機械学習は、RPAの本質的な限界を克服するためにAIを活用するもう一つの例である。 2016年の時点で、保険業界の自動化専門家は次のように指摘していた。 コグニティブ・ロボティック・プロセス・オートメーション（RPA）の可能性。 その論文で著者らは、可能性のある地平として「自己最適化する顧客サービス、ローンの価格設定、金融アドバイス、クレームや苦情処理」について論じている。

ロボティック・プロセス・オートメーションの機械学習ツールがわずかな期間で一般的になったことは、進歩の証として興味深い。

機械学習はどこにでもある。 明示的なプログラミング命令によって、機械にタスクを実行させるプロセスを指す。 ご存知のように、これは機械がアルゴリズムを使用してデータセットのパターンを分析・発見することである。 一度訓練されれば、マシンは他のデータを処理し、洞察や予測を生み出すことができる。

RPAと機械学習は、RPAがより賢く、より直感的になり、非構造化データを扱えるようになることを意味するため、非常に相性が良い。

 

3.ディープラーニングによるRPA

 

機械学習はAIのサブセットであり、ディープラーニングは機械学習のサブセットである。 ディープラーニングと機械学習の違いは、人によっては微妙かもしれないが、探求する価値はある。 機械学習は、意思決定や予測を支援するためにデータに基づいて学習される。

しかし、この技術には一般的に、時間が経つにつれて独自に改善する能力が欠けている。 これに対してディープラーニングは、ニューラルネットワークを使用して学習し、パフォーマンスを向上させる。 言い換えれば、ディープラーニングのおかげで、RPAとMLが組み合わされ、経験を通じてより良くなる自動化が構築される。

もちろん、ディープラーニングがこの機能を果たすには、膨大な量のデータが必要だ。 AIとRPAの深い共生を示すもう一つの例として、ボットはこのトレーニングデータを収集する手間のかかるプロセスを支援するのに理想的である。 RPAツールは、さまざまなウェブサイトやその他の情報リポジトリにアクセスしてこれらの情報を収集し、ディープラーニング・アルゴリズムを改善するための豊富なデータを確保することができる。

ディープラーニングは、ボットが予測分析の利点を活用することも可能にする。 RPAが例外に遭遇した場合、予期されるパターンや予期しないパターンと照合することができ、人間の介入に頼る必要がなくなる。

スマートなボットがデータに基づいた意思決定を行うことができれば、最適な方法で顧客に対応することができる。 自然言語処理（NLP）を使って消費者の気分を読み解くセンチメント分析ツールなどがRPAの応用例だ。 そして、ボットは適切な音になるように反応を調整することができる。 このダイナミズムは、共感的な人間的顧客サービスと、それに代わる機械的顧客サービスとの間のギャップを克服するために大いに役立つだろう。

 

4.RPAと画像認識

 

RPAと画像認識ソフトウェアの組み合わせは、RPAが雑多なデータや非構造化データを扱えないことを克服するためにAIを使用するもう1つの例である。 論文の中で
ビジネスプロセスを自動化するRPAソフトウェアロボット分野における人工知能技術の分析と応用可能性
(Kanakov,2022)では、RPAと画像認識の魅力的な利用方法として、採用のバックグラウンドチェックの自動化や不正検知の支援について概説している。

カナコフが提案する他のユースケースには、カメラに接続されたRPAツールを使って、ビルのセキュリティに顔認識を利用することなどがある。 用途はまさに無限大だ。 例えば、ドローンやカメラであらゆる環境の異常をスキャンすることができる。 一旦検出されれば、RPAシステムは関係者に問題を報告し、迅速な改善を保証することができる。

 

5.生成AIによるRPA

 

フォーブス誌の
フォーブス
DELLのClint Boulton氏は、RPAとGenerative AIを比較する際、素晴らしい例えを用いている。 彼は、「ガラ・イベントでは、RPAは招待客リストをチェックし、チケットを数え、部屋の収容人数、暖房、照明などを監視している」と提案する。 その一方で、ジェネレーティブAIはイベントの広告を作成し、受賞者の祝辞を書き、すべてのゲストと会話を交わしている」と述べている。

この例えがとても力強いのは、昨年あたりから私たち全員が観察してきたことを完璧に捉えているからだ。 ジェネレーティブAIは非常に興味深く、パワフルであるため、そのアウトプットに驚嘆せずにはいられない。 しかし、誰かが（RPAが）バックグラウンドで雑務をこなさなければ、イベントは成り立たないし、少なくとも機能的ではない。

