【翻訳】大規模な自動化：医療保険支払機関にとっての利点（Yuri Goryunov et al., McKinsey & Company）
AIによる要約：この記事は、医療保険支払機関における大規模な業務自動化の導入とその効果、課題、成功の鍵について述べたものである。自動化によって最大30%のコスト削減が見込まれ、加入手続きや請求処理、コールセンター対応といった業務が効率化される。ドイツやアメリカの事例では、RPAや機械学習を導入し、人手に頼らないプロセスへの移行が進んでいる。一方で、技術の乱立や従業員の不安、ビジネスとITの連携不足といった障壁も存在する。持続的な成果を得るには、戦略的ビジョンの策定、ビジネス主導の推進、人材再配置、専門中核組織（CoE）の設置などが重要とされている。
大規模なプロセス自動化は、現在ではほとんどの医療保険支払機関にとって実現可能となっている。他の次世代型デジタルツールと組み合わせることで、多くの医療保険支払機関が今後5年以内に運用コストを最大30パーセント削減できる可能性があると我々は見積もっている。
多くの業界が、完全なデジタルプロセス、包括的なセルフサービス、オムニチャネルの提供、利用可能なすべてのデータの完全な活用といった野心的なビジョンを描いている。プロセス自動化はこのビジョンを実現するための鍵となる要素である。ロボティクスや機械学習などの技術の最近の進展により、企業が大規模なプロセス自動化を実現することが容易になっており、この変化は企業の運営方法を根本的に変革し、効率性を大幅に向上させ、しばしば消費者満足度を高めている。
マッキンゼー・グローバル・インスティテュートによる分析（800を超える職種および2,000以上の業務活動を対象）*1 によれば：
- 世界的に見て、従業員が行っている活動のおよそ半分（約16兆米ドルの賃金に相当）が、既存の実証済み技術を用いることで自動化され得る。*2
- 自動化は、仕事を排除するよりもはるかに多くの仕事を変革する。現在の技術を用いた場合、完全に自動化できる職業は5パーセント未満である。しかし、約60パーセントの職業において、従業員の活動の少なくとも30パーセントが自動化可能である。
- 調査対象となった業界では、自動化可能性は27パーセントから73パーセントの範囲であった。医療業界においては、それは36パーセントであった。
大規模な自動化は、現在健康保険業者（医療保険支払機関）が直面している以下のような問題を解決しうる：コスト圧力の高まりにより、多くの医療保険支払機関が業務を大幅に改善する必要に迫られている。請求再処理や通話後の記録作成といった多くの請求査定業務およびコールセンター業務は非常に反復的であり、手作業で処理する場合にコストが高くつくため、自動化に適した候補である。
労働力は高齢化し、縮小している。
特に先進国においては、多くの医療保険支払機関の労働力が、従業員の退職年齢到達に伴って縮小しており、代替要員の確保はますます困難になっている。自動化は、自然減を効果的に管理し、残された労働力が高付加価値業務に集中できるよう支援することができる。
基幹ITシステムはしばしば変更が困難である。
ほとんどの医療保険支払機関では、基幹システムは容易に変更できず、それが必要な業務改善の実行を困難にしている。頻繁に見られる問題には、標準化と統合の欠如、複数の分断されたシステムにまたがるワークフロー（これらはしばしば重複した手入力を必要とする）、複雑な需要管理構造、そして最適とは言い難いITサービスプロバイダーとの関係が含まれる。大規模な自動化は、これらの問題に対処する手段のひとつである。それは、医療保険支払機関の包括的なデジタルプロセス変革の中核要素として導入された場合に最も効果を発揮する。成功するアプローチは、通常、コスト削減を超えた視点を持つ強力なビジネスリーダーによって主導される。自動化の取り組みを行う際に包括的な損益（P&L）の視点を採用することで、リーダーは、空いた従業員を最もビジネス価値の高い新しい業務に充てることを確実にし、それがしばしば新しい消費者向けビジネスモデルの実現を可能にする。
本稿では、医療保険支払機関が大規模な自動化の導入を検討する際に考慮すべき6つのトピックについて論じる：
- 基幹的な自動化技術
- 大規模自動化の影響
- 自動化のユースケース
- 大規模自動化導入の課題
- 持続的な効果を得るための鍵
