Intelligent Automationが実現するAI ／ RPA Journey

1. IA実現に向けた主要な論点
2. これからのRPAの姿
3. おわりに

多くの企業でRPA（ロボティック・プロセス・オートメーション）の導入が進められており、ホワイトカラーの単純作業の自動化は一巡しつつあります。この先に待っているのは何でしょうか。RPAの導入対象となる部門や業務を拡大する、単純処理からより複雑な処理をできるように人工知能（AI）の導入を推し進める、といった選択肢も確かにあります。
しかし、ここまでに導入してきたRPAを振り返ってみると従来の単純なRPA、あるいはAIにおいて複雑な人の判断を必要とする工程は自動化の対象外で、自動化された工程と人が関与する工程とが断続的に行われる形態が意外と多いことに気づくのではないでしょうか。また、従来自動化を実現するためには業務ルールを静的に設定する必要があり、業務ルールが変更になるたびにRPAを手直しする必要がありました。ビジネスを取り巻く環境変化が激しい時代において、業務効率を向上させるための取組みを機能させるために、その都度、変更対応が必要とされているのです。
本稿では、こうした課題を抱える従来型のRPA／AIをより進化・深化させたインテリジェント・オートメーション（Intelligent Automation：IA）について解説します。
なお、本文中の意見に関する部分については、筆者の私見であることをあらかじめお断りいたします。

• IAは、人の判断を含む一連の作業を手中に収め、従来型AI／RPAで課題となったプロセスの分断を解決し、環境変化に応じて業務ルールをしなやかに変更することができる。
• IAは、人とシステムの境目を無くす。開発はほとんどコーディングを必要とせず、それでいて既存のシステムやRPAを活用できるものである。開発はSaaS型を前提とし、スピーディな導入を可能にする。
• 企業は、とかく部分最適に陥りがちな自動化の取組みをとらえなおす時期にきている。End to Endで全体最適をはかるIAのコンセプトに基づき、RPAやAIを正しく部品としてとらえ、人の判断や作業を含めて取り込むことで、改革活動の効用を最適化すべきである。

RPAやAIにより、限定的または単一工程の自動化は多くの企業で進められていますが、昨今、これらの工程間をシームレスに連携させるIAが着目されています。IAは、これまでのBPM（ビジネスプロセス・マネジメント）^※1やワークフローシステムとは異なり、求められる明確なポイントが3つ存在します（図表1参照）。

^※1 BPM:Business Process Managementの略。業務工程やシステム処理を連携させ、一連のプロセス自動化を実現するシステム。部門内のみならず、部門や企業を横断したプロセス自動化において、効果が期待できるツール。

（1）End to Endのインテリジェントルーティング

1.一連のプロセスの自動化
多くのRPAやAIでは、ExcelからExcelへの転記、システムへのデータ入力、メール送信、あるいは何らかのインプットデータを分析し、推論・示唆をアウトプットするなど、切り取られた単一工程の自動化にとどまります。それは人間の判断や人間同士のコミュニケーションが必要となる工程は自動化が困難であり、プロセス上のこのような工程は、その手前まで自動化範囲として完結させる必要があったからです。RPAやAIによる自動化は、業務の一連のプロセスとしては、分断されている状態であることは否めません。IAは、その分断を解消するため、業務の一連のプロセスをEnd to Endでつないでいくことを可能にします。たとえば、次のように、各工程を連携させていきます。

I.RPAによる処理の完了と同時に、人的リソースにメール等で通知する

II.通知を受けた人的リソースがなんらかの判断をしたのち、さらにそのメールに返信する

III.返信されたメールをキャッチしたIAがさらに後続のプロセスにあるRPAを起動する

2.ビジネスルール情報の外部化
業務プロセスは通常、1本道で進み、プロセスの終了を迎えることはなく、何らかのビジネスルールをもって分岐を繰り返していきます。たとえば、購入品の承認プロセスにおいて、購入金額1万円未満であれば課長承認が必要、1万円以上であれば部長承認が必要、といったような、一定の条件に応じて処理を振り分けるケースがあります。このようなプロセスの分岐にかかわる静的なビジネスルールは、複数のプロセスにおいて、共通の条件であるにもかかわらず、通常のワークフローシステムでは、プロセス毎に、プロセスの中に個別に設定する必要がありました。このようなワークフローシステムでは、業務プロセスやビジネスルールが変更される度にシステムを修正する必要性が出てきてしまいます。IAでは、このような固定的なビジネスルール情報を、システム外に共通的に保持しておくことができます。そうすることで、変化に強いEnd to Endの業務の自動化が実現できます。

3.動的なプロセス差配（インテリジェントルーティング）
IAというからには、その仕組みには新たな賢さを具備している必要があります。それがIAにおけるインテリジェントルーティングです。先ほどの購入申請を例に挙げると、以下のようにIAが、インプット情報を読み取り、理解し、判断したうえで、条件に合致する方針を決定し、プロセスの分岐をルーティングしていきます。

I.部下から送信された購入申請書PDFをコンピュータビジョン（文字解析）で読み取り、金額情報を自然言語処理によって取得、把握、判断したうえで、部長か課長か、承認依頼先を動的に差配する