ガートナー社によれば、ジェネレーティブAIには多くの選択肢がある。 文章、画像、動画、音楽、そしてコードまでも素早く生成することができる。 会話によるカスタマーサービスなど、すぐにわかる可能性もある。

RPAとジェネレーティブAIの他のユースケースとしては、RPAが様々な形式の非構造化データを理解するのを支援することや、RPAを意思決定やデータ分析などで補強することなどが挙げられる。

 

6.オートメーションに参加

 

自動化を2つのカテゴリーに分けることができる：自動化には2つのカテゴリーがある。 ご想像の通り、無人自動化とは、ボットが人間の入力なしに処理を実行することを意味する。 対照的に、Attended Automationは、最低でも途中の1ステップで人間との対話が必要なタスクを説明する。

これにはいくつかの方法がある。 例えば、自動化されたプロセスには手動によるトリガーが必要かもしれない。 あるいは、ステップの1つが、プロセス中にセキュリティ認証情報を必要とするかもしれない。 しかし、RDA（Robotic Desktop Automation）のおかげで、より複雑なオーケストレーションが可能になった。

ロボティック・デスクトップ・オートメーション（RDA）は、アテンデッド・オートメーションの一形態である。 しかし、MLや光学式文字認識のようなAIツールのおかげで、これらのロボットは複数のワークフロープロセスを動的につなぎ合わせ、個々のユーザーのさまざまなタスクを常に自動化している。 このシナリオでは、RDAボットはバーチャル・アシスタントのような役割を果たし、人間のオペレーターが顧客と話している間に、データを取得し、ファイルを送信し、レポートを作成する。

 

7.自己修復ボット

 

A
2022年RPA実態調査
は、RPAソリューションを採用する一部の企業に影響を与える問題を明らかにした。 回答者の69％以上が、毎週壊れたRPAボットを経験していると回答している。 さらに悪いことに、40％以上がボットの修正に5時間以上かかると回答し、他の回答者は修正に1日以上かかると回答している。

この数字は受け入れがたいほど高い。 しかし、この調査は問題の詳細には触れていない。 RPAが失敗する一般的な理由としては、入力内容の変更、ロボットが例外に遭遇した場合、データの不備、テスト不足、メンテナンス不足などが挙げられる。

自己修復型RPAとは、人間の入力なしに自己修復できるシステムのことである。

自己修復型RPAボットは、自動化されたタスクのパフォーマンスを監視するAIアルゴリズムによって実現される。 問題が発生すると、これらの便利なツールが起動し、根本的な原因を特定し、修正を適用する。 その上、パフォーマンスが向上し、稼働時間が増える。

 

8.スマート加工マイニング

 

RPAにおけるプロセスマイニングとは、企業が自動化可能なタスクを発見することである。 AIの高度な分析機能を利用することで、チームはビジネス・ワークフローを調査して自動化できるタスクを見つけ、自動化の影響を予測することができる。

プロセス・マイニングはMLとデータ分析を使用する。 例えば、画面録画ソフトを使ってワークフローのデータを取り込み、ステップに分解する。 その後、MLや分析ツールがこれらのタスクのモデルを実行し、自動化できる領域を見つける。 AIツールは、企業にタスクのより良い監視と理解を与え、依存関係、ボトルネック、非効率性を特定することを可能にする。

RPAとプロセスマイニングを組み合わせることで、通常では発見できないようなプロセスを発見することができるため、非常に強力である。 つまり、RPA投資からより多くの価値を得ることができ、コスト削減や生産性向上など、RPAのその他のメリットをさらに複合化できるのです。

ここでもう一つお気づきの点は、プロセスマイニングによって適切なRPAプロセスの発見時間を短縮できることだ。 つまり、導入がより早く軌道に乗るということだ。

 

9.ソフトウェアテストの自動化

 

ソフトウェア開発者とパブリッシャーは、過去数十年の間に最も破壊的なテクノロジーを提供してきた。 しかし、この業界自体もある種の革命を経験している。 DevOpsとアジャイル手法は、開発者が電光石火の速さで継続的に製品を改善するという要求に応えるのに役立っており、CI/CDパイプラインも市場投入までの時間を短縮するのに貢献している。

RPAは、特定の種類のソフトウェア・テストにとって素晴らしいツールだ。 マッキンゼーによれば、次世代ソフトウェア開発はAIの後塵を拝している。 2023年最大の技術トレンド. RPAとAIの両方を活用したソフトウェアテストの自動化は、そのトレンドの最前線に位置し、ジェネレーティブAIがコードを書き、非技術者チームがノーコードツールのおかげで歓迎されるようになるだろう。