- 大規模自動化を展開するための我々の推奨アプローチ
基幹的な自動化技術
現在、自動化を推進している基幹技術は5つある。*3
ロボティック・プロセス・オートメーション（RPA）は、組織がルーチン業務（例：データの抽出や整形）を既存のユーザーインターフェースを通じて自動化し、人間の行動を模倣することを可能にする技術の応用である。RPAを使用することで、いわゆるボットが作成される（ボットとは、自動化された、通常は反復的なタスクを実行するアルゴリズムである）。ボットは既存のユーザーインターフェースを利用するため、RPAは基幹ITシステムの変更を必要としない。
スマートワークフローは、人間と機械のグループによって実行されるタスクを統合できるように構成可能なプロセスマネジメント用のソフトウェアツールであり、ボットを通常のワークフローに統合できるようにする。
機械学習および高度分析ソフトウェアは、構造化データおよび非構造化データの中にあるパターンを識別するためにアルゴリズムを使用する。アルゴリズムによる出力が一定の信頼水準（多くの場合95パーセント）を超える場合、これらの技術は従業員の判断および意思決定の代替として使用することができる。
自然言語処理は、人間とテクノロジーの間のシームレスな相互作用を可能にする。これは、データからの観察結果を文章に変換したり、逆に文章をデータに変換したりし、人間の発話を模倣する。
コグニティブ・エージェントは、機械学習と自然言語処理を組み合わせることにより構築される完全に仮想的な存在（いわゆるエージェント）であり、タスクの実行、コミュニケーション、データセットからの学習が可能である。さらに、これらのエージェントは、論理、経験的学習、場合によってはクライアントの行動や感情の検知および予測に基づいて意思決定を行うことができる。
多くの医療保険支払機関は、大規模な自動化への道のりを、短期的なソリューションとしてRPAを導入することから始めている。この技術は、既存のITシステム内で一部のプロセス（またはその一部）を自動化することを可能にし、それゆえにこれらのシステムに大幅な変更を加える必要がなく、業務の中断リスクを大きく軽減する。ただし、RPAには限界もある。最大の利点は、通常、機械学習の音声アシスタント、コグニティブ・エージェント、自然言語処理といった他の自動化技術と併用することで得られる。
大規模自動化の影響
大規模な自動化は、企業に多くの利点をもたらす可能性がある。たとえば、労働力の効率性の向上、手動作業の需要の削減（自動査定およびセルフサービス機能の向上による）、新たな活動への従業員の再集中による収益増加、そしてしばしば消費者満足度の向上が挙げられる。特にデータの収集および処理における効果は顕著であり、これは医療保険支払機関および他の保険業者にとって特に重要である。というのも、自動化には、バックオフィスおよびサービス活動を以下の5つの主要な方法で改善する可能性があるからである：
コスト削減
テクノロジーおよび機械は、現在手作業で行われている業務の多くを代替することができる。我々の経験では、この変化により多くの医療保険支払機関で5年以内に平均最大30パーセントのコスト削減が可能となる。
サービスの迅速化
合理化されたプロセスおよび自動化された定型業務により、かつては数日かかっていた作業を数分で完了できるようになる。サービスおよび提供の迅速化は、会員、医療提供者、内部関係者に対するユーザーエクスペリエンスを向上させることができる。ただし、自動化がサービス提供の制限（例：一部のサービスチャネルへのアクセス制限）をもたらさない限りにおいて。
柔軟性の向上
テクノロジーおよび機械は24時間365日稼働可能であり、需要に応じてスケールアップまたはスケールダウンすることができる。これにより、以前には存在しなかった能力が生まれ、業務効率および柔軟性がさらに高まる。医療の変化のスピードがますます加速している中で、医療保険支払機関が競争力を維持し、市場で成功を収めるためには、俊敏性と迅速な適応力が極めて重要である。
リスクの低減を伴う品質の向上
自動化は、テストおよび品質管理のあり方を変えることができる。なぜなら、自動化によって得られる処理能力の増加により、抜き取り検査から全数検査（100パーセントの品質管理）への移行が可能となり、エラー率をほぼゼロにまで引き下げることができるからである。手動で行われていた作業を機械が引き受けることで、人為的なミスのリスクも低下する。
