Unassisted Task Mining 分析ガイド

はじめに

このガイドでは、プロジェクトが作成され、アクションの記録が完了し、分析の実行が完了した後の、Unassisted Task Mining の分析結果の操作方法について説明します。Unassisted Task Mining の結果を解釈して、最適化を見込めるタスクを特定する方法を習得する必要のある、ビジネス アナリスト、プロジェクト管理者などのユーザーを対象としています。このガイドでは、分析中に予期しない結果やノイズを処理する方法についても説明します。

結果を生成するために、AI アルゴリズムは、記録されたデータ内に出現する同じ一連のステップを探します。これはコンテキストを考慮せずに行われるため、タスクの候補の中には、実際のタスクを最初から最後まで完全にはキャプチャしていないものが含まれる可能性があります。

分析結果には、ビジネスの観点では関係を持たないタスクやステップが含まれる場合があります。これはノイズと見なされます。自動化の候補を特定するには、レビュー担当者が高質なタスクとノイズを区別することが重要です。

AI アルゴリズムによって識別されるタスク

AI アルゴリズムで特定されるタスクは、実際のタスクに沿ったものであることも、予期していたものとは異なることもあります。タスクの候補がすべて自動化に適しているわけではないため、レビュー担当者は示される可能性のあるさまざまな種類の結果に精通している必要があります。特定されるタスクの候補については、以下のような場合が考えられます。

1. 予期していたタスクが示されない
2. 予期しないタスクが示される
3. 1 つの実際のタスクが複数のタスクに分割される
4. タスクが実際の開始点や終了点を含まずに部分的にキャプチャされる

1. 予期していたタスクが結果に示されない

Unassisted Task Mining は、自動化やプロセスの最適化の候補として適している可能性のあるタスクを特定するためのアルゴリズムを適用します。AI アルゴリズムにより必ずしも何かを検出できる保証はありません。また、予想以上に部分的なプロセスや大きなプロセスを検出する可能性もあります。レビュー担当者は、このドキュメントに記載されている手順に従って、特定されたタスクが自動化に適しているかどうかを判断できます。Unassisted Task Mining は、既知のタスクを検出したり、あらゆるバリエーションや反復処理を選び出したりできる保証はないため、既知のタスクを監視するためだけには使用しないでください。Assisted Task Mining は、既知のタスクを文書化またはレビューするために使用するのに適しています。

2. 予期しないタスクが結果に示される

Unassisted Task Mining がタスクの候補を特定し、自動化の好機がどれだけあるかによって、タスクの候補をランク付けします。実際のタスクの開始から終了までが結果に反映されていない場合もありますが、レビュー担当者は、このドキュメントに記載されている手順に基づいて、それらを自動化に適した候補として特定することができます。

3. 実際のタスクが Task Mining の複数のタスクに分割されて結果に示される

The Unassisted Task Mining algorithm looks for the most frequently occurring and consistent sequence of steps. Depending on how consistently users executed the task, a real-life task may be split up into multiple tasks in the result. The end of one task may be the start of the next one. The task might still be suitable for automation or process improvement actions. In that case, we recommend exporting these subtasks to Process description documents (.docx).

4. タスクが実際の開始または終了なしで部分的にキャプチャされて結果に示される

AI アルゴリズムは、タスクとして最も一貫性のある一連のステップを特定します。さまざまなユーザーがタスクを実行する場合、タスクの中間点の方が開始点や終了点よりも一貫性が保たれる可能性があります。そのため、アルゴリズムはタスク全体ではなくこのサブタスクを候補として検出します。

これは、タスクの開始点や終了点に Outlook や Excel などの非常に多機能のアプリケーションが含まれている場合に発生する可能性が高くなります。これらのアプリケーションは複数のタスクで使用される可能性が高く、アルゴリズムがそれらの特定の出現をタスクの開始点または終了点として区別することは困難です。その場合は、ユーザーが実行したすべてのクリックを 100% カバーしていなくても、主流のタスクに的を絞ることをお勧めします。タスクが自動化の候補として適している場合は、欠落している開始点と終了点をオートメーションの構築時に追加できます。

分析するタスクの優先順位付け

記録されたデータによっては、Task Mining アルゴリズムにより多数のタスクが特定される場合があります。したがって、適切な自動化の候補とは思われないタスクに無駄な時間をかけないよう、レビュー担当者がどの候補をまず分析するかを考えて優先順位付けすることが重要になります。[結果] タブの [分析の概要] と [タスクの表形式ビュー] で、この優先順位付けのための情報を確認できます。

[結果] ページのタスクは、自動化の候補としての適格性に応じた順序で表示されます。リストの上位にあるタスクほど、自動化の候補として適している可能性が高くなります。「タスク 1」のタスクは、Unassisted Task Mining アルゴリズムにより、反復性や複雑さなどのさまざまな要因を考慮したうえで、最適な自動化の候補として特定されています。このランク付けは Task Mining で得られる結果の全体的な質を示すものではありませんが、「タスク 1」は「タスク 10」よりも自動化の候補として適している可能性が比較的高くなります。

