業務自動化とAI導入

業務自動化とAI導入は、従来は人手に頼るしかないと考えられていた認識や判断を含む業務に、RPA、認識AI、生成AIなどの先進技術を適用し、効率化と自動化を図る取組である。先進技術はクラウドサービスやソフトウェアパッケージを通じて容易に利用できるようになったが、適用の可否と効果は業務の性質に応じて判断する必要がある。システムアーキテクトは、技術の選定と効果の検証を通じて導入を推進する役割を担う。

先進技術で自動化できる業務の範囲

これまでは、認識と判断のデジタル化の難しさや費用対効果の面から、システム化が困難で人手によってしか実現できないと考えられてきた業務が多くあった。 先進技術の普及により、こうした業務でも大幅な効率化や自動化が可能になり始めた。業務を見極める際には、その業務が認識、判断、生成、定型処理のどれに当たるかを整理することが出発点となる。

RPAは、パソコン上で行う定型的な事務処理をソフトウェアのロボットが代行する仕組みである。画面操作、データ入力、転記といった手順を、設定したルールに従って実行する点に特徴がある。 注文業務において、RPAツールで入力と連携を自動化し、個別入力を排除する適用例が示されている。

認識AIは、がん症例画像や正常画像を学習させることで、医療機関の画像診断においてがん疾患の発見を補助する用途に用いられる。 生成AIは、過去の発表文やコンサルタントの指摘内容を学習させ、発表の趣旨を与えることで発表文案を作る用途に用いられる。

導入前の概念実証と検証の進め方

AI技術を業務に適用する前には、概念実証（PoC）を実施し、実現可能性と効果を確認することが重要である。 PoCでは、仮説を立て、その仮説を検証するための情報システムを構築し、検証方法を立案して実行する。

例えば、外観検査をAIで行い、検査員と同等の精度を実現できるという仮説を検証する場合、欠陥がある画像と欠陥がない画像を収集し、検査員の合否判定結果を付与して学習させる。 その後、AIの検査結果を検査員の結果と照合し、AIの精度を測定する。 AIが誤った判定をしたデータは、傾向を分析して学習データを見直す工程に回される。