独自のインサイト
特に機械学習および高度分析を用いた自動化は、より大規模なデータセットおよび数百の新たな要因を生成・収集・分析することが可能となり、ビジネスパフォーマンスの要因を予測したり、重要な新たなインサイトを導き出したりすることが可能になる。
これらの利点を踏まえると、ビジネスのためのサービスとしてRPAやその他の自動化技術を導入する医療保険支払機関のIT部門が増加することが予想される。
成功するアプローチは、通常、コスト削減を超えた視点を持つ強力なビジネスリーダーによって主導される。
医療保険支払機関の事例研究：ドイツ
一部の先進的な医療保険支払機関は、大規模な自動化への道を歩み始めており、この事例および次に続く事例が示すように、実際の成功を収めつつある。
この企業は、ドイツの公的医療保険支払機関（SHI）である。最近、いくつかの他のSHIと統合し、効率性を高め、コストを削減したいと考えていた。また、縮小する労働力を補う方法を見つける必要があった。これらの目標を達成するため、SHIは大規模な自動化を含むデジタル・イノベーションを追求することを決定した。
最初の診断の段階で、SHIは、消費者のオンボーディング機能が、ロボティック・ソリューションを含むデジタル・プロセス変革にとって特に適していることを明らかにした。新規加入者の申込書の90パーセント以上が紙ベースであり、手作業で処理されていた。さらに、手作業処理を排除するために必要なロボティック・ソリューションの一部は、将来的に大規模なIT作業や支出を必要とすることなく、いくつかの他のバックオフィス・プロセスを自動化することを容易にするだろうと判断された。
加入者のオンボーディングを完全に自動化するため、SHIは新しいウェブベースのフロントエンドを開発し、RPAを導入することを決定した。これは、軽量で非侵襲的な技術であり、既存のITシステムおよびプロセスに即座に大規模な変更を加える必要がないためである。SHIは現在、以下の3つのステップを実行中である（7ページの図表参照）：
- 紙に手作業でデータを記入する必要を排除するために、SHIは消費者がウェブベースのフロントエンドを通じて記入できる簡素なフォームを作成した。このデジタルデータはリアルタイムでデジタル審査を受ける。この変更により、エラー率だけでなく、紙や物流要件の必要性も削減された。
- SHIは、異なるITシステム間で手作業により行っていた時間のかかるデータ転送プロセスを、ボットによって実行される自動化されたデータ転送プロセスに置き換えるため、ロボティック・ソリューションを使用している。この変更により、転送が迅速かつ効率的になった。
- 加入者のオンボーディングは、従業員による手動チェックと最終処理から、自動処理に移行している。このロボティック・ソリューションは、複雑または問題のあるケースを検出し、それらを従業員による審査処理に振り分けるように開発されており、ほとんどのケースではデータを自動で処理することができる。
SHIはこれら3つの領域で大きな進展を遂げており、次は新規加入フォームの補完に取り組む予定である。また、デジタルによる加入者オンボーディングのプロセスをすべてのチャネルで利用可能にする計画もある。各チャネルにおいては、加入者および従業員の双方が個別機能を備えたビューを持ち、将来の加入者に対してリアルタイムで支援を提供するライブのカスタマーサポートが利用可能となり、これにより消費者満足度の向上とコンバージョン率の最大化が図られる。バックエンドでは、同じボットがSHIの基幹ITシステムに自動的にデータを“供給”する。加えて、SHIはRPAおよび機械学習の活用を、企業内の多くの領域、たとえば市場開発、消費者サービス、健康保険給付、介護保険給付、商品および料金といった多岐にわたるプロセスへと拡大している。
これまでの結果から、SHIは目標の達成に近づいていることが示唆されている。一貫した成果と高い応答性を提供することで、自動化は効率と有効性の向上を可能にしている。さらに、定型的かつ反復的な作業の自動化により、SHIは縮小する労働力規模に対処しやすくなっている。
医療保険支払機関の事例研究：アメリカ合衆国
米国の大手全国規模の医療保険支払機関は、特定のユースケースに基づいて一部の領域でデジタルを導入していた。その後、デジタルを戦略の中心的要素としたいと決定し、基幹業務プロセスのより包括的でエンドツーエンドなデジタル変革に着手した。
