投稿日
プロセスインテリジェンスは、エンタープライズ変革のあらゆる波において重要な役割を果たしてきました。リーン・シックス・シグマ（LSS）によるプロセス改善から始まり、自動化および分析の時代を経て、現在はagentic AI systemsによって支えられる自律型の時代においても、同様に重要な存在です。
エージェンティックシステム —推論し、行動し、最小限の人的支援で業務を遂行するよう設計されたインテリジェントエージェント— は、急速に核心的なビジネスオペレーションへ組み込まれつつあります。しかしテクノロジーが急速に進化する一方で、価値創出の鍵はそれらをスケール展開することにあります。そのためには、プロセス、データ、ワークフロー、ボトルネックに対する深い理解が不可欠です。
構造化された問題解決、データドリブンな意思決定、そして非効率の体系的排除を可能にするLSSの原則は、AIを支えるプロセスインテリジェンスにとって不可欠であり、持続的かつ長期的なAI活用の基盤を構築します。
本稿では、デジタル変革の進化と、エージェンティックAIライフサイクルの4つのフェーズにおいて、LSSを基盤としたプロセスインテリジェンスが果たす役割を解説します。
変革手法の進化
プロセスエクセレンスの時代（2000年代初頭）: プロセス変革とは、ばらつき、欠陥、無駄を削減することを意味していました。バリューストリームマッピングやDMAIC（定義・測定・分析・改善・統制）フレームワークは、構造的改善のための標準的なアプローチでした。
デジタルオートメーションの時代（2010〜2015年）: RPAやワークフローツールが普及する中で、自動化は壊れたプロセスを修復するものではないことが明らかになりました。LSSは、よく理解され整理されたルールベース業務を特定し、自動化によりビジネス価値を創出することを可能にしました。
予測分析の時代（2015〜2020年）: プロセスのデジタル化によりデータが生成され、AIモデルは問題発生前の予測を可能にしました。LSSは、信頼性の高いデータ入力と構造化されたアウトプット解釈により、モデルの信頼性と採用を支えました。
AIおよびエージェンティックAIの時代（2020年代半ば〜現在）: エージェンティックシステムは予測や提案にとどまらず実行します。しかし、このような自律性を機能させるには、整理されていないプロセスに単純に組み込むだけでは不十分です。LSSはワークフローの整備、測定可能な成果の定義、継続的改善の実現を支援します。
プロセスインテリジェンスとLSSをエージェンティックライフサイクルに組み込む
エージェンティックAIのライフサイクルには4つの重要な段階があり、LSSはそのそれぞれにおいて重要な役割を果たすことができます。
1. 適切なユースケースの特定
適切な出発点の選定が重要です。多くのAIプログラムはモデルの問題ではなく、誤った問題設定によって失敗します。
Define： VOC、SIPOC、COPQを用いて顧客課題や期待される成果、ビジネス優先順位を明確化
Measure： 時間分析、再作業率、スループット分析により基準値を設定
プロセスインテリジェンスの実践例
あるグローバル消費財企業では、数千件の顧客控除申請の処理において、価値の低い紛争追跡に多くの工数が費やされていました。LSSにより、最も工数が集中しインパクトの大きい領域を特定し、そこにエージェンティックソリューションを導入しました。
2. エージェンティックシステムの構築
AIエージェントは運用環境で進化し続けるため、継続的な調整が必要です。このためDMAICはエージェント開発ライフサイクルと高い親和性を持ちます。
Define： エージェントの役割と失敗条件の定義
Measure： 初回正答率、平均解決時間、エスカレーション率、信頼度スコアなどの測定
Analyze： 問題発生時の原因分析
Improve / Control： 信頼度閾値、フォールバック、異常検知アラートなどの設計
3. 実運用への展開
このフェーズで多くの導入が停滞します。モデルを構築するだけでは不十分であり、実際の業務プロセスに統合する必要があります。
プロセスの準備状況チェック：例外は定義されていますか？上流および下流のシステムは安定していますか？
役割の再定義：エージェントが失敗したとき、誰が対応しますか？どのような新しいスキルが必要ですか？
パイロット導入の段階設定：開始時点で、エージェントは業務の何パーセントを担当しますか？
運用監視：適切なパフォーマンスシグナルを捉えていますか？
LSSは、エージェント型システムを支える上流のデータパイプラインの安定化にも役立ちます。AIエージェントの有効性は、学習に用いられる、または運用時に扱うデータの質に左右されます。根本原因分析、プロセスマッピング、測定システム分析（MSA）といったLSSツールを適用することで、チームはマスターデータの不整合、リアルタイムフィードの遅延、あるいはデータの取得・変換方法における構造的な問題を特定し、解決できます。
バリューストリームマッピング、5S手法、ポカヨケ（エラー防止）などのツールを用いて、導入環境を整備することができます。その後、デジタル管理図やダッシュボードによって展開状況を監視できます。
エージェントティックAIとLSSの実践
グローバル製造業向けにジェンパクトのAP Suiteを導入するにあたり、チームは段階的な本番稼働計画に従いました：
実例（AP Suite）
- Week 1–2：北米の請求書の約10%
- Week 3–5：EMEAを含め約40%
- Week 6–8：全面展開
導入期間中、LSSは、地域全体で例外処理プロセスを標準化し、請求書の種類を分類し、エージェントに取り込まれるベンダーマスターデータをクリーンアップするのに役立ちました。3か月目までに、エージェントは少なくとも75%の取引を自律的に処理しました。
4. 持続的価値の創出
勝利を宣言する企業が多すぎます。エージェントが稼働した時点でそうしてしまうのです。しかし、真の価値が実現されるのは、ビジネス成果が恒久的に良い方向へ変化したときに限られます。
ここで、ジェンパクト独自のSmart Enterprise Processes（SEP）フレームワークが役立ちます。バリューツリーを用いることで、SEPは業務指標を次のような財務的インパクトへと遡ってたどります。
請求書保留案件を減らすエージェント → 滞留期間を短縮 → キャッシュフローを改善
問い合わせの解決を迅速化 → サプライヤー満足度を向上 → 納期遵守率を高める
より優れた分類ロジック → 振り分けミスの減少 → 手戻り作業の人件費を削減
| エージェンティックAIフェーズ | LSSのツールと役割 |
|---|---|
| ユースケース特定 |
Define/Measure
|
| エージェント開発 |
DMAICフルサイクル
|
| 展開・統合 |
|
| 価値創出・ガバナンス |
|
Figure 1: エージェンティックライフサイクルにおけるLSSの役割
LSSでエージェンティックAIの基盤を構築する
エージェンティックAIは業績の大幅な向上を約束しますが、その成功はテクノロジーだけでは保証されません。その可能性を最大限に引き出すために、組織は、標準化され、測定可能で、継続的に改善される、規律ある高品質な業務環境にエージェントを組み込まなければなりません。
LSSによって支えられるプロセス・インテリジェンスは、この基盤を構築するための有用な枠組みを提供します。機会の特定から、エージェントの開発、導入準備、継続的な価値実現に至るまで、LSSは、単に知的であるだけでなく、信頼性、拡張性を備え、戦略的な事業目標と整合したエージェント型AIシステムの構築を支援できます。
スピードと実験がしばしば業務規律を上回って重視される環境において、LSS主導のプロセス・インテリジェンスを活用することは、時間の経過とともにAIのインパクトを加速させ、事業成果への影響を複利的に高めます。
本稿は、ジェンパクトのエージェンティックAIグローバル・グロース・リーダーであるシュブロ・パルが執筆しました。
