ニューノーマルが求められる現代、新たな働き方で最大限の効果を得るためには、現行業務のリノベーションを行うことが、今最も必要なことです。
従来の業務の多くは、会社に出勤する業務担当者がPC等を使って会社で操作することを前提に作られています。
新しい時代は、新型ウイルス拡散防止対策等で、テレワークが求められ、可能な限り人手に頼らず業務を自動化して、出社しなくても業務が行われる仕組みが求められています。

RPA のブームによって、多くの企業で単一の定型業務については、かなり自動化の見直しが進みました。但し、会社の業務は様々な業務プロセスのタスクが集まって構成されており、中には不定期に発生するものや、人が作業をすることを前提に作られてしまっているものなど、一部の業務の自動化ができても、全体としては結局誰か会社に人が来て処理しなくてはいけない業務が、多く残ってしまいまっています。
一部の業務が自動化できても、全体の処理を最適化できなければ、業務全体としては効率化できず、効果は限定的となってしまいます。

業務リノベーションのポイントは、無計画にどの業務も新規に開発し直すのではなく、既存システムで活かせるところは改良して活用し、最新技術で利用できるシステムは柔軟に取り入れることです。
つまり、今後の業務システムの維持や情勢に合わせた改変をするためにも、既存も新しい技術もいいとこ取りをして、なるべく短期間に効率的に最適化を進めることがポイントになるということです。






業務全体を見渡すと、システムで自動化されていないために人の操作や作業が必要な部分は、大きく分けて４つの要素に分かれます。
1つ目が、データをコンピュータにインプットするための処理、2つ目が、人が判断してコンピュータに指示を行う処理、3つ目がコンピュータ内で行われる業務タスクを繋ぎデータの受け渡しを行う処理、そして4つ目がアウトプット処理です。
これらすべての要素において、業務処理を最適化するためには、様々な手法を組み合わせて自動化することが一番有効な手段です。



コンピュータにて処理される業務は、インプットされた情報は、一旦コンピュータが理解できるデータに変換され、目的の処理を行います。そして様々な処理の後、最終的には成果物がアウトプットされます。その際には、テキスト文字であったり、映像であったり、音であったりと、インプットした情報と同じように、人間が五感で認識できるものにデータが加工されて出てきます。

コンピュータで処理をするためには、視界に入るもの、耳で聞こえるもの、触って感じるものでも、一旦デジタルに変換しなければコンピュータで処理ができません。
つまり、デジタル変換するための入力装置が必要で、入力した情報をコンピュータに処理できるデータに変換します。
人が五感で認識したものをキーボードやマウス、マイクやセンサーなどの機器を通して入力し、デジタル化して処理するコンピュータへ渡すまでがインプット処理です。
入出力装置が、業務処理するマイクロプロセッサと一体となっている場合であっても、デジタル化されたデータは一旦補助記憶装置であるストレージ等に記憶され、それから別途入力するケースもあります。
従って、業務視点でインプット処理をとらえる場合、業務処理が可能なデータにまで変換する必要があります。
たとえば、OCRの場合のように、単にスキャナーで取り込んだ画像データをデジタル化しただけでは文字として認識できないため、業務用アプリケーションがインプットデータとして処理できないので、OCRの機能が、画像を文字に変換してくれます。

近年OCRの機能に AI が連動して、手書きの文字であってもテキスト変換が可能になりました。
こうした機能を利用することで、従来業務担当者が目で確認して文字起こしをしていた作業を自動化することができます。

従来コンピュータでは自動化できないと思われていた処理の多くが、人が経験に基づいて判断する操作や、不定期にコンピュータへの指示が変わるパラメータの入力操作だったりします。

AI （人工知能）によって、人の経験に基づく判断は、機械学習の機能などを利用することで、経験値として元となるデータの量によって通常の人間が行なっていた内容にかなり近づけるケースが増えてきました。
そのため、臨機応変に変化させるべき処理をどのようにするかのパラメータについても、学習によって比較的最適と思えるデータを自動的に取り入れることが可能になるケースが増えてまいりました。
但し、AGI（Artificial General Intelligence）のような汎用的な自立型の AI はまだ実用化が難しいため、こうした人の判断を代替できる AI の分野はまだ特定のケースに限られています。
しかしながら、時代の進歩によって、適用分野が広がるばがりでなく、多くの経験を学習することによって、人間よりさらに適切と思える判断を可能にし、判断スピードも増していくことが期待できます。
判断や、人間がそのように操作する理由の元となるデータさえ集まれば、 AI を使って人間に頼っていた判断業務を AI によって自動化が可能になっていきます。

業務処理は、多くの場合数ステップに分かれた業務プロセスのタスクを連携して行われます。
例えば、インプットされた多くのデータを集計するアプリケーションのタスクAが終わると、そのデータを元に意思決定のための AI のタスクBが稼働して、その分析結果をグラフ化するための処理であるタスクCが実行されるといった具合です。
従来であれば、人の操作で、各タスクの終了後、次のタスクを起動し、その際に処理結果のデータを連携していきます。
こうした処理は、 RPA ツールによって、多くの場合に自動化が可能です。一般的な事務作業等では、業務担当者がキーボードやマウスの操作により、アプリケーションのログインのGUI画面から認証操作をしたり、入力フォームから、データを打ち込んだりするからです。
しかしながら、データが大量になると、APIを利用して、ETLツールでデータ連携した方が、圧倒的に処理が速く、且つその際のデータ編集作業も楽になる場合もあります。
特に、エクセルやCSVファイルなどテーブル形式にまとまったファイルを連携するのであれば、ETLやEAIツールを使用することにより、フォーマットの変更があった場合など、変換作業が伴う処理においてもメンテナンス性も高まり、比較的 RPA ツールより簡単に連携でき、自動化のスピードも速まります。

④ アウトプット処理の自動化

業務処理の成果物は、コンピュータ処理された結果、最終的にはまた人が五感を使って認知できる形の情報となってアウトプットされます。
この最終段階での自動化のポイントは、 RPA ツール等を利用して、可能なかぎり成果物が正しく処理されているかどうか確認の処理を入れることです。
これにより、人が検品など、成果物が期待された通りのアウトプットかどうかを確かめる作業の負荷を抑える働きもありますが、検証作業をシステムによって自動化することでスピードアップが図れたり、ダブルチェックのシステム化によって、成果物の信頼性を高める効果があります。

サイト内検索 検索