この医療保険支払機関は、まず利害関係者、特に医療提供者にとって特に重要なエンドツーエンドのユーザージャーニーを特定することからこの取り組みを開始した。そして、提供者の人口統計データを正確に保有できていないことが、提供者コミュニティ内での大きな不満と、いくつかの下流の問題を引き起こしていることをすぐに認識した。もし提供者向けの「私のデータを更新したい」ジャーニーを改善できれば、提供者に対する体験が大きく向上し、かつ大幅な管理コスト削減を達成することが可能になると判断した。
このジャーニーをデジタル化するために、医療保険支払機関は以下を行った：
- 提供者が人口統計データ更新リクエストを提出し、その進捗を能動的な通知を通じて追跡できるセルフサービスポータルを作成した
- 比較的非構造的な形式でも提出可能なロスター更新のための単一の入力ポイントを設けた
- チーム間でのルーティングと協業のためのスマートワークフローを導入した
- プロセスの効率性と有効性を追跡・管理するための厳格な指標を特定した
- 「単一の信頼できる情報源」（他のシステムが常に最新情報を取得できるソースシステム）に基づき、下流システムを更新するためにロボティック・プロセス・オートメーションを活用し、矛盾するデータ入力を解決するためのスマートロジックを使用した
再設計されたジャーニーでは、提供者は人口統計データを更新できる直感的なインターフェースと、データ更新リクエストへの可視性を得られるようになり、その結果、サービスデスクへのフォローアップコールや請求否認後のエラー修正の必要性が最小限に抑えられている。医療保険支払機関は、デジタルでの業務受け入れを約60パーセント増加させたことにより、下流の手動業務を大幅に削減し、年間約3,000万米ドルの管理コスト削減という目標に近づいている。加えて、提供者データ関連の問題に起因する査定上の問題を約3分の1削減した。さらにこの医療保険支払機関は、ユーザー中心の設計、アジャイルな実行、強固なガバナンスといった重要な内部能力も構築している。現在も変革を継続中であり、およそ15の追加ジャーニーをデジタル化しようとしている。
自動化のユースケース
医療保険支払機関のバリューチェーン全体にわたって、自動化の機会が数多く存在している。我々の経験では、今後5年間において以下の領域が最も自動化の可能性が高い：
加入および請求
機械学習アルゴリズムは、保険プランの選定、引受査定、価格設定を支援することができる。自動化された、または自然言語処理によって駆動されるツールは、プランの加入手続きや請求に関する質問への回答を、カスタマーサービス担当者の関与なしに、自然な会話形式で完全に自動化することができる。
機械学習を活用した請求査定
我々の推計では、現在、請求査定の80〜90パーセントは自動で行われている。機械学習の支援により、自動査定率は今後数年で95パーセントを超える可能性がある。
事前承認
米国では、ほとんどの事前承認業務が現在手動で行われており、通常、自動化されているのは約25パーセントに過ぎない。我々は、自動化率が今後5年間で50〜75パーセントにまで増加すると見込んでいる。
医療記録のレビュー
我々の推計では、医療記録のレビューの自動化率は現在10パーセント未満であるが、数年以内に50パーセントに達する可能性がある。
消費者サービスのコールセンター
一部のコールセンターでは、インタラクティブ音声応答や機械学習を取り入れているが、多くは依然として消費者の電話対応や必要な業務の実行に人手を大きく依存している。我々は、自然言語処理やコグニティブ・エージェントといった技術のより広範な導入が、近い将来におけるコールセンターの自動化を加速させると見ている。
企業のサポート機能の運用
医療保険支払機関においては、これまでバックオフィス業務の自動化は限定的であった。RPA、動的キューイング、スマートワークフローといった自動化技術が、（例：加入者データの更新を自動化することで）近い将来これらの機能を劇的に変えると予想されている。
大規模自動化導入の課題
成果を生み出すには、医療保険支払機関は大規模自動化に関する実際的および認識上のいくつかの障壁を克服する必要がある。最も重要な障壁のいくつかは以下のとおりである*4：
