이 항목은 Assist Co., Ltd. (https : //www.ashisuto.co.jp/tech-note/article/20200414_ai.html)의 재 인쇄입니다.

ai (분석 지능, 인공 지능의 짧음)는 사람들이 자신의 작업의 효율성을 자동화하고 개선하고 새로운 지식을 도출 할 수있는 기술로 오랫동안 관심을 끌고 있지만, 역사는 놀랍게도 길고, 민간 기업과 지방 정부가 연구 분야에서 파생 된 상업용 제품을 상당히 소개합니다. 그러나 다양한 AI가 있으며 기계 학습, 전문 AI 및 RPA 및 AI의 명확한 사용 방법을 이해하기가 어렵습니다. 이 기사는 "크레이지 슬롯 기반 AI"에 중점을두고 "크레이지 슬롯 기반 AI"에서 구현의 사용 예와 과제에 이르기까지 모든 것에 대한 이해하기 쉬운 설명을 제공합니다.

회사에서 다양한 사람들이 매일 "지적 판단"을합니다. 예를 들어, 여러 Excel 파일의 정보를 눈으로 확인하고 하나의 파일로 처리하거나 어떤 종류의 애플리케이션 수락 작업에서 처리하고 응용 프로그램 내용의 결함을 확인한 다음 문제가없는 경우 다음 프로세스로 진행하는 등의 인적 판단이 필요한 작업이 있습니다.

제조 분야에서 장인의 마스터로 알려진 장인이 수행 한 프로세스는 하드웨어 (기계)를 사용하여 자동화에 의해 수작업으로 만들어졌으며 전반적인 생산성이 크게 향상되었습니다. 그러나 인간의 판단이 필요한 작업을 자동화하는 것은 매우 어려울 수 있습니다.

최근, "Rule-Based AI"는 두 번째 AI 붐에서 파생 된 회사의 기업 디지털 혁신 (DX)을위한 필수 도구로 주목을 끌고 있습니다. 이 크레이지 슬롯 기반 AI는 백인 노동자의 지적 작업을 대신하여 행동하는 사무실 로봇으로, 이는 하드웨어 자동화만으로 보상 할 수없는 인간의 판단이 필요한 작업을 자동화하려는 시도입니다.

크레이지 슬롯 기반 AI가 회사 내에서 표준 및 반복적 인 지적 판단 작업에 사용될 수 있다면 부분적으로 자동화 될 수있는 모든 작업이 자동화되어 전반적인 생산성 개선에 크게 기여합니다.

(관련 기사)
비즈니스에 "AI"를 적용하기위한 팁 및 관점

AI이지만 물론 다재다능하지는 않습니다. AI라는 많은 솔루션이 있지만 크레이지 슬롯 기반 및 기계 학습의 두 가지 유형의 솔루션은 각각 고유 한 강점과 약점이 있습니다. 크레이지 슬롯 기반 AI의 범위는 주로 "지적 지적 작업"을 자동화하는 데 적용됩니다. 예를 들어, 사람이 (정의 된) AI를 교육하는 경우 (두 데이터의 이메일 주소가 동일하다면, 중복으로 간주되고 통합 될 것입니다. 크레이지 슬롯 기반 AI 내에서 AI는 "교사! 제발 말해주십시오"라는 말을 통해 자동으로 감지하고 현명한 생각을 수정합니다.

그건 그렇고, 많은 수의 이미지를 독립적으로 배우고 사진에 고양이가 크레이지 슬롯 기반 AI가 아니라 기계 학습 유형 AI (IT와 기계 학습 유형 AI의 차이점에 대해서는 아래 참조)를 결정하는 AI.

이제 크레이지 슬롯 기반 AI의 전형적인 장점과 단점 중 일부가 있습니다.

[pros]

[cons]

크레이지 슬롯 기반 AI의 성장은 "아기"에서 "성인"으로가는 사람들의 성장과 유사합니다. 사람들은 태어 났을 때 아무것도 할 수 없으며, 어린 시절에는 부모가 가르치는대로 움직일 것이며, 가르침을 따르지 않으면 훈련을 받고 자랄 것입니다. 기업 활동도 마찬가지입니다. 신입 사원은 고위 직원의 작업을 처리하는 크레이지 슬롯을 배웁니다. 예외가 발생하면 고위 직원 및 상사의 지시에 따라 크레이지 슬롯을 암기합니다. 이러한 방식으로, 기업 활동은 반복적 인 "크레이지 슬롯"을 통해 달성되므로 크레이지 슬롯 기반 AI는 기업 지적 판단을 자동화하는 데 적합하다고 말할 수 있습니다.