II.差配先の選定にあたり、複数の課長のスケジューラを読み取り、行動予定を動的に判断し、承認申請が可能な課長に申請を送信する

4.プロセス自動化における学習と改善（ナレッジチェーン）
IAによるインテリジェントルーティングはその都度、一定の条件に沿った判断を繰り返していくだけでは、たとえ動的なプロセス差配ができたとしても、業務統合の効率化、またその効果は限定的なものとなってしまいます。ここに人工知能（AI）の要素も加味し、次のような方法で、学習をベースとした意思決定の改善を目指すことにより、さらに高度な自動化の精度向上が期待できます。

1. 同一プロセスにおいて決定したルーティング結果を収集し、模範的な解を教師データとして再度、AIへインプットしていく
2. 類似プロセスの分岐結果を模倣し、自己プロセスの最適解としてリファーさせるアルゴリズムを組み込む
   

（2）開発が低コスト／容易であること

1.既存資産を利用できることが前提
業務効率化を目的としているRPAやAIの取組みの延長線上にあるIAには、当然、高い開発容易性（早く、簡単に繋がる・活用できる仕組み）が求められます。たとえば、IAシステムのプラットフォーム上にロボットを配置するために多くの工数がかかってしまうようでは、シームレスな連携実現へのスピードが緩まります。スピーディにIAの環境を構築し、効果を早期に刈り取るには、これまでスモールスタートで立上げ、全社へと取組みを拡大・拡張することで生み出してきた貴重な既存資産（RPAやAI）をそのまま活用できるAPI（アプリケーション・プログラミング・インターフェース）等を保有していることが前提となるのです。
旧来のワークフローシステムやBPMシステムの場合、独自のプラットフォーム上に各種要求機能を一から構築する必要があるものが多く、この点からもIAは独自プラットフォーム上に要求機能を構築せずとも、既存のRPA／AIコンポーネントを無駄にせずそのまま呼び出すことができるツールとして差別化されている必要があります。

2.GUIベースのスピーディ／容易な開発
またIAの開発そのものも、極力プログラミングが不要なアプローチが望ましいといえます。GUI（グラフィカル・ユーザーインターフェース）での開発環境により、選択やドラッグアンドドロップを主体とした視覚的な設定レベルで、様々な工程を連携させられることが肝要です。

3.通知と指示の機能の具備
業務を広範囲で自動化させるIAのコンセプトの1つとして、「人間系の処理とシステム処理との連携」が挙げられます。そのためには、何らかの自動化処理の終了をメールで通知し、人的リソースへ指示を出す機能をIAが保有していることも前提となります。また、これら機能を利用するにあたり、メールサーバを新たに構築することなく、IAシステムのなかでメール通知機能を設定作業のみで使用可能にし、活用できることが重要となってきます。これらの機能の組み合わせにより、「人間系の処理とシステム処理との連携」が実現され、次に開始すべき業務をIAが教えてくれるようになるのです。その結果、人は「自身が何をいつ実施し、誰に連携すべきか」といったことを意識することなく、自動的に業務が推進される環境が整います。

（3）SaaS型モデル

1.クラウド利用による人的リソース圧縮
多くのワークフローシステムやBPMシステムは、サーバ型を採用しているケースが多く、社内環境にシステムを構築する必要があります。この場合、アプリケーション／データベースサーバの維持・メンテナンスに多大な工数と費用を要し、将来的なサーバスペックの拡張においても様々な考慮が必要となります。IAシステムでは、クラウド型を活用することが重要です。これにより人的に必要なリソースの圧縮を目指すことが可能となります。また、IAソリューションは、基本的にあらゆる既存資産を連携させていくことに特化された、ハブとしての役割を担うべきであり、IAそのものに業務機能を実装するわけではありません。そのため、アプリケーション領域まですべてクラウド化されたSaaS（Software as a Service）型でサービス提供されているソリューションを選定し、アプリケーションに関わる運用保守対応を切り離していくことが望まれます。

2.PoC～導入開始までをスピーディに
クラウドとSaaS型モデルを採用することで、導入にかかわる環境準備のリードタイムも短縮できます。端末やサーバへのインストールや動作確認に時間を要することなく、PoC（Proof of concept：概念実証）を通じてすぐにプロセス連携の効率性や効果の検証、ソリューションとしての妥当性評価を進めることができます。正式に自社への導入が決定し、相応のユーザー数を想定したプロジェクト推進も迅速に行うことができます。

3.マルチデバイスでどこでも業務をつなぐ
一般的なワークフローシステムやBPMシステムは、自社内のネットワークドメイン内でのみでしか利用できない、また、自社のITポリシーの都合などから、自社に戻らないと処理ができない、あるいは、特定のアプリケーションをインストールしないとモバイル端末で操作ができない、などの制約があります。SaaS型のIAを採用することでこの課題を解消できます。基本的にSaaS型はブラウザ環境があれば堅牢なセキュリティが保持された状態で、システムへのアクセスが可能となるので、出先にいてもモバイル端末上から処理の実施・完了が可能となります。人がかかわる業務処理にタイムラグや滞留が発生しないことが、ビジネスプロセスの清流化に繋がり、シームレスに業務が進んでいくのです。これにより、バリューチェーン全体が最適化され、ひいては、経営スピードの向上／企業価値最大化へと寄与します。