既定のランク付けに基づいてタスクを分析すると、そのタスクは自動化の見込みが高いものの、タスクの開始から終了まで全体が自動化に適しているわけではないことがあります。 その場合は、別のランク付けに基づいて代替タスクの候補を確認することをお勧めします。 レビュー担当者は、タスクの表形式ビューの列ヘッダーの並べ替えアイコンを選択することで、標準のランク付けを変更できます。 これにより、さまざまなメトリックに基づいて、自動化の見込みが高いタスクを特定できます。 代表タスクが見つかったら、それを選択して [お気に入り] としてマークできます。

上位ランクのタスクに注目します。 一般に、タスクはランクが高いほど質も高くなります。 通常、10 または 20 より下のランク付けがされたタスク候補は質が劣ります。

さまざまなタスクのメトリックを調査します。 各タスクには、記録ユーザーがこのタスクに費やした合計時間、このタスクを実行した記録ユーザーの数、タスクのアクション数の中央値など、さまざまなメトリックが表示されます。 分析でこれらのメトリックを検討し、プロジェクトのビジネス コンテキストに基づいて独自の基準を適用します。

たとえば、あるタスクが別のタスクと比較して合計時間、トレースの数、およびアクション数がはるかに低い場合は、そのタスクの自動化の見込みが低いことを示している可能性があります。 ただし、AI アルゴリズムによって特定されたすべてのタスクの合計時間はどの程度であるべきかという全体的なガイドラインはありません。 この合計時間は Task Mining の全調査を対象としています。これらのメトリックは必ず特定のプロジェクトのビジネス コンテキストにおいて解釈するべきです。

お気に入りを利用し、機能名を変更します。異なるタスクをより深く分析するために優先順位付けするときには、何が優先順位付けされていて、既に分析まで済んでいるのか、全貌を把握しておくことが重要です。タスクをお気に入りとしてマークしたり、タスクの名前をわかりやすい名前に変更したりすると、分析を構造化するのに役立ちます。

個々のタスクの分析

レビュー担当者は、さまざまなタスクを優先順位付けした後に、分析を開始できます。以下のセクションでは、レビュー担当者のために、分析時の留意事項をいくつか示してから、分析ビュー内での移動方法をステップ バイ ステップで説明します。

分析時の留意事項

ステップは画面に基づいています。タスクとそのステップは一意のユーザー インターフェイス/画面レベルで表示され、個別のクリック アクションや入力アクションを表しているわけではありません。同じ画面上で発生する複数のクリック アクションや入力アクションは、通常、AI アルゴリズムによって 1 つのステップにグループ化されます。そのため、グラフでは、個々のクリック アクションや入力アクションが表示されることはありません。

タスクがタスクとして認識されるには、少なくとも 2 つのステップ (画面) が特定される必要があります。Task Mining のアルゴリズムでタスクを特定するには、そのアルゴリズムが明確な開始ステップと終了ステップで構成されている必要があります。したがって、1 つの画面上でのみ実行されるアクションは、タスクとして認識されません。

ステップは、どのタスクでも共通です。ステップは、1 つの特定のタスクに結び付けられているわけではありません。 あるタスクで発生するステップは、別のタスクでも発生することがあります。

PII のマスキング アルゴリズムによって、誤ってマスクされたり、PII としてマスクされなかったりすることがあります。個人情報 (PII) モジュールは、画面上の PII を検出する AI アルゴリズムです。このアルゴリズムによって一部の PII がマスクされなかったり、PII ではないテキストがマスクされたりといった間違いが起きることがあります。どのような間違いが起きるかは、画面上で検出されるテキストや、単語自体のコンテキストによっても異なります。テキストが OCR で正確にキャプチャされていなかったり、一部がカットオフされていたりする場合は、マスクされないことがあります。また、画面上の他の単語が異なる場合、同じテキストが画面によっては PII ではないものとして識別される可能性があります。

トレースの調査時にタスクが視覚的に意味をなしていない場合は、高質なタスクではない可能性があります。アルゴリズムは、ノイズである無関係なタスクを、特に低ランクのタスクで検出する場合があります。これらのタスクは短かかったり、長かったりします。いくつかのトレースを調べた後でそれが明らかになったら、それ以上の詳しい調査は不要です。

プロセスの「大半」の部分に的を絞る (80/20 ルール)。タスクは、予期していた実際のタスクに完全に沿ったものではなく、その一部をカバーしていることがあります。既に説明したとおり、タスクを実行する記録ユーザーによるアクションがさまざまである場合、タスクの特定のステップが他のステップよりも一貫性があり、アルゴリズムがタスクの開始から終了までの全体ではなく、タスクの特定のステップのみを検出することがあります。