ツールおよびボットの乱立により、数千ものツールおよびベンダーを把握することが困難になっている。ツールやベンダーの数が急速に増加したため、最も適した自動化手段を評価するための複雑性および時間が増加している。「標準プロセス」でさえ、複数の組み合わせや相互関係を含む場合があり、それらすべてをカバーするボットの開発は困難を極める。加えて、これらのボットは、変更およびリリースプロセスの厳密な管理を必要とする継続的な保守が求められる。さらに、ボットは複数の技術的課題を呈する：
- ボットは定期的な保守、アップグレード、サイバーセキュリティ対策を必要とし、すべてが継続的なコストを伴い、経営陣の集中も求められる。
- ボットの構成は、ボットが相互作用するプラットフォームの変更に追随するには柔軟性に欠けることが多い。
- 数千のボットを導入することは、技術スタックに新たなアーキテクチャ層を追加することになり、多忙でしばしば逼迫しているIT部門によるカスタマイズされたガバナンスおよび監督が必要となる。
- ボットのライセンス管理およびプラットフォームベンダーとの連携には複雑性や特殊要件が伴い、これらは通常、実装時に初めて表面化する。
この結果として、CIOが提案された自動化プログラムを保留にしたり、ベンダーが何か月もかけて開発したボットであっても、新たなボットの導入を許可しなかったりする事例がある。これは、プログラムを効果的にスケールさせるための解決策が整うまでの措置である。
持続可能な自動化はIT部門だけでは実現できるという誤解
持続可能な自動化には、組織全体の協力とコミットメントが必要である。したがって、医療保険支払機関がボットおよびRPAエージェントを導入する前に、自動化によって誰が・何が影響を受けるかを明確にマッピングすることが重要である。RPAツールが構築・依存することになるさまざまなリンクを特定・追跡・更新することはまったく新しい責務であり、それはIT部門が担うべきではないかもしれない。大規模自動化がどのように管理されるのか、そして誰がその責任を負うのかについての明確さは、RPAツールが拡大する前に必要である。
組織が、自動化をプロセス最適化のための複数の手段のひとつとして捉えているのであれば、その責任は業務プロセスの所有者に置かれるべきである。これによってのみ、組織は重要な分析力およびデジタルスキルを事業ラインに埋め込むことができる。
小さな「手軽な成果」の追求による大きな機会の見落とし
医療保険支払機関は、自動化による成果をアピールするよう圧力を受けることが多く、比較的重要性は低いが迅速かつ容易に実装できる機会に焦点を当てがちである。早期の成功を証明概念として達成することには価値がある一方で、全体戦略を策定し、より重要で長期的な機会に投資することが、自動化によって生まれる価値を捉えるためには不可欠である。
活動が損益インパクトに結びつかず、リターンが乏しい
大半の職種で業務の30パーセントを自動化することが可能であるとしても、それがそのまま30パーセントのコスト削減に直結するわけではない。人々は職務上さまざまなことを行っており、自動化ツールはその一部しか対象としない場合が多い。また、自動化ツールはしばしば局所的な問題点に対処するため、一つのボトルネックを解消しても問題がプロセスの別の場所や組織内の別の場所に移る可能性がある。さらに、自動化には特に技術とノウハウへの投資が必要である。したがって、自動化による財務的成果は当初の期待と一致しないことが多い。真に持続可能なコスト削減を実現するには、組織の根本的な変革が必要である。
品質・スピード・柔軟性の改善による価値を無視したコスト偏重視点
コスト削減は大規模自動化の主要な利点であるが、それが唯一のものではない。より良い顧客体験や品質・スピード・柔軟性の改善といった他の潜在的利点も、医療保険支払機関の長期的成功にとって重要である。これらの利点を認識・実証しやすくするために、それらを測定・追跡する指標を構築することが有効である。さらに、損益責任を持つ強力なビジネスリーダーを設置することで、自動化を最大のビジネス価値へとスケールさせることができる。
持続可能な自動化には、組織全体の協力とコミットメントが必要である。
雇用喪失に対する不安から生じる従業員の自動化への恐れ