コンサルタント会社のパートナーであるサンティアゴ・コメラ＝ドルダが示唆するように、「開発者は、現代のデジタル企業にとっておそらく最も価値のある資産の1つであるにもかかわらず、最新のツールセットで簡単に自動化できる反復的で価値の低いタスクに、彼らの時間の40％以上を費やしている」。

 

10.RPAインテリジェント・オートメーション

 

人工知能ロボティック・プロセス・オートメーションは、インテリジェント・プロセス・オートメーション（IPA）とも呼ばれ、オートメーションの次の段階と考えられている。 RPAにAIによる認知能力を加えたものだ。 RPAは、上記に挙げた他のAI技術のすべて、または一部を包含することができる。

IBMの
IBMがC-Suiteエグゼクティブを対象に行った調査では
回答者の90％は、インテリジェント・オートメーションが「新たなビジネストレンドに対応した組織変革の管理において平均以上の成果を上げる」のに役立っていると回答している。 この感情は、RPAとAIが、真の競争優位性を提供できる俊敏で堅牢なソリューションを生み出す能力を有していることを物語っている。

RPAとAIが組織に変革をもたらす力を持つ証拠は、COVID-19パンデミックに対するビジネス界の対応に見ることができる。 COVID-19パンデミック時のビジネスプロセス確保のためのロボット・プロセス・オートメーション技術の採用 (Siderska、2021年）は、調査したポーランドの企業の60％がRPAツールのおかげで事業継続を実施できたことを示した。 この調査では、AIとアナリティクスが大きな貢献をしている。

最近の
ガートナーの調査
エグゼクティブの実に80％が、自動化はどのようなビジネス・プロセスにも適用できると考えていることを明らかにした。 この統計は、AIと併用した場合のRPAの威力を顕著に物語っている。 AIによるRPAの増強がなければ、この数字がこれほど高くなるとは考えられない。

将来については、次のような研究がある。
ニューロモーフィック処理
– 脳の構造に基づく情報処理システムは、より優れた認知と機械知能につながる可能性がある。 このような展望がとてもエキサイティングなのは、このようなインテリジェンス・モデルが必要なトレーニング・データがはるかに少ないことだ。

 

AIを活用したRPAは未来をどう変えるか

仕事と社会の

AIプロセス自動化ツールは、ウォームアップを始めたばかりだ。 ここでは、AIがオートメーションにさらなる影響を与える分野をいくつか紹介する。

 

1.インダストリー4.0

 

第一次産業革命は蒸気で、第二次産業革命は電気で動いた。 第三次産業革命は、1970年代にデジタル技術によって実現した。 インダストリー4.0とも呼ばれる第4次産業革命に関しては、デジタル・ツインズ、バーチャル・リアリティ、モノのインターネット（IoT）、AIとML、さらには3Dプリンターなど、いくつかの技術的候補がある。

しかし
IMDグローバル・サプライチェーン調査
2022年からは、憂慮すべき事実が明らかになる。 インタビューを行った200人以上の製造業経営者のうち、インダストリー4.0関連技術を大きな優先事項として挙げた人はほとんどいなかった。 2019年とは大違いだ。 マッキンゼーの調査では、回答者の68％がインダストリー4.0を戦略上の最優先課題としている。

研究論文の中で 産業におけるロボティック・プロセス・オートメーションと人工知能 4.0 – 文献レビュー (Riberio、2021年）の著者は、「AIの適用範囲を考えると、RPAは徐々に、分類、認識、分類などの特定の文脈（例えば、企業資源計画、会計、人事）で適用されるアルゴリズムやAI技術の実装を自動化機能に追加している」と述べている。

技術が進化し続けるにつれて、新たなツールや可能性がインダストリー4.0をAIを活用した現実へと導くだろう。

 

2.ハイパーオートメーション

 

ハイパーオートメーションはオートメーションの自然な進化である。 しかし、特定のタスクやビジネス・プロセスの自動化ではなく、組織全体に自動化機能を拡大することを目指す。 最終的なバージョンは、ワークフローと意思決定が合理化され、機敏で弾力性のある、完全に接続された、ほぼ自律的なビジネスとなるだろう。

 

ハイパーオートメーションには、いくつかの技術がミックスされている。 これには以下が含まれる：

• アールピーオー
• AI
• ビジネス・プロセス・オートメーション（BPA）
• ML
• インテリジェント・ドキュメント・プロセッシング（IDP）
• ワークフロー・オーケストレーション
• プロセスマイニング
• 自然言語処理（NLP）
• 組織のデジタルツイン(DTO)
• 会話型RPA
• コンピュータビジョン RPA

