ポイント: ビジネス主導の自動化は、生成AIとともに進化しており、非技術的ユーザーがワークフローの効率と適応性を向上させることを可能にします。このシフトにより、ビジネスチームは自動化を直接作成および管理できるようになり、ITへの依存が減少します。
- 生成AIは、ユーザーが自然言語を使用してワークフローを作成できるようにし、自動化をアクセス可能にします。
- 組織は、自動化ソリューションにおいて従来の技術サイロよりもビジネス成果を優先しています。
知識が存在する場所に能力を置く
保険引受人が請求を評価する際、彼女は何年ものパターン認識の経験を活用します。彼女が見たエッジケース、彼女が学んだ例外、マニュアルに載らなかった判断がそこにあります。彼女の会社がそのプロセスを自動化することを決定したとき、彼女は要件をITに渡し、待ちます。数週間後に届くのは、単純なケースを処理するものです。残りは依然として彼女を必要とします。そして、数十億の投資が自動化プラットフォームにされても、このパターンは企業間で続いています。要件は翻訳の中で簡略化され、エッジケースはその記載をしなかった人には明らかに見えたために省略されます。経験豊富な頭の中にある判断はそこに留まります。解決策は、要件収集に費やす時間を増やすことではありません。自動化を誰が最初に構築するかを再考することです。私は私たちが転換点にいると信じています。自動化の重心がITからビジネスに移行しており、この変化を認識し適応している組織は、そうでない組織よりも先に進むでしょう。
自動化所有権の問題
数十年の間、自動化はITの領域でした。そして、それには良い理由があります。ワークフローを構築することはコードを書くこと、システムアーキテクチャを理解すること、複雑な依存関係を管理することを意味しました。ITがそれを所有したのは、その仕事がほとんどのビジネスチームにはない技術的専門知識を必要としたためです。しかし、そのモデルには根本的な弱点があります。ビジネスを理解している人は、自動化を構築している人ではありません。ビジネスユーザーにとって明白なことは、要件に決して反映されません。経験豊富な専門家が直感的に扱うエッジケースは、文書化するには非常に複雑になります。何年ものパターン認識の中で構築された論理は、ニュアンスを見逃した簡略化された仕様に還元されます。その結果、自動化は予測可能な80パーセントを処理し、重要な20パーセントで破綻します。私は過去1年にわたり多くの企業リーダーと話をしました。大手金融サービス会社のCIOはシンプルに言いました。「ビジネスユーザーはITユーザーの10倍います。なぜ私たちはITにビジネスが最もよく知っていることを自動化させようとしているのですか？」
なぜローコードとノーコードは不十分だったのか
業界は数年前にこの問題を認識しました。その回答は、ローコードとノーコードプラットフォームでした。技術的な障壁を減らし、自動化をより多くの人々にアクセス可能にする。これは正しい本能でした。しかし、実行は不十分でした。ローコードソリューションは、いくつかの複雑さを削減しましたが、依然として技術的思考を必要としました。ビジネスユーザーはプロセスが洗練されると壁にぶつかりました。ノーコードの代替手段は、能力を犠牲にすることで単純さを実現しました。基本的なタスクには問題ありませんが、実際のビジネス価値を生む複雑なワークフローには不十分です。どちらのアプローチも、より深い問題を解決しませんでした：脆さ。ビジネスユーザーがワークフローを構築できても、条件が変わるとそれらのワークフローは壊れてしまいます。従来の自動化は決定論的な論理に基づいて動作します。データが予期される形式で到着し、プロセスが予測されたパスに従い、何も変わらないときに完璧に機能します。現実が逸脱するその瞬間—予期しないフィールド、新しいシナリオ、変わったビジネスルール—それは壊れます。2025年のEMAの研究によると、400社以上を対象にした調査で、ハイブリッドおよびマルチクラウド環境全体での自動化管理の複雑さが、組織が自動化を展開するのに苦労している主な理由の1つであることがわかりました。企業は、複雑な環境での変動性を処理するために自動化を信頼していません。したがって、範囲を制限し、手動のフォールバックを維持し、予想した変革を決して実現しません。ビジネスチームに必要なものと彼らが構築できるものとのギャップは埋まっていません。
