製品進化とマネジメント風景 第77話 業務自動化の進化とマネジメント
日本は昔から自動化が得意な国でした。特に機械の自動化、ハードウェアの自動化については常に最先端を進んできました。しかし、不思議なことにソフトウェアによる業務の自動化時代になって少し遅れ始めたように思います。
ハードウェアの自動化の代表例は、清涼飲料水、電車・バスの乗車券の自動販売機などです。これらは、お金を入れて欲しいモノのボタンを押すとそのモノが出てくる、おつりがある場合は計算して返金する、というシンプルなタスクの自動化です。
シンプルな自動化機能が出来るようになると、今後は複雑な自動化が求められるようになります。しかし、機械式では複雑なことはできません。当然ですが、そこから先はマイコンとソフトウェアの出番です。
マイコンとソフトウェアを組み合わせれば、相当に複雑な処理も自動化できます。だから、電話交換、工場内のモノの搬送はもちろんとして、目に見えないサイズの半導体検査等、どんどん自動化されていきました。これに対して、事務作業の自動化は進みが非常に遅かったと思います。ある意味で不思議です。
自動化しやすいものとしにくいものの境目は何でしょうか？ 思い当たることは３つあります。順に検討していきましょう。
１つ目は人間の判断が必要か否かということです。確かに人間の判断が必須の場合には自動化できません。しかし、事務作業で人間の判断が必要になることはそれほど多くはありません。
２つ目はその作業のプロセスがアルゴリズム化されていない、別の言い方をすると標準化されていないことです。アルゴリズム化できるのにもかかわらず、していない場合も確かにあります。しかし、多くの企業では、少なくとも人の頭の中において事務作業は標準化されてきています。
３つ目はというと、作業フローは標準化できているのだが、そのフローの中には人が介在しないと出来ないことが複数あるという場合です。例えば、手書きの文字をコンピューターに打ち込む、紙の領収書の金額と申請されたコンピューター内の金額が合致しているかを目で確認する、プリントした紙を穴開けしてバインダに閉じるなどです。
こうやって１つ１つ検討していくと、事務作業の自動化を阻んできた一番大きな要因は３つ目だろうと推定できます。しかし、今日ではこの障害が大幅に軽減されました。自動化できる条件が整ってきたのです。
ではその条件とは何でしょうか？ それは以下の４つです。ペーパーレス化が進んだこと、書類を簡単に写真撮影できるようなったこと（ウェブ情報の場合にはスクリーンショットを撮影できること）、その写真データをインターネットで社内の事務作業領域にアップロードできるようになったこと、最後にアップロードした写真データから文字を読み取るOCR機能の精度が向上したことです。
起点はペーパーレスです。これにより、コピー作業やバインダに閉じる、あるいはバインダを持ってきて参照するという作業が大幅に減りました。データファイルの中を検索すればいいからです。
もちろん、紙を読む方が頭に入るという人がかなり多いので、一時的にプリントアウトすることはあるでしょう。しかし、原本は電子化情報であり、紙は暫定メディアという扱いになってきました。ペーパーレス化が大前提であり、これが出来ていないと残りの項目の効果は大幅に下がってしまいます。
２番目の書類に写真撮影はスマートフォンが普及したことで簡単にできるようになりました。しかし、いくら写真を撮影できても、３番目のクラウド上のデータベースに瞬時にアップロードできるようになっていなければ、いつまでも書類を残しておかざるをえず、やはりペーパーレス化できません。
ここまででも、事務作業はかなり軽減されると思いますが、４番目のOCR機能が向上したことでさらに自動化が進みます。特に受発注や経費処理などの金勘定の数字の読み取り精度はかなり高くなってきています。
さて、このように自動化を妨げてきた作業が、主にカメラと画像処理技術の進化で可能になったので、数年前くらいからRPA、Robotic Process Automationというソフトウェアが売り出されるようになりました。
RPAで人気があるものを挙げると、Win Actor, batton, RoboTANGO, AUTORO, BizRobo, Ui-Path, Power Automate Desktopなどがあります。デスクトップ型は比較的安いですが、サーバー型だと結構な値段です。