요즘 비즈니스 자동화와 관련하여 가장 먼저 떠오르는 것은 "RPA"입니다. RPA는 로봇 공정 프로세스 자동화를위한 약어이며 로봇으로 프로세스를 자동화하려는 이니셔티브를 말하지만 광범위한 의미에서 AI는 RPA의 노력 중 하나라고도 할 수 있습니다. "RPA"라는 단어를 들으면 컴퓨터의 "작업"을 자동화하는 소프트웨어 로봇을 생각할 수 있지만이 자동화의 핵심은 "수동 작업"에 있습니다. 대조적으로, 크레이지 슬롯 기반 AI는 판단과 관련된 복잡한 처리 및 데이터 점검 프로세스에 능숙하며,이 자동화의 핵심은 "사고 작업"에 있습니다.

RPA와 기계 학습과 크레이지 슬롯 기반 AI의 주요 차이점은 지식을 구현하는 방법, 즉 "프로그래밍"이든 아니든간에. 내부적으로 RPA 또는 기계 학습을 사용하는 판단 부분 (표준 형식 만)을 구현하려면 시스템에 고유 한 언어로 프로그래밍이 필요하므로 프로그래밍 언어에 정통한 전문가의 영역이됩니다. 예를 들어, Excel 매크로조차도 처리 단계를 구성하고 Excel의 언어를 사용하여 지침을 작성할 수 있습니다. 출력 결과에 대한 RPA 도구와 기계 학습 판단에는 차이가 없습니다.

대조적으로, 크레이지 슬롯 기반 AI는 기본적으로 프로그래밍 개념이 없으며 물론 프로그래밍을 수행하지 않습니다. 복잡한 프로그래밍을 배울 필요가 없으며 일반적으로 GUI 대신 어휘를 사용하여 자동화하려는 결정을 "선언"하면됩니다.

크레이지 슬롯 기반 AI는 else 진술이라면 인간 정의 된 사람입니까? 이것은 때때로 말하지만, 상용 크레이지 슬롯 기반 AI 제품의 경우, 우리는 그때에만 선언합니다.

다시 말해, 많은 경우, 단일 결정과 복잡한 방식으로 결합 될 수 있지만, 각각의 논리적 무결성은 크레이지 슬롯 기반 AI 내부의 "추론 엔진"에 의해 검증되며, 소위 최소화 된 else는 자동으로 추출됩니다.

당사의 제품만으로 500 대 기업이 DX를 향한 "디지털 의사 결정 자동화", 즉 판단의 자동화를 해결하기 위해 크레이지 슬롯 기반 AI를 채택했습니다. 크레이지 슬롯 기반 AI가 회사 및 정부 기관에서 점점 더 인기를 얻고있는 이유는 보건 노동 복지부가 홍보하는 작업 스타일 개혁 때문입니다. 이 정의는 "출생률 감소 및 고령화 인구 감소와 고령화 인구의 감소"및 "근로인의 요구의 다양 화"와 같은 문제를 충족시키기 위해서는 투자와 혁신을 통해 생산성을 향상시킬 필요가 있으며 직원들이 동기와 능력을 완전히 활용할 수있는 환경을 조성하고 노동 생산성을 향상시켜야한다고 명시하고 있습니다.

다시 말해, 인구가 감소하는 사회에서도 서비스 수준을 낮추지 않고 현재 상황과 동일한 출력을 계속 생산하지 않으면이를 달성 할 수 없습니다. 구체적으로, 출력에 도달하고, 더 귀중한 작업에 중점을두고, AI의 숙련 된 직원에 대한 지식을 축적하고, 작업을 교체하고, 경험에 관계없이 모든 사람이 동일한 수준의 출력을 출력해야합니다.
크레이지 슬롯 기반 AI는이 프로모션에 가장 적합한 기술이며, 활용도가 가속화 된 속도로 진행되고 있음을 이해할 수 있습니다.

크레이지 슬롯 기반 AI 소개 효과

KDDI
・ 대상 운영을위한 자동 비즈니스 프로세스 세트를 달성하여 RPA 도구를 초과하는 비즈니스 효율성을 달성합니다
・ Aedan을 사용하는 비즈니스에서 남자 시간은 1/3 미만으로 줄어들었고 인간 오류가 제거되었습니다
・ ・ visible 및 베테랑 인원의 기술과 노하우를 공유하고 조직의 자산으로 상속받습니다

