ロボティックプロセスオートメーションから価値を引き出すためにプロセスをマイニングする方法

ロボティックプロセスオートメーションから価値を引き出すためにプロセスをマイニングする方法

成功するロボティック プロセス オートメーション (RPA) プログラムを実証し、維持する上での共通の課題は、トップ プロセス候補の強力なパイプラインを作成することです。すべての組織が、スケーラブルで自立的なロボティック プロセス オートメーションの専門センター (CoE) を設立する意欲と能力を持っているわけではありません。場合によっては、RPA のメリットが非常に限られており、コストを正当化できないことがあります。

現在、多くの企業がクラウドで RPA を採用しているため、専門知識センター (CoE) に費用をかけずに RPA を実装する方法は数多くあります。

[[343194]]

では、パイプラインのフローをどのように見つけるのでしょうか?

最適なパイプライン フローを見つけるには、ビジネス プロセス検出 (BPD) アプローチを使用できます。ビジネス プロセス検出 (BPD) は、プロセスを最適化または自動化するように設計された方法を使用してプロセスを定義、分析、測定することにより、ビジネス プロセスを検出するプロセスです。ビジネス プロセス検出 (BPD) には、手動と自動の 2 つのアプローチがあります。

手動によるプロセス検出は比較的低コストで、組織の他のメンバーを RPA の取り組みに参加させることができます。これは価値あるビジネスを生み出す素晴らしい方法です。また、RPA アナリストから RPA 開発者、バックエンド エージェントに至るまで、新しいキャリア開発パスも提供します。このレベルの関与と新たな機会は、企業の組織文化にとって重要です。

従来の手動アプローチでは、アナリストと専門家 (SME) が協力して、プロセスの詳細を発見し、文書化するためにワークショップやインタビューに参加する必要があります。

近年、別のアプローチである自動プロセス検出 (APD) が業界で広く受け入れられるようになりました。これは、利害関係者や中小企業に多大なリソースを要求せずに、より広範なビジネス プロセスの実態を明らかにすることを約束しており、Automation Anywhere DiscoveryBot、Kryon Process Discovery、UiPath Process Mining & TaskMining などのロボティック プロセス オートメーション (RPA) 製品にも採用されつつあります。

プロセスマイニングとタスクマイニング

自動プロセス検出にはプロセス マイニングとタスク マイニングという 2 つの手法があり、それぞれに利点があります。

プロセス マイニングは、システム イベント ログを分析して、システム内で実行されているタスクのシーケンスに関する事実データを生成する一連の方法とツールです。次にアナリストは、シーケンスをモデル化または整理してプロセスにまとめ、さらに分析を行います。一部のプロセス マイニング ツールでは、特定のターゲット システムに対して事前定義されたプロセスが提供されており、より迅速な結果を得ることができます。

タスク マイニングはプロセス マイニングと同様の出力を生成しますが、データはユーザーのデスクトップ アクティビティから取得されます。ここで話題になっているのは、デスクトップにソフトウェアをインストールしてユーザーの行動を記録し、複数のユーザーのデータを一元的に保存して分析することです。

ユーザーのデスクトップ アクティビティをログに記録することは、十分に侵入的なソリューションであるため、綿密な調査が必要です。このアクティビティでは、PII、その他のセキュリティ情報、および個人のアクティビティが記録されないように構成および検証するための追加の時間が必要です。データが収集されたら、キャプチャされたタスク シーケンスを確認し、プロセスに整理するために追加の作業が必要になります。プロセスマイニングとは異なり、事前定義されたプロセスはありません。

プロセス マイニングは企業にバックエンド トランザクションを提供し、タスク マイニングは企業に複数のアプリケーションにわたるユーザーのデスクトップ アクティビティのビューを提供します。プロセス マイニングとタスク マイニングはどちらも、ペトリネットのような図を生成し、関連するタスクのフロー、これらのプロセス内のアクションのシーケンスとバリエーションをビジネスに示します。これら 2 つのアプローチは異なるインテリジェンスを生成し、それぞれ使用可能な出力を生成するために独自の手順を必要とします。プロセス マイニングは継続的に実行してプロセスの進行状況を監視できますが、タスク マイニングは通常、継続的なプロセス改善ソリューションとして実装することはできません。

タスクマイニングによるロボティックプロセスオートメーション (RPA) の加速

自動化をビジネスの他の領域に拡大する場合、ビジネスが忙しすぎてプロセスの改善に時間をかけられないという話をよく耳にします。タスクマイニングツールはこの問題を解決し、ロボティックプロセスオートメーション (RPA) を加速するための優れた結果を生み出すことができます。