自動化は一部の職を削減する可能性があるが、同時に新たな機会を提供し、付加価値のある業務に集中するための余力を生み出す可能性もある。たとえば、コールセンターの従業員は、長々とやり取りを記録する代わりに、積極的なサービスや販売に注力できるようになるかもしれない。従業員の理解と協力を得るには、企業全体での情報共有と、自動化の価値についての明確な説明が不可欠である。
従業員を問題解決者として扱い、自動化ツールを問題解決の手段として使いこなせるようにすることは、従業員の業務体験を向上させる可能性がある。ツールの操作を中央集権的に管理するのではなく、現場の従業員に権限を委譲し、ツールの仕組みや場合によっては設定やコード化の方法を教えることで、従業員の関与が高まり、組織内の継続的な改善が促進される。このような成果は、多くの企業が従業員の自立を支援するために現在導入しているアジャイル開発や継続的デリバリーといった他の取り組みと一致するものである。さらに、職が廃止される高パフォーマーは、組織内の他の役割への配置転換を検討される可能性がある。
サプライヤーへの依存が強すぎ、能力構築が不十分
システムインテグレーターやその他のベンダーは、自動化プログラムの導入支援や人員柔軟性向上のために専門知識と経験を持つ要員を提供することが多い。しかし、導入を外部サプライヤーにのみ依存する医療保険支払機関は、長期的に自動化をスケール・持続するために不可欠な内部能力を構築する機会を失っている。社内の従業員がベンダーと協働しながら導入を進めることで、将来の自動化業務を内製化するために必要な能力を構築することが可能であり、大きな利点が得られる。一人の医療保険支払機関のCIOは、この点を強調し、「こうした内部能力がなければ、業務プロセスの責任者は、自身が持つ設計の選択肢を理解することすらできない」と述べた。
大規模自動化によって創出された価値を持続させるために、成功している企業が実施している方法のひとつは、中央集権型の推進本部を設置することである。
持続的なインパクトを達成するための鍵
上記で述べた課題を克服するために、大規模自動化を導入しようとする医療保険支払機関は、成果に関するエンドツーエンドのビジョン、それを実現するための包括的な戦略、そして道のりを導くためのロードマップを策定しなければならない。我々の経験では、成功のために一般的に必要とされるのは以下の6つの要素である*5：
ゲームチェンジングな志
ビジョンを定義するために、成功している医療保険支払機関は、全体的な機会と懸けられている価値を理解することから始める。そして、全社的に野心的なビジョンを構築する。これには通常、競争優位性を生み出し、維持するための大幅なコスト削減およびコスト構造の抜本的な再構築が含まれる。その後、こうした志を達成するための道筋を示す高レベルの実行ロードマップを策定する。たとえば、将来的にコモディティ化が予想される定型的あるいは基礎的なプロセスをベンダーに移管することで、自社は長期的な競争力に不可欠なプロセスの自動化に集中できるようにする。
強力なビジネスオーナーシップ
損益責任を持つビジネスリーダーがビジョンと成果を所有することが極めて重要である。我々の経験では、このビジネスオーナーシップこそが、持続的インパクトの実現と、単なるコスト削減を超えた取り組みの範囲拡大の鍵である。従業員の時間を解放し、それを高付加価値業務へ再集中させることで大きな価値を生むことができるが、そのためには時間の再配分先を明確に優先づける必要がある。うまく実行すれば、自動化は顧客向けの新たなサービスを構築し、新たなビジネス機会を創出することができる。
人に焦点を当てること
大規模な自動化を導入しその真価を発揮する場合、たとえ職を失う従業員が少なかったとしても、重大な人員面の変化が生じる可能性がある。したがって、人事（HR）が最初からこの変革に関与することが重要である。人事は、再教育や新しい働き方の習得の調整を支援することができる。
また、人事は新たな労働力管理の実践を創出し、変化を能動的に管理し、分析を活用して従業員の再配置および再教育を支援するうえで重要な役割を果たすことができる。労働力の人口構成が変化する中で、人事はコールセンターなどで見られる高い自然離職率や、近い将来の退職予定者を活用して、強制的な解雇を最小限に抑えることができ、自動化を自然に生じている人員ギャップを埋める手段とすることができる。
IT部門の関与