Legenda Corporation
・ 한 달에 482 시간을 소비 한 새로운 대학원 채용 작업의 78%를 차지한 375 시간을 성공적으로 줄였습니다.
・ 자동화가 비즈니스 프로세스를 통합함에 따라 개인화가 제거되고 오류가 제거되었습니다
・ 자동화 프로세스는 작업 시작 전에 종료되고 다음 작업을 즉시 인수합니다

토아 재 보험
・ 전문 지식이 거의없는 관리 직원조차 크레이지 슬롯 기반 평가 작업을 수행하여 감정인의 부담을 줄일 수 있습니다
・ 평가자는 이제 평가 이외의 업무에 집중할 수있어 고객 지원과 같은 새로운 기업 가치 창출
・ 평가 운영의 효율성을 향상시키는 것 외에도 노하우의 축적/공유 및 균일 한 평가 품질

(관련 기사)
KDDI 케이스 :RPA 영역의 상당한 확장! 복잡한 결정과 작업 연결이 포함 된 자동화로 비즈니스 스타일을 변환
Legenda Corporation 사례 연구 :개인의 판단 지점을 추가하여 달성 된 채용 지원 작업의 상당한 증가
TOA 재보험 사례 :크레이지 슬롯 생명의 질병 보험 언더 라이터에서 질병의 97%

설문 조사 결과에 따르면, 기업 및 지방 정부에 크레이지 슬롯 기반 AI를 도입하는 데있어서의 과제는 다음과 같습니다.

1) 응용 프로그램 작업 알 수없는
2) 소개의 영향은 알려져 있지 않습니다
3) 지상에 대한 이해 부족 (내 일을 잃는 것에 대한 두려움)
4) AI에 대한 이해 부족 (기계 학습을 오해하는 유일한 사람은 AI)
5) IT와 비즈니스를 모두 이해할 수있는 사람들의 부족

예를 들어, 정보 시스템 부서의 경우 일반적으로 시스템을 이해하지만 놀랍게도 회사의 현장 운영을 알지 못하며 응용 프로그램 운영은 가장 불분명합니다. 추가로 엔지니어는 종종 "AI가 기계 학습 임"임을 잘못 인식합니다. 또한 사람들이 액면가로 AI에 대한 감각적 인 기사를 취하고 AI가 직장을 빼앗는 것에 대한 두려움보다는 AI 자체를 거부하는 경우가 많습니다. 다음 페이지에서 "첫 번째 크레이지 슬롯 기반 AI"를 읽으시기 바랍니다.

또한 크레이지 슬롯 기반 AI를 도입 한 후에도 다음 사례는 효과적이지 않습니다.

1) 비즈니스 크레이지 슬롯이 없거나 처음에는 사이트에서 조직되지 않았습니다
2) 아무도 내부에 무엇이 있는지 이해할 수없는 제품을 선택했습니다
3) 비용 측면에서 불충분 한 제품을 선택했습니다
4) 우리는 우리 회사를 구축하고 유지할 수 없었고 결국 모든 제품을 Siers에 남겨 두어야 할 제품을 선택하게되었습니다

ai는 학습이 필요하며 어떤 방법으로 AI에 지식을 제공해야합니다. 그러나 제공된 지식과 학생들이 배우는 데 도움이되는 데이터 없이는 AI를 만들 수 없습니다.

그리고 더 많은 것은 AI이지만 궁극적으로 "IT 시스템"입니다. 장미 빛 미래를 만들기 위해 얼마나 많이 사용할 수 있더라도 불가피한 것은 AI의 작동입니다. 특히, 사용자 부서는 제품을 고려할 때이 "작동"단계에 대한 논의를 무시하는 경향이 있지만, 가장 중요한 단계는 운영 단계이며, 미래는 제품 기능과 AI를 지속적으로 육성 할 구조에 의해 결정될 것입니다.

많은 AI 제품에는 노하우와 높은 비용이 필요하므로 많은 회사와 사람들이 여전히 AI가 여전히 높은 장애물에 있다고 생각합니다.

그러나 크레이지 슬롯 기반 AI에 대해 걱정할 필요가 없으며 구현 및 운영에는 매우 고급 IT 기술이 필요하지 않습니다. 오히려, 필요한 것은 당신의 작업을 모델링하는 논리적 사고 능력입니다. 위에서 언급 한 구현 사례는 소위 사용자 부서 사용의 예입니다. 이들은 고급 IT 기술 없이도 자신의 AI를 만들 수 있음을 증명합니다.

크레이지 슬롯 기반 AI에 축적 된 지식은 회사의 재산이며, 그 지식은 계속해서 영원히 성장할 것입니다.
나는 많은 회사들이 Rule 기반 AI를 사용하여 비즈니스 개혁의 도전을 수행하고 잠재력을 느끼기를 바랍니다.