タスクは、ステップが欠落していたとしても自動化に適している可能性があります。これらの欠落した手順は、自動化の構築時に追加できます。

結果をスクロールする。タスクのトレースと、ステップのスクリーンショットは、日時順に表示されています。そのため、リストをスクロールして、複数のポイントで結果をレビューすることをお勧めします。

ステップ バイ ステップの分析

発見されたタスクの候補を詳しく分析するには、以下の手順に従います。これは、自動化の候補とノイズを区別するのに役立ちます。

1. タスクの候補の開始ステップと終了ステップを分析して、その質を判断します。
   • バリアントを選択し、バリアント内のトレースを選択します。 これにより、タスク グラフがアクティブ化され、このトレース内のステップのスクリーンショットが表示されます。
   • ステップをクリックすると、画面の下部にスクリーンショットが表示されます。
   • 記録ユーザーが実行したアクションを把握するために、タスクの候補の開始ステップと終了ステップのスクリーンショットを確認します。使用されるアプリケーションと実行される処理に一貫性があるのが高質なステップです。開始ステップまたは終了ステップのスクリーンショットに多くの異なる画面やアクションが表示される場合、そのタスクの候補のトレースに一貫性がないことを意味します。これは、タスクの候補が自動化に適さない可能性が高いことを示しています。
   • スクリーンショットは日時順に並べられます。したがって、リストの先頭、中央、末尾のスクリーンショットをレビューするようにしてください。
   • ステップの名前を変更します。そうすれば、レビューされたステップの概要を常に把握しておくのに役立ちます。
2. タスクの候補の主要なステップを開いてレビューします。
   • バリアントを選択し、トレースを選択して、グラフの中央にあるステップをクリックします。 これにより、ステップのスクリーンショットを確認できます。 不整合なステップが多少あっても問題ありませんが、自動化の見込みが高いタスクの候補では、大半のトレースに共通するグラフの中央に、少なくともいくつかは高質なステップが存在するのが理想的です。

   • ステップの名前を変更します。そうすれば、レビューされたステップの概要を常に把握しておくのに役立ちます。

3. トレースを確認する
   • トレースは新しい順に並べられます。リストの先頭から中央、末尾へとトレースをレビューすることをお勧めします。

   • 高質なタスクの候補には、類似のトレースが多数含まれ、以下のような特徴があります。

     • トレースの中間に同様のステップがあります。
     • トレースは、ビジネスの観点からも意味があります。
     • スクリーンショットで、処理対象の項目のトレース情報が各トレース内で同一であっても、トレース間では異なるかどうかを確認します (例: 発行 ID、顧客名、請求書番号など)。請求書番号は複数のトレースに表示されることがありますが、各トレースは請求書の異なる行に対応している可能性があるため、適切なレベルでこの分析を行うようにしてください。
   • トレースの分析中にタスクの候補の質が低いと判断した場合、それらは重視せず、優先度リストの次のタスクの候補に移ることをお勧めします。

   • 低質のトレースをフィルター処理して除外します。高質のタスクの候補であっても、アルゴリズムの間違いによる低質のトレースがいくつか含まれます。これらのトレースは、多くの場合、他よりもはるかに長いか短く、ノイズや無関係なアクションが含まれています。そのようなトレースは、検索バーの横にあるフィルターを適用して、削除します。ヒストグラムに基づいてフィルターを調整し、トレースをフィルター処理してください。

     多くの場合、高質のトレースはヒストグラム内でより大きなバンプを形成します。エッジの、ヒストグラムのメイン バルクから遠く離れたところに小さなピークがある場合は、スライダーを使用してそれらを削除し、タスク グラフとトレースが改善されているかどうかを確認することをお勧めします。ステップやアクションの数が非常に少ない、または多いトレースは、適切なタスクの候補ではない可能性があります。

   • 目的のステップがグラフに表示されていない場合は、[フィルター] パネルで目的のステップをフィルター処理できます。

自動化候補のタスクを選択したら、選択したタスクを Automation Hub にエクスポートして、自動化のアイデアを提出することをお勧めします。

ステップの名前を変更する

ステップの名前を変更すると 2 つの目的に役立ちます。第 1 に、ステップが解釈しやすくなります。第 2 に、高品質なタスクとノイズを区別できます。ステップは複数のタスクで使用される可能性があるため、名前を変更すると、ステップを次のタスクで再度レビューする手間が省けます。以下にベスト プラクティスをいくつか示します。

• 高品質なステップ: 名前を「アプリケーション名 + 動詞 + 名詞」に変更します。アプリケーションはフィルター処理できませんが、ステップ名はフィルター処理できます。タスクで複数のアプリケーションが使用されている場合、これによって分析が容易になります。
• ノイズ ステップ: 名前を「noise」に変更します。