ロボティック プロセス オートメーション (RPA) に関して言えば、タスク マイニングの最も優れた機能のいくつかは、記録したユーザーからキーストローク レベルのアクションを抽出し、プロセスのバリエーションを明らかにし、実際のメトリックを生成し、プロセス定義を構築するために必要な定義済みプロセスのスクリーンショットを出力する機能です。

プロセス定義ドキュメント (PDD) では、ロボットが実行すべきことを段階的に正確に示す必要があるため、スクリーンショットだけに基づいて作成すべきではありません。ビジネス上の意思決定、タイミング、その他の制約を理解するなど、プロセスに関する追加の知識も必要です。プロセス定義ドキュメント (PDD) が完成する前に、アナリストは SME とともにすべての詳細を整理する必要があります。

プロセスの投資収益率 (ROI) を評価するときは、タスク マイニング ツールでも同じことを行う必要があります。そのため、重要な考慮事項をいくつか示します。

  • セキュリティおよび IT チーム、さらに変更管理の HR からこのツールへの賛同を得ます。
  • リビジョンと個々のトランザクションを構成します。
  • どのタスクがどのプロセスに属するかを判断するために SME のサポートが必要な結果を分析する時間を確保します。
  • アナリストと SME にプロセス定義ドキュメント (PDD) を完成させる時間を与えます。

明らかに、タスクマイニングを使用すると、ビジネスユーザーへの混乱が少なくなり、企業は実際のメトリックデータと作業のスクリーンショットを確認できます。このアプローチではいくつかの手順が省略されるため、より正確なメトリックと実際のプロセスを把握するウィンドウが提供されます。しかし、中小企業でプロセス知識の開発に時間を費やすという初期の課題を完全に回避できるわけではありません。

価値の追求

プロセス マイニングは、RPA イニシアチブにプロセス検出のメリットを実際に提供するわけではありませんが、組織がすでにそのようなツールを持っている場合は、プロセス管理と改善された分析機能を活用して自動化の機会を発見できます。タスク マイニングは、タスク シーケンスとそのメトリックの概要を示すのに非常に役立ちますが、完全なプロセス定義ドキュメント (PDD) を自動的に生成するわけではありません。これにより、企業はより迅速に目標を達成し、より広範なプロセス範囲を提供できるようになります。

最終的に、企業はタスク マイニング ソリューションを使用することによる時間とコストのメリットを評価する必要があります。同じ機能と出力を得るために必要なリソースと比較して、スケーラビリティと評価を完了するのにかかる時間について考えます。アプローチに関係なく、組織は自社のビジネスを理解する必要があります。これらのツールでは、どこから始めればよいかはわかりません。適切な計画を立て、最も重要なのは価値を実証することです。

<<:  Google に行ったが、ディープラーニングはできなかった。Facebook の Tian Yuandong が人生の課題と選択について語る

>>:  この肖像生成AIは、簡単なスケッチから1秒で本物の顔を生成できる

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

...

スマートロボットについて知っておくべきことすべて

スマートロボットは、タスクをより効率的かつ正確に実行し、生産性を向上させ、人的エラーを削減するように...

...

悪意のあるハッカーが生成AIを武器化している

研究結果をブログのネタとして使うことに慣れていないのですが、次の点に注目しました。Vulcan Cy...

文書翻訳における人工知能: 効率化の新時代

今日、言語を超えた効果的なコミュニケーションはこれまで以上に重要になっています。企業が新しい市場に進...

ディープラーニングと比較すると、この新しいアルゴリズムの方が優れているようですね?

ニューラル ネットワーク アルゴリズムと機械学習における人類の現在の成果に基づくと、コンピューター ...

Verdict、2020年第1四半期のTwitterにおけるIoTトレンドトップ5を発表

私たちは、企業や専門家が IoT についてどう考えているかを知りたいと思っていますが、一般の人々はど...

組み込みアルゴリズム: ビッグデータ可変長ストレージアルゴリズム

1. 適用シナリオ高精度のサンプリング結果の場合、最大値には 3 バイト、最小値には 1 バイトが必...

...

超音波チップが脳コンピューターインターフェースに革命をもたらす:非侵襲的インプラントに一歩近づく

2023年、脳コンピューターインターフェース(BCI)技術は依然として急速な発展の年を迎えました。脳...

...

機械学習のテストセットをスケールアップする方法

[[385223]]テスト セットのヒル クライミングは、トレーニング セットに影響を与えたり、予測...

GNMT - Google のニューラル ネットワーク翻訳システム

1. はじめに2016年9月、Googleはニューラルネットワークベースの翻訳システム(GNMT)を...

...

AI 実践者が習得する必要がある 10 種類のディープラーニング手法: バックプロパゲーション、転移学習、勾配降下法...

機械学習への関心は過去 10 年間で爆発的に高まりました。ほぼ毎日、さまざまなコンピューターサイエン...