既に述べたように、プロセス自動化の責任は業務プロセスの所有者にあるべきである。とはいえ、IT部門との密接なパートナーシップは不可欠である。なぜなら、IT部門はシステム全体のライフサイクルの設計、他の優先事項との兼ね合いを考慮した導入の管理、開発の支援、継続的な保守の実行を担っているからである。このパートナーシップを成功させるには、IT部門がプロセスの最初から、そして導入全体を通じて統合的な存在であることが必要である。この実現には、プログラムのステアリング委員会およびガバナンス体制が役立つ。
持続性を実現する社内能力の構築
大規模自動化によって創出された価値を持続するために、成功している企業が用いている方法のひとつが、中央に位置する推進室の設置である。その役割は、変革を統括し、大規模自動化ソリューションの迅速な展開を支援することである。COEがこの目標を達成するために用いるアプローチには、社内能力の構築、認定制度、標準化、ベンダー管理、再利用可能なソリューションの収集が含まれる。自動化に関するCOEは比較的小規模でもよい。なぜなら、必要に応じて、リーンオペレーションやプロセス最適化に特化した他のCOEから支援を受けることができるからである。
自動化COEが体系的な統制を整備する責任を負っている一方で、変革のビジネスオーナーシップおよび実行は、事業部門の中にあるべきである。
体系的な価値の獲得
既述のとおり、大規模な自動化の導入は、いくつかの早期成果と、より大きく長期的な機会の追求を組み合わせるべきである。変革のロードマップはこれを考慮に入れて策定されるべきである。成功している企業は、すべての事業部門を評価し、標準化と自動化の可能性の度合い、そして理論的に得られる可能性のある価値を検討する。そこからゼロベースで、価値を獲得するために必要な変更を特定する。特定された機会は、その後、順序立てられてロードマップに組み込まれる。
取り組みの初期段階から強力なビジネスリーダーが関与することで、全体的なビジネスオーナーシップが高まり、変革を最大限のビジネス価値に向けて導くことができる。
大規模自動化を展開するための我々の推奨アプローチ
大規模に自動化を成功させるには、医療保険支払機関は、適切な基盤を構築することに注意を払うべきである。これは通常、新しい技術の導入を含むが、最も重要なのは、マインドセットおよび全体的な業務モデルの変革である。我々の経験では、成功している医療保険支払機関は、自動化を本格的に進めるにあたり、以下のステップを取り入れていることが多い：
評価から始める
診断は、従業員が現在手作業で行っている反復的なプロセスを特定し、それを自動化した場合に生み出される価値を明らかにするための最善の方法である。さらに、自動化を大規模に導入した場合に懸けられている価値全体の規模も把握できる。
ビジョンを策定し、自動化を戦略的優先事項とする
ビジョンは野心的であるべきであり、組織全体を対象としなければならない。たとえば30パーセントといった積極的なコスト削減目標を設定し、コスト構造の抜本的再構築を含めるべきである。
自動化技術を体系的に導入するための戦略を策定する
どのプロセスを自動化するかを決めるだけでは不十分である。同様に（あるいはそれ以上に）重要なのは、正しい実行戦略を決めることである。理想的には、大規模自動化への移行は、より広範なデジタル業務プロセス変革の一部として行われるべきである。
戦略を実行に移すためのロードマップを策定する
初期段階では、ロボティック・プロセス・オートメーションに焦点を当てることで、最小限の業務中断で迅速な進展と成果を得ることができる。その後、より高度な自動化手法（たとえばコグニティブ・エージェントや機械学習）を追加することが可能である。いくつかの早期成果の必要性は重要だが、それによって大きく長期的な機会の獲得が見過ごされてはならない。
ビジネスオーナーシップを初期から構築する
取り組みの初期段階から強力なビジネスリーダーが関与することで、全体的なビジネスオーナーシップが高まり、変革を最大限のビジネス価値に向けて導くことができる。ビジネスの損益視点から自動化を推進することで、通常、単なる効率向上を超えて、追加のサービスやビジネスモデルの開発可能性が明らかになることが多い。
ベンダーにすべてを依存せず、IT部門の関与を確保する
多くの企業は、自動化ソリューションの設計および展開において、主に外部組織、特にシステムインテグレーターやその他のベンダーに依存している。このアプローチはベンダーへの強い依存を生み出し、社内能力の構築を妨げる。