AIがビジネス自動化を変える方法
生成AIはそのギャップを埋めています。人間の判断を置き換えるのではなく、ビジネスチームが参加することを妨げていた障壁を取り除くことで。シフトは3つの次元で起こります：
- ワークフロー作成 – 自然言語インターフェースは、実務者が会話形式で必要なものを説明できるようにし、AIが意図をワークフロー論理に翻訳します。ビジネスプロセスを理解しているが技術的なトレーニングを受けていない人が、以前は専門的なスキルを必要とした自動化を構築できます。
- 運用の可視性 – AI駆動のアシスタントは、「過去24時間に失敗したワークロードはどれですか？」という質問に、リアルタイムでログ、メトリクス、および実行履歴を分析することで答えることができます。かつては複数のシステムをナビゲートすることが必要だった知識が会話を通じて利用可能になります。
- 適応性 – AIは、決定論的システムでは不可能な方法で変動性に対応します。予期しない形式で到着するデータ、明示的にプログラムされていなかったエッジケース。従来の自動化が壊れるシナリオは、管理可能なバリエーションになります。
これらの機能のいずれも人間の判断を置き換えるものではありません。むしろ、ビジネスを理解している人々が、かつてはITの独占領域だったシステムと直接作業できるようになります。
組織がビジネス主導の自動化を採用する方法
組織は、自動化を評価し選択する方法を変えています。従来の技術サイロアプローチ—各カテゴリの最良のツールを選択すること—は、ビジネス成果の評価に取って代わり、問題を解決するために必要な複数の自動化機能を一緒に評価するようになっています。ビジネスチームの使いやすさが標準の選択基準になりつつあります。企業は、ITチケットを提出せずに運用チームが設定できるツールを求めています。彼らは、ビジネスユーザーがレポートを待たずにカスタマイズできるダッシュボードを求めています。彼らは、ビジネスアナリストが要件の変更時に安全に変更できるワークフローを求めています。一部の企業はさらに進み、ビジネス機能の中にIT専門家を組み込んで、技術的能力とドメイン専門知識を融合させたハイブリッドチームを作っています。しかし、最も有望な道は、最初から必要とされる専門知識を減らす技術です。実務者が必要なものを自然言語で説明できるAI駆動のワークフロー作成。日常業務に専門知識を直接持ち込む会話型インターフェース—それがメインフレームの知識であれ、ビジネスチームのための運用の洞察であれ。知識が埋め込まれた、作業が行われる場所で、別のツールで別のトレーニングを必要としない。
ビジネス主導の自動化の未来
今後の道は、ITの制御とビジネスの自由の間で選択することではありません。実際の複雑さを処理できるほど洗練されているシステムを作りながら、ビジネスチームが所有できるほどアクセス可能であることです。このシフトを導く3つの原則があります：
- 知識が存在する場所に能力を置く – 結果を理解している人々は、その理解を直接行動に移すためのツールを持つべきです。
- 既存のワークフローに知能を埋め込む – 別のツールとトレーニングを必要とするAIは摩擦を加えます。実務者が働く場所で彼らに合ったAIはそれを取り除きます。
- 効率だけでなく変動性を設計する – 現実が逸脱したときに壊れる自動化は自動化ではありません。それは負債です。
これらは単なる理想的な目標ではありません。自動化がその約束を果たすことを望む組織にとっての実用的要件です。リスクを評価する方法を正確に知っている引受人は、それを行う自動化を構築すべきです。ワークフローの依存関係を理解している運用マネージャーは、それらをどのように実行するかを設定すべきです。データのパターンを見る財務チームは、それに基づいてどのように行動するかのルールを作成すべきです。問題は、組織がこのシフトを受け入れるか、それともビジネスが既に知っていることをITに翻訳させ続けるかです。
これらの原則が私たちの最新リリースにどのように影響を与えているかを探る：
これらの投稿は私自身の見解であり、必ずしもBMCの立場、戦略、または意見を表すものではありません。