AI 主導のハイパーオートメーションによりビジネス効率がどのように向上するか

人々が AI とハイパーオートメーションに興奮しているのには理由があります。人々は、企業タスクを自動化し、人間の思考や行動の複雑さに関与する AI の可能性に興奮しています。

#AI テクノロジーは、自動運転車の開発と同様に、超高度な自動化を実現する企業の発展を促進します。テスラはオンデマンドで人々を目的地まで運転し、ウェイモは運転手なしでサンフランシスコやフェニックスの街を歩き回っている。これは自動運転技術の大きな可能性を示していますが、完全自動運転への道にはまだ多くの作業が必要です。完全自動運転を実現する前に、システムの安全性、信頼性、適応性を向上させ、さまざまな複雑な環境で正常に動作できるようにするなど、多くの課題や問題を解決する必要があります。同時に、自動運転技術の推進と応用が、不完全なデータマップのバージョン、異なる道路状況、変化する道路状況、運転文化、障害物などの法的および倫理的課題に確実に対処できるように、より完全な法的および規制の枠組みを開発する必要もあります。 、および他の多くの変数は、システムがすべての道路、都市、場所、または大規模な混雑した都市で機能するとは限らず、どのような場合でも依然として人間の監視が必要であることを意味します。

エンタープライズ自動化についても同様で、一部の自動化は存在しますが、企業内で効果的なハイパーオートメーションを実現するには、最初に多くのことを行う必要があります。具体的には、自動化が企業の課題に確実に適応できるようにするための「学習フェーズ」です。これには、あらゆるタイプのシステムの数千のプロセスが含まれ、それぞれに微妙なポリシーがあり、タスクがどのように完了するかについての知識が組み込まれたさまざまなチームが含まれます。

人工知能を使用してビジネス プロセスを注意深く学習し、適切な学習方法を適用することで、ハイパーオートメーションを通じて複雑な企業プロセスを高速化することができます。

カスタマー サポート

カスタマー サポートは、AI 主導のハイパーオートメーションの恩恵を受けることができる、人が集中するエンタープライズ プロセスです。デロイトの調査によると、コンタクト センターの 80% が AI 導入プロセスを検討しているか、すでに参加していることがわかっています。

18 か月前、GenAI の出現により、カスタマー サポート/サービスの世界は変わりました。チャットボットは現在、問題解決において根本的により効果的であり、これまでよりも実行と実装が安価になっています。そのため、Salesforce、Zendesk、ServiceNow などの既存のすべてのカスタマー サービス プラットフォーム プロバイダーが自社のコア プラットフォーム機能に GenAI を追加すると、ボットはこれらのシステム データに基づいており、そこから学習するため、飛躍的に便利で強力になります。

しかし、逸脱できないことについてはどうでしょうか? それでもブローカーが必要な方! 徹底したカスタマー サポートの場合、ハイパーオートメーションのチャンスはさらに大きくなります。定義上、すべての顧客トランザクションは 1 回限りであり、リスクが高くなります。自動化できるほど単純ではないためです。

たとえば、製品の出荷に関する問題を処理するカスタマー サポート エンジニアは、社内システムやシステムなど、さまざまなシステムを操作する必要があります。外部の「スタック」やツール (ServiceNow、Salesforce、SAP、Oracle ERP、出荷ツール、自社製アプリケーションなど) を利用し、多数のコンテキストに基づいて意思決定を行います。自動フルフィルメントプロセスは、米国とドイツで同じですが、（重要な）例外が 1 つあります。それは、別のローカルフルフィルメントパートナーを選択することです。

認知能力を必要とする同様の大量かつ高リスクの機能には、請求処理、医療収益業務、プロバイダーのオンボーディング、その他のバックオフィス機能が含まれます。

プロセスの自動化: 学習マシンの構築

AI を使用してエージェントの実際のワークフローを大規模に観察し、そこから学習することで、エージェント環境に固有のモデルを効率的に作成してトレーニングし、有効にすることができます。予測してそれに応じて対応すること。

AI モデルを人間が解決した問題に固定することにより、モデルは、ロジックではなく統計的な提案に基づいた生成的モーフィング モデルではなく、現実のワークフローから継続的に学習し、目標を達成するのに役立ちます。最高。

つまり、この新しい「学習マシン」には 3 つの前提条件があります:

1. 深く取り組む

ワークフロー分析をより深く実行できるほど、個人をより適切に定義できます。同じプロセスを実行する場合でも、すべてのワークフローが同じように作成されるわけではありません。ステップと時間を節約する価値の高い機会は、個々のワークフロー内、またはステップのあいまいな組み合わせの中に隠れている場合があります。

2. データを聞く

各ワークフロー レベルでプロセスをドリルダウンすることで、実行の微妙な違いを特定でき、以下に基づいてモデリングの最適な実行状態を決定するのに役立ちます。実際のデータとロジックを使用して最適化します。いかなる仮定も立てません。

3. 慎重にトレーニングし、例に耳を傾ける

モデルは、さまざまなシナリオで多くの異なるユーザーを使用してトレーニングすると最も強力になります。 RPA とは異なり、万能のアプローチはありません。道路上をさまざまな車が走行し、その上で自動運転車を作成するときに地図を作成するのと同じように、物事が正しく正確であることを確認するには、さまざまなエージェントのトレーニング モデルが必要になります。

たとえば、2 つのエージェントが実行操作で作業していると仮定します。解決策に到達するという点では、あるエージェントは他のほとんどのエージェントよりもはるかに速くプロセスを実行しましたが、もう 1 人のエージェントは作業がはるかに遅く、より長いワークフローでより多くのステップとシステムを使用しました。

FAST エージェントは自動的に「正しい」と考えられ、ワークフローが AI モデルに最適であると宣言します。しかし、より深く分析すると、FAST エージェントは内部で何が起こっているかについて多くのことを明らかにします。ケースは再開されましたが（これらの問題の解決方法に誤りがあったため）、対照的に、「遅い」2 番目のエージェントは安定した 100% の解決策を示しました。

あるいは、タスクを完了するために 2 人の「同一の」エージェントが並んで作業している場合もありますが、そのうちの 1 人が第 2 層のパートナーよりも追加のシステムにアクセスできる可能性があります (彼女は第 1 層であるため)。のワークフローは重複する可能性がありますが、プロセスを適切に自動化するにはニュアンスを理解することが重要です。自動化レイヤーには、このシステムへの追加アクセスが必要ですか? なぜレイヤー 2 のみがアクセスできるので、フローの側面を再考する必要がありますか?

Deflect and Beyond

AI によってさらに多くのことが可能になることは間違いありません。ビジネス機能は人間からロボットやその他のよりスマートな自律テクノロジーへと移行しているため、GenAI とその後継者からのさらなる離脱が期待されます。

AI の次の大きな成果は、複数のシステムと、顧客を満足させるためにますます高度に自動化されるビジネスに対応する必要があるリアルタイム エージェントの多くの物理的手順を伴う、長時間のトランザクションのプロセスを自動化することです。そして取締役会の期待。ワークフロー分析やその他の観点に基づいた AI 主導の学習「マシン」は、エンタープライズ アプリケーションのギャップをできるだけ早く埋めるのに役立ちます。