推進室（COE）を設置する
能力構築を確保する有望な方法のひとつは、社内リソースを配置した推進室（COE）を設立することである。この組織は、変革を統括し、適切なグループが早期から関与するようにし、従業員に対して（必要に応じて外部専門家からの）OJTを提供する。
能力を事業部門全体に拡張し、ガバナンスを分散化する
業務プロセスの自動化に関する責任は、事業の関係者全体に連鎖的に伝播されなければならない。異なる事業部門の従業員は、自動化に関する考え方を向上させるための教育と訓練を必要とする場合がある。
単一ソリューションの構築とテストにとどまらず、コストと利益の両方を内製化する
変革の取り組みは、個別プロセス向けの自動化ソリューションのテストに焦点を当てるべきではない。その真価を発揮するには、エンドツーエンドのプロセスとターゲット業務モデルも考慮しなければならない。
マインドセットを変革し、人材管理を優先する
変革の取り組みがその可能性を最大限に発揮するために必要なもうひとつの要素は、組織全体にわたる基本的なマインドセットの変化である。この変化を実現するには、組織および従業員に合わせたチェンジマネジメントアプローチが必要である。
近年の技術的進展により、医療保険支払機関はさまざまな市場の課題により効果的に対応できるようになっている。今後数年で、次世代技術（大規模自動化だけでなく、デジタル化、高度分析、プロセス再設計も含む）は、効率とデータ品質を改善し、柔軟性を高め、加入者・提供者・その他の関係者にとってより良い体験を提供したいと考えている医療保険支払機関にとって決定的な要素となる可能性がある。これらの技術に対応できなければ、他の多くのデジタル化の取り組みも危険にさらされることになるだろう。
自動化におけるリスク
大規模自動化にはリスクが伴う。自動化の変革を設計・展開している医療保険支払機関は、以下の3つのリスクを特に念頭に置き、それらを軽減するための計画を能動的に策定する必要がある：
- ドキュメント化：ボットや自動化されたワークフローといった高メンテナンスの取り組みは、常に適切にドキュメント化されているとは限らない。このリスクを軽減するには、医療保険支払機関が中央リポジトリを作成し、自動化へのアプローチを統一することができる。
- ナレッジ移転：ボットは、RPAの専門知識を持つ特定の人によってしか保守できないことがある。そのため、変革の初期段階において、推進室（COE）から事業部門および部署内の主要な人物へのナレッジ移転を確実にすることが重要である。
- ビジネスとITの連携：RPAはしばしばビジネス主導で進められ、従来のIT部門にとって脅威と見なされることがある。その結果、IT部門の一部はRPAの取り組みの複雑性を人工的に高めてしまうことがある。リスク認識や不要な複雑化を回避するには、IT部門を早期から関与させつつ、組織内でRPAをどのように使用するかについて厳格なガイドラインを設けることが重要である。
*1:James Manyika et al., A future that works: Automation, employment, and productivity, McKinsey Global Institute report, January 2017
*2:我々は、自動化可能性を、現在の実証済み技術を採用することで自動化できる業務活動の割合と定義している。
*3:Federico Berruti et al., Intelligent process automation: The engine at the core of the next-generation operating model, McKinsey white paper, March 2017.
*4:Alex Edlich and Vik Sohoni, Burned by the bots: Why robotic automation is stumbling, McKinsey Digital Blog, May 24, 2017
*5:Federico Berruti et al., The transformative power of automation in banking, McKinsey white paper, November 2017.