投資効果があるかどうか、無料の範囲で試してみました。どんな事の自動化をしたかったかというと、まず、所定のWebサイトに行き、フルスクリーンショットを取り、次にそれをOCRで文字と数字を読み取り、テキストファイルに落とすという一連の作業です。対象のWebサイトの数は仮に100個とお考えください。
これをやってみて分かったのですが、RPAにやりたい作業の雛形がそのまま在る場合は便利なのですが、そうでないと色々と調べる必要があって、意外と準備に時間がかかることが分かりました。
個人的な評価として、こんなに面倒でしかもそれなりの費用がかかるならば、もっと大量の繰り返し作業でないと元が取れないなと感じました。同時に、もっと安くて柔軟な別の方法を考えたいなと思いました。
どういうことかと言うと、私も技術系の人間の端くれですので、プログラム言語をいくつか知っています。そうです、自分でプログラムを書いて自動化した方が、時間も短いし、痒い所に手が届く自動化が出来て楽だと気づいたのです。
プログラム言語としては、昔はBasicとFortranなどに人気がありました。しかし、今は様変わりし、人気言語は全く異なります。日本と米国と欧州では少しずつ人気の順番が変わりますが、python, JavaScript, Java およびC++あたりが上位に来ています。
言語ごとに得意、不得意がありますので、目的によって適した言語は変わるでしょう。ただ、事務作業の自動化についてはpythonが簡単で融通が利いていいですね。
Web、マイクロソフト・オフィス、画像処理、OCR、音声処理などのライブラリーが整っているので、手順の決まった業務ならば何でも出来てしまいます。また、もし、大量のデータを読み込んで機械学習をしたいと思っているならばpythonはお勧めです。
最近の新聞に、大手企業が大規模な学び直しを実施し、ＤＸ人材を倍増するという話が出てきます。データサイエンスを駆使して研究開発の効率を上げることが１つの狙いだそうですが、少し疑問を感じています。
確かにコンピューターで使える便利なソフトウェアが増えました。ですから、単純作業や、シンプルな判断のみを要する作業の自動化は進むでしょう。しかし、何かを発見しようとしたとき、一番重要なことは『仮説』を立てるスキルです。
説明を分かりやすくするために卑近な例を用います。今、あなたがエクセルファイルに暗号を掛けたのに、それを忘れてしまったとします。自分で掛けた暗号なので自分で解除しようとしました。
設定した暗号が数字だけならば、桁数がよほど大きくない限り、暗号解読ソフトを自作して走らせれば、普通のパソコンでも現実的な時間で探し当てることが可能です。しかし、もし、アルファベットと数字を組み合わせた暗号にしていた場合には、組み合わせ数がものすごく増え、現実的な時間で見つけることが出来ません。
その時、もし、パスワードの一部に英単語を使用していたことを思い出せば、Web上には英単語ばかり数万個集めたファイルがあるので、そこからデータを持ってきて使えば探し当てることができるでしょう。
何をいいたいかと言うと、いくらデータサイエンスが出来るようになったとしても、対象の問題の特徴をうまく抽出せず、無差別に力任せの計算をしたとしたら、上記の話と同様、現実的な時間で答えを得ることは出来ません。
ここで重要となってくるのが筋の良い『仮説』を立てるスキルだということです。問題が１つの狭い分野でクローズするならば、その分野の専門家がＤＸを駆使すれば成果が出るでしょう。意味はあるでしょうが、十分な投資効果が得られるは疑問が残ります。
なぜなら、今の時代は１つの専門分野だけで顧客価値を高めることが本当に難しい時代だからです。製品やサービスは、複数の異分野を組み合わせて特徴を出さないと差別化できない時代になってきたということです。
そのような状況にあっては、どんなに優秀であってもタコツボ的な専門家はあまり役に立ちません。複数の分野を横断的、あるいは俯瞰的に見通すという別のスキルも必要です。
学び直しには、是非、ＤＸだけでなく、横断的に物事を見れるスキルの強化も加えておくことをお勧めします。当社はその手のソリューションをいくつも持っております。ご興味のある方はぜひセミナーに参加ください。