ロボティックプロセスオートメーション

多くの人が日常業務で 3 つの R、Routine(定型作業)、Repetitive(反復作業)、Rules-driven(ルールベースの作業)に悩まされています。ロボティックプロセスオートメーション(RPA)の目的は、日常の事務作業を自動化することです。フルタイム当量(FTE)時間を機械ベースの学習に置き換えることで、人事、金融サービス、コールセンターなどの部門は、より有意義で戦略的な目標に集中できるようになります。

企業がロボティックプロセスオートメーションによる自動機械学習をどのように活用しているかをご確認ください。

ロボティックプロセスオートメーション(RPA) + AI

RPA は、機械学習やインテリジェンスを適用するための基盤を築きます。RPA ソリューションが導入されている企業では、一般に、自動化が取り入れられ、データが最も重要視されています。そして、このような企業であれば、より複雑な機械学習モデルを導入してビジネス上の問題を解決することができます。さらに、企業データを機械学習モデルで使用できる形式に変換することもできます。

RPA を活用し機械学習によって生産性が向上することを実感した企業の多くは、一段と複雑なユースケースやデジタル戦略を積極的に取り入れようとします。
効率性と正確性の実現
  • ボットを使って日常的な反復作業を処理し、人が行う作業を減らします。
  • 機械学習を役立てるために必要なデータを自動的に収集、構造化し、ラベルを付けます。
ルールベースのプロセスの強化
  • ロボティックプロセスにインテリジェンスを与え、検査されるデータやトレーニングされるデータが増えるにつれ、ロボティックプロセスが進化し向上します。
  • ワーカーのパフォーマンスを高め、運用リスクを減らし、応答時間を改善します。
AI 主導によるエンドツーエンドのプロセスの自動化
  • エンドツーエンドのプロセスのオーケストレーション、プロセスの応用、モデリング
  • 人間、ロボット、システムが連携することで、決められたルールに縛られずに、よりスマートな意思決定を行います。

RPA + AI のユースケース

RPA は、DataRobot で予測モデルを実行するために必要なデータを収集できます。
メールの分類

メールの分類

RPA は、メールを分類するプロセス全体を合理化します。受信メールを読み、DataRobot AI を使用して、リクエストを分類するための機械学習モデルを作成します。次に、DataRobot が適切なチャネルを予測してフォローアップし、RPA はメールを該当する部門に転送します。担当部門がタイムリーにフォローアップすることで、その部門のワーカーは、より価値の高い業務に集中したり、さらに多くの時間を顧客の電話対応に費やすことができます。その結果、顧客満足度が向上し、よりタイムリーな対応が実現します。

銀行の融資部門

銀行の融資部門

RPA は、インテリジェント OCR を使用して、申請書類から申請データを抽出し、デジタル形式にします。情報が不足している場合は顧客に連絡し、完成した申請を DataRobot に転送して、リスクを評価し、金利を見積もります。すべての承認を得た後、RPA ロボットは融資に関する決定を顧客に送信します。

予測保守

予測保守

機器の故障を予測できれば、企業はコストを大幅に削減できます。適切な交換部品を手元に用意し、適切な保守担当者が早めに問題を修復するようにすることで、円滑な運用が維持されます。RPA は、サービスログを収集し、DataRobot を使って故障機器や障害を知らせることで、企業が問題の発生前に対応できるようにします。さらに、影響が予測される領域に警告を発するので、障害によって損失が大きくなる前に機器を修理できます。

コールセンターの電話転送

コールセンターの電話転送

顧客が企業に電話した際に、その電話がどのように転送されるかによって、顧客の企業に対する印象の良し悪しが決まることがあります。RPA は、多くの手順に従ってプロセスをシームレスに実行します。RPA は顧客のプロファイル情報を引き出してから DataRobot を呼び出します。DataRobot は、顧客が会話を希望する部門や、顧客の生涯価値、顧客離れのリスクを予測します。これにより、顧客の電話をより効果的に転送して、最適なコールセンター担当者が最も価値の高い顧客に対応できるようになります。

コールセンターのスタッフ配置

コールセンターのスタッフ配置

RPA は、通話量の履歴を調べて情報を組み合わせ、DataRobot を呼び出します。DataRobot 時系列アドオンは、将来的な通話量を予測でき、スタッフ不足の場合は管理者に警告します。需要予測に基づいてスタッフの配置をスケジュールできるため、待機時間や人件費を削減できます。

公衆衛生と安全性

公衆衛生と安全性

機械学習モデルは、複数の公的なデータソースを利用して開発できます。Medicare、National Provider Identifier(NPI)Database、CDC などの履歴データを使用してデータセットを統合し、処方された州ごとの医薬品やオピオイド系鎮痛剤による死亡数を集計することができます。すべての医薬品が州レベルでどのように処方されるかを理解することで、医療機関は非オピオイド系鎮痛剤と、この薬が国内のオピオイド系鎮痛剤による死亡率に与える影響との関係性を特定することができます。

従業員の減少

従業員の減少

企業は従業員の履歴データやカテゴリデータを調べて将来的な従業員の減少を予測し、新しい人を雇用したり、問題を修復するために必要な組織変更を行ったりして、一定の人材を確保できます。さらに詳しく分析することで、対処すべき将来的な人材不足を把握し、ビジネスパフォーマンスを最適化することもできます。

医療詐欺

医療詐欺

医療詐欺のすべての申し立てを調査することは非効率的で時間もかかるため、自動機械学習を使用して詐欺を予測すると効果的です。ソリューションは開発されるや否やすぐに時代遅れになることがあります。また、担当者があらゆる申し立てに対応することが困難な場合もあります。RPA と自動機械学習を活用すれば、リアルタイムで脅威の状況を監視し、詐欺による被害を回避することができます。

DataRobot 関連ニュース

DataRobot and UiPath Partner to Accelerate the Path to AI

10月 03, 2018
続きはこちら

DataRobotと​オートメーション・​エニウェア、パートナーシップを締結

12月 17, 2018
続きはこちら

RPA と AI の組み合わせによって組織を変革できます。

デモのリクエスト