既にRPAの導入が進んでいる企業においては、数百体のロボットによる大規模運用が始まっています。こうしたRPA先行導入企業においては、RPAによる工程の自動化がある程度定着しています。これらのケースでは、業務を構成するプロセス内の1工程に対してRPAを適用するケースが大部分を占めており、RPAは部分最適における自動化の位置づけとなります。
しかし現実には、企業や組織における業務は連続性を前提として一定の範囲でプロセス化されており、プロセス全体をいかに最適化していくかはRPAの領域にとどまらず、今後は課題として顕在化してくると考えられます。このような課題の解決に向けて、今後は部分最適を全体最適へと移行していく動きが始まります。
この全体最適の中心となるのがIAソリューションなのです。複数の工程をプロセスとしてひと塊にして管理し、さらには、次プロセスともシームレスに連携していく。RPAだけでは実現できなかったことであり、RPAを活用することでより効率的な全体最適を実現していくことになります（図表2参照）。

全体最適では、RPAが担うことのできる工程を増やしていくことにより、効率化や最適化は強い推進力を持つことになります。それに向けて、導入済みあるいは、導入を進めているRPAではどのような準備を行っていく必要があるのでしょうか。

これまでの部分最適におけるRPA化の進め方と異なり、全体最適のためのRPAの適用に向けては、主に以下4つの手段に主眼をおき、効率的なRPAの運用を進めていくことが望まれます。

1.パーツ化
同一工程または類似する工程を部署ごとで個別にRPA化することは、機能重複が発生する可能性もあり、無駄が多いと言えます。各ロボットの利用部品のパーツ化に加えてロボット自体を横展開することにより運用工数を最適化することが可能になります。

2.標準化
開発へのフレームワークの適用、運用ガイドラインをはじめとした各種標準化は、開発や運用を単体で最適化するものでなく、手戻りの防止をはじめとしたRPA運営全体の効率化や品質向上に直結するため、早期に適用すべき必要があります。

3.工程のRPA化適用可否基準の定義
セキュリティやガバナンスの観点でRPA化できない業務をあらかじめ洗い出しておくことで、プロセス全体として手段の選定を容易にすることが可能になります（図表3参照）。

4.工程のRPA化適性の精査
RPAを適用しやすい業務が存在します。改修頻度が非常に多くなるなど不向きな業務を適用することで運用工数が増加する恐れがあるため、全体最適に向けた手段選定の一環として業務の棚卸は不可欠です。

IAでは、RPAだけでなくOCR（光学的文字認識）など他のテクノロジーを活用した工程と人によるオペレーション全体をプロセスとして管理することになります。
では、IAのなかでRPAはどのように動いていくことになるのでしょうか。まずIAがRPAをはじめとした各工程を呼び出します。呼び出された工程はローカルレベルで実行され、実行結果を返すとともにIAが承認または次工程への指示を自動的に行います。
これにより、承認や指示の待機が不要になるだけでなく、期限のリマインドや催促も自動で実施することが可能になります。結果的に、管理コストを低減することに繋がります。さらには各工程が単一組織で実施されるのに対して、IAは組織間や企業間でのプロセスも管理・拡張することができるため、業務の全体最適の実現に活用されるものとなります（図表4参照）。

管理としては、プロセスをハンドリングするIAとオペレーションの手段となるテクノロジーの組み合わせを全体最適のなかでポジションをすみ分けて活用していくことになります。IAでは単にプロセスを管理するだけでなく、ルール基盤を導入することで、組織全体として管理すべき規約や細則などのガバナンスに必要なルールをプロセスと切り離して管理することができ、ルール変更を各プロセスへリアルタイムに反映していくことが可能になります。
RPAは今後もプロセスのなかで1つの工程を担っていくと考えられますが、プロセス全体の自動化を見据え、これまでRPA化されていない工程も含めて再確認していくことで、新たなRPAの適用箇所を見出し、1プロセス内の自動化率を高めていくことが求められるのです。さらには、RPAの適用箇所が増加することに備えて、効率的な改修やルールの適用ができる環境を整えていくことを推奨します。

昨今、多くの企業が「AI・RPAを活用した一定の範囲内の工程自動化」を実現してきているなかで、次の一手として、人間系工程をも含んだEnd to Endの全体業務自動化を目指すステージを迎えています。
そこでは、人工知能（AI）の判断を用いた動的なプロセスコントロール、クラウドの利用、オペレーションの手段としてのRPA化などが重要なキーワードとなります。
KPMGコンサルティングでは、先進的なIAソリューション、またテクノロジー活用・工夫のノウハウを基に、企業の次世代のオートメーションを睨んだデジタルトランスフォーメーションを支援します。

KPMGコンサルティング株式会社
デジタルレイバー&トランスフォーメーション
ディレクター　福島 豊亮　他