 

論文にあるように 産業におけるオートメーション強化のためのハイパーオートメーション (Haleem,2021)、「オートメーション技術の混合によって、ハイパーオートメーションは、単一のオートメーション装置手法のいくつかの制約を克服することができる。これにより、企業は各プロセスの限界を超え、ほとんどすべての困難でスケーラブルなオペレーションを自動化することができます”

 

3.専門家への依存を減らす

 

近年のソフトウェア開発ブームは、ある問題を露呈している。 アプリやモバイル・テクノロジーの需要が高まる一方で、供給が追いつかず苦戦を強いられた。 ソフトウェア開発者は不足しており、多くのポジションが何カ月も埋まらないままだった。

資格のある候補者を待っているのは、一流の6桁の仕事なのだから、人々は単に再教育を受けて報酬を得るだけだろうと考えるのも無理はない。 学校と大学もまた、STEM科目の履修を奨励するために十分なことをしていないと政府から指摘され、批判の的となった。 しかし、現実にはコーディングは難しい。 この仕事に適性があるのは、人口のごく一部だ。

私たちの世界がますますデジタル化するにつれ、コーダー不足は、私たちが耳を傾けなかった警告とみなされるようになるかもしれない。 ありがたいことに、AIによる自動化はこの問題に対する解毒剤となる。

指導的地位には、管理能力と深い専門知識のミックスが求められる。 読書や学習は、エグゼクティブや上級チームのメンバーが組織にとって価値ある存在であるための一要素にすぎない。 しかし、テクノロジーを採用する業界が増えるにつれ、この人材プールは枯渇していくだろう。

AIアナリティクスは、膨大な量の過去のデータを使用して、洞察や根本的な関係を見つけ出し、予測を立てることができる。 これらのツールは、経験のギャップを埋めるのに役立つだろう。 また、これまでは莫大な予算を持つ企業が独占していた抜け目のない意思決定を民主化することもできるだろう。

経験豊富な意思決定者や戦略家が廃れることはないだろうが、機械学習（ML）やデータ分析によって超自動化されたビジネスは24時間稼働し、人間が意識して考えることができないような要因に基づいて選択を行うだろう。

マッキンゼーは、知識労働の自動化が目前に迫っていることを示唆している。. 法律、経済、教育、芸術、テクノロジーはすべて、これまでは熟練度の低い仕事を危うくするだけだと考えられていた混乱を経験することになる。 しかし、これが一般の労働力にとってどのような意味を持つかはまだわからない。

 

4.政府の効率化

 

政府支出は常に論争の的になる問題だ。 世界中で、民主政権は肥大化と誤った支出で評判が高い。 あたり
有名なブルッキングス研究所の調査
米国政府機関はAIとRPAを採用している。

食品医薬品局、社会保障局、国防兵站局、財務省など、さまざまな部局がAIやRPAを採用し、必要不可欠なサービスの生産性向上とコスト削減を図っている。 さらに
米国技術・産業諮問評議会（ACT-IAC）の調査
は、約12の政府組織からの使用例を示している。

より効率的で費用対効果の高い政府は、社会全体に変革をもたらす可能性がある。 サービスはより効率的かつ効果的になり、税金は何百万人もの人々の生活を変えるプログラムに振り向けられるだろう。 しかし、このように広く採用されることで、次のような問題を解消することの重要性が浮き彫りになった。
AIの偏見、
特に、世界各国の政府がこの技術を政策決定に利用する場合は。

 

最終的な感想

AIはRPA技術に大きな影響を与えている。 初期の自動化ツールは、職場内の多くの定型的で平凡な作業を処理することができた。 しかし、自動化に対する意欲が高まるにつれ、RPAはその限界に直面した。 AIはそうした障壁を打ち破ろうとしている。

RPAとAIを組み合わせることで、両ツールの可能性が広がる。 インテリジェント・オートメーションは、顧客サービスの向上、組織の効率化、営業コストの削減など、すでに多くの企業に導入されている。 AIは、ほんの10年前には考えられなかったような方法でRPAの範囲を広げている。

しかし、ロボティック・プロセス・オートメーションとAIの話はこれだけにとどまらない。 ハイパーオートメーション（超自動化）の時代に向けて、さらなる利益がもたらされるだろう。 ワイルドな展開になるだろうから、取り残されないようにね。

Download post as PDF