日本生命保険は6年間にわたりRPAを導入し、1万人の従業員の2,000万時間以上の工数を節約した。

日本生命保険は6年間にわたりRPAを導入し、1万人の従業員の2,000万時間以上の工数を節約した。

日本生命保険株式会社(以下、日本生命)は、日本最大級の保険会社の一つであり、世界60カ国以上で事業を展開し、アジアでは保険事業第2位の地位にあります。

日本の生命保険業務は複雑かつ煩雑であり、顧客情報の入力、規制の更新、業界情報の収集など、多くの業務が固定された作業となっているためです。そこで日本生命保険は、2014年初頭からグループ内の業務処理にRPA(ロボティック・プロセス・オートメーション)を導入しました。

同社には7万人以上の従業員がおり、そのうち約1万人が事務職に従事している。これらの従業員の業務のほとんどは、Excel、PDF、Wordなどのテキストツールとのやり取りを伴います。日本生命がRPAの導入に成功した後、これまでに約140の業務プロセスをRPAロボットが自動実行し、これら1万人を超える従業員の業務の90%が完全に自動化されました。6年間で、RPAツールは従業員の延べ2,000万時間以上の労働時間を削減するのに役立ち、日本生命の企業のデジタルトランスフォーメーションの実現に成功しました。

[[331469]]

2011年、日本の生命保険業界では大きな改革が行われ、銀行窓口での保険商品の販売が中止されました。この方針により、事務職員の業務量は大幅に増加し、その業務量は職員の負担能力を超えるほどになりました。この頃、日本人の注目を集めたのがロボティック・プロセス・オートメーション(RPA)でした。そこで日本生命保険は、2014年にRPAをグループ内に導入し、まずは営業部門でプロジェクトトライアルを実施。その年、RPAによって営業部門のパフォーマンスが40%以上向上したという。その後、2017年から現在に至るまで、ホンダ生命保険グループではRPA自動化事業を実施してきました。

当初、日本生命保険はRPAプロジェクトを進める上で多くの問題に直面しました。まず、2014年当時はRPAサプライヤーが比較的少なく、従来の自動化では日本生命保険のニーズを満たすことができませんでした。それに匹敵するインテリジェントRPAはわずかしかありませんでした。何層ものスクリーニングを経て、ようやく日本生命保険のニーズを満たすRPAサプライヤーを見つけることができました。企業の推進段階では、多くの部門が楽観的ではありませんでした。当初は営業部門が主導権を握り、最初にRPAプロセス自動化を適用しました。

日本生命保険デジタル室次長の渡戸靖氏は、同年のRPAプロジェクト導入を振り返り、「当初は皆RPAに対して抵抗感を持っていました。RPAによって自分の仕事が奪われるのではないかと恐れる一方で、RPAの活用や導入、保守が大きな課題となっていました。幸い、当時はRPAの将来性について非常に楽観的でした。私は営業部門のPoCに参加し、推進しました。当時は社内にRPAの専門保守チームがなかったため、グループ各部からRPAの有志を募り、チームに加わる前に私たちのアセスメントを受けてもらいました」と語る。

日本生命保険のRPAロボットサービス部長の高倉淳氏も次のように振り返る。「 RPAロボットの導入当初は、まず営業部門と資産運用部門に適用しました。各部門でRPAのプロセス設計の研修を行い、自動化する業務の優先順位を決め、約3カ月かけてPoCを実施しました。ただし、PoCの段階では、RPAの実現可能性を確認するために、両部門でKPI基準は設定しません。短いタスクや分岐の少ないプロセスは簡単に自動化できますが、長いプロセスはプロセスを決定するためにテストを繰り返す必要があります。両部門はこれにいくらか時間を費やしましたが、後に節約できる作業時間と比較すると、この時間はごくわずかです。RPAアプリケーションの開発段階では、小ロットや多種多様な業務の自動化を推進し、各部門で短いRPA自動化プロセスを確立し、社員主導の「RPAタスク計画」を推進していきたいと考えています。」

日本生命保険では、毎年3月に社内RPAロボット表彰式を開催し、RPA事業に顕著な貢献をした社員を表彰するとともに、他部署やパートナー企業にRPA自動化事業を紹介し、業務効率化に役立てていただいています。

日本生命では現在、3つのRPA製品を導入しており、 2019年末までにグループ全体で140以上のRPAインスタンスと60万以上の自動化タスクスレッドを稼働させる予定です。同社の業務の85%は完全に自動化されています。同時に、RPAの登場により従業員が職を失うことはなく、より人間的な仕事にエネルギーと時間を費やすことになります。

<<:  RPA製造業アプリケーション事例共有

>>:  AI データラベリングとは何ですか?課題は何ですか?

ブログ    

推薦する

プログラマーが使用する基本アルゴリズムトップ10

[[188736]]アルゴリズム1: クイックソートアルゴリズムクイックソートは、Tony Hal...

世界中で人気のGPT-3がなぜ人々の仕事を破壊しているのか?

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

見逃せないビッグデータと人工知能分野の役立つウェブサイトトップ10

AIやビッグデータなどの技術の急速な発展に伴い、関連する知識も普及してきました。数多くのウェブサイ...

ディープラーニングのトレーニング中に GPU の温度が高すぎますか?すぐにクールダウンするには、以下の数行のコマンドを入力してください

[[197022]]新しく購入した水冷なしのパブリック版GPUの温度は、フル負荷で稼働すると室温から...

ビッグデータと機械学習は世界のエネルギー業界をどのように変えるのでしょうか?

機械学習、ビッグデータ、自動化は世界の産業システムに革命をもたらしており、エネルギー業界も例外ではあ...

2019 年の AI、セキュリティ、IT 運用、IoT に関する主な予測

次の技術変化が始まる前に、将来の発展の方向を予測・判断し、技術変化に伴う可能性のある困難を軽減する必...

2019年世界人工知能製品応用博覧会は今年5月に蘇州で開催される。

2019年グローバルスマート博覧会は今年5月9日から11日まで蘇州工業園区で開催される予定だ。蘇州...

何が足りないのでしょうか?現在の機械学習教育の欠点

[[347910]]ビッグデータダイジェスト制作出典: thegradient編集者: フィッシャー...

...

機械学習を妨害する10のサイバー攻撃

サーセイ・ラニスターの策略やサー・ジョラー・モーモントの父親のような保護をもってしても、攻撃者が H...

...

ディープラーニングとディープクローニング: チャットボットにとってより優れたソリューションはどちらでしょうか?

[[200112]]編集者注: チャットボットは目新しいものではありません。Facebook や ...

機械学習の成功事例9つを詳しく見る

かつては企業にとって「空約束」と考えられていた人工知能(AI)と機械学習(ML)が、今では主流になっ...

私たちのプライバシーはどこにも見つからない

あなたに関するあらゆることが、さまざまな形で世界に明らかにされています。 [[387859]] 3月...

Alibaba が MNNKit をオープンソース化: Android と iOS をサポートする MNN ベースのモバイル ディープラーニング SDK

最近、モバイル端末向けのディープラーニングフレームワークの開発がますます増えてきています。最近、アリ...