AI時代の業務自動化〈第3回〉RPA・AI・AIエージェントをどう組み合わせる？

公開 2026年08月06日

運営・効率化

ECに関するご相談、お問い合わせはこちら

第1回では、RPAとAIの違いや、AI時代におけるRPAの役割についてご紹介しました。

第2回では、AIエージェントが目的に応じて手順やツールを選ぶ仕組みであること、そしてAIエージェントが普及しても、決められた処理を確実に実行するRPAの役割は残る可能性があることを取り上げました。

それでは、実際の企業業務では、RPA、AI、AIエージェントをどのように組み合わせればよいのでしょうか。

大切なのは、最初から利用する技術を決めることではありません。現在の業務を整理し、それぞれの工程に適した技術を配置することです。

最終回となる今回は、具体的な業務例をもとに、これからの業務自動化を考えるうえでのポイントをご紹介します。

自動化は「作業単位」から「業務全体」へ

これまでのRPA導入では、一つの作業を対象にするケースが多くありました。

例えば、Excelから基幹システムへの転記、Webサイトからのデータ取得、月次帳票の作成などです。ファイルの移動や名称変更、定型メールの送信も、よくある自動化の対象です。

もちろん、こうした作業を自動化するだけでも、担当者の負担を減らす効果があります。

一方、実際の業務は、一つの操作だけで完結するとは限りません。

例えば、注文書を受け取ってから受注登録が完了するまでには、メールやFAXの受信、注文内容の読み取り、取引先や商品の確認、在庫確認、基幹システムへの登録、登録結果の確認、関係者への連絡といった複数の工程があります。

この一連の業務には、決められた手順を繰り返す作業だけでなく、文章や帳票の読み取り、商品や取引先の特定、例外の判断なども含まれます。

RPAだけですべてを処理しようとすると、条件分岐が増え、シナリオが複雑になりやすくなります。一方、AIだけでは、既存システムへの確実な入力や、決められたルールに沿った処理を安定して続けるための仕組みが別途必要です。

そこで、業務全体をいくつかの工程に分け、それぞれに適した技術を組み合わせます。

RPA・AI・AIエージェントの役割を整理する

RPA、AI、AIエージェントは、似た場面で使われることがありますが、担う役割は同じではありません。

AIは、文章や画像、帳票などの内容を読み取り、分類や要約、情報の抽出を行うことを得意としています。例えば、メールの内容を確認して問い合わせの種類を判断したり、注文書から取引先名や商品名を取り出したりする役割です。

AIエージェントは、目的や状況に応じて、次にどの処理を行うか、どのツールを利用するかを選ぶ役割を担います。必要な情報が不足していれば別のデータを調べ、通常処理か例外処理かを判断することも考えられます。

RPAは、AIやAIエージェントが決めた内容を受け取り、既存の業務システムへの入力やファイル操作など、決められた処理を確実に実行します。

そして、すべてを自動化できない場合や、重要な判断が必要な場合には、人が確認します。

AIが内容を理解し、AIエージェントが進め方を選び、RPAが実際の操作を行い、人が重要な判断を担う。それぞれの役割を分けることで、無理のない業務自動化を設計しやすくなります。

注文処理ではどのように組み合わせるのか

注文処理を例にすると、まずAIやAI-OCRがPDFや画像から注文内容を読み取ります。取引先名、商品名、数量、金額、希望納期などを抽出し、表記の違いを含む商品名や取引先名を確認します。

次に、AIエージェントが読み取り結果を確認し、どの処理を行うべきかを判断します。在庫の確認が必要であれば在庫システムを参照し、通常の注文であれば受注登録へ進みます。

一方、初めての取引先や、商品を特定できない注文、通常より金額が大きい注文については、担当者の確認へ回すことができます。

実際の基幹システムへの入力はRPAが担当します。決められた項目へ注文情報を入力し、登録結果を取得します。処理が完了した注文書を所定のフォルダへ移動し、管理表へ結果を記録するところまで自動化できます。

このように、同じ注文処理の中でも、内容を読み取る工程、処理方法を判断する工程、システムを操作する工程では、それぞれ適した技術が異なります。

ケーススタディ：問い合わせ対応を業務全体で自動化する場合

ここでは、企業の問い合わせ窓口に届くメールやフォームの内容を確認し、担当部署へ引き継ぐ業務を考えてみましょう。

従来は、担当者が問い合わせを一件ずつ読み、内容を確認していました。商品についての質問なのか、見積依頼なのか、注文内容の変更なのかを判断し、必要に応じて顧客情報や注文履歴を調べます。

その後、問い合わせの内容を管理表へ登録し、担当部署へ転送します。添付ファイルがある場合は所定のフォルダへ保存し、担当者へ対応を依頼します。

問い合わせの件数が増えると、内容を確認して振り分けるだけでも時間がかかります。また、担当者によって分類方法が異なると、適切な部署へ届かなかったり、対応状況を追いにくくなったりすることがあります。

AIが問い合わせの内容を理解する

まずAIが、メールの件名や本文、問い合わせフォームの入力内容を読み取ります。

商品に関する質問、見積依頼、納期確認、注文変更、不具合の連絡など、問い合わせの種類を分類します。あわせて、会社名、担当者名、注文番号、商品名など、後続処理に必要な情報を抽出します。

長い文章であれば、要点を短くまとめて担当者へ渡すこともできます。問い合わせ内容に応じた返信文の下書きを作成することも考えられます。

AIエージェントが次の対応を選ぶ

AIエージェントは、AIが分類した結果をもとに、次に何をすべきかを判断します。

商品についての一般的な質問であれば、社内のFAQや商品情報を検索します。注文状況に関する問い合わせであれば、注文番号を使って受注システムを確認します。

見積依頼であれば営業担当へ、不具合の連絡であればサポート担当へ回すなど、問い合わせ内容に合った対応先を選びます。

必要な情報が不足している場合には、すぐに処理を進めるのではなく、担当者へ確認を求めたり、お客様へ追加情報を依頼するメールの下書きを作ったりすることもできます。

RPAが登録やファイル操作を実行する

問い合わせの分類と対応先が決まった後は、RPAが定型的な後続処理を実行します。

問い合わせ内容を管理表や顧客管理システムへ登録し、添付ファイルを指定されたフォルダへ保存します。問い合わせの種類に応じてメールを担当部署へ振り分け、担当者へ通知します。

問い合わせ番号の発行や、受付完了を知らせる定型メールの送信なども、あらかじめ決められたルールで処理できます。

人は判断が必要な問い合わせを確認する

すべての問い合わせを自動で処理する必要はありません。

契約内容に関する問い合わせ、クレーム、返金依頼、重要顧客からの連絡などは、人が確認するほうが適しています。また、AIが問い合わせの意図を特定できない場合や、複数の部署に関係する場合も、担当者へ回します。

担当者はすべての問い合わせを最初から確認するのではなく、AIや自動処理で判断できなかったもの、重要度の高いものに集中できます。

問い合わせ対応の自動化で目指すのは、人の対応をすべてなくすことではありません。定型的な確認や登録を自動化し、人が相手の状況を踏まえた対応に時間を使えるようにすることが重要です。

すべてを完全自動化しなくてもよい

業務自動化というと、人の作業をすべてなくすことを目標にしてしまいがちです。

しかし、実際には「通常の処理は自動化し、例外だけを人が確認する」という形が現実的です。

注文処理であれば、既存の取引先で、商品コードが特定でき、在庫にも問題がない注文は自動登録します。一方、初めての取引先や一定額以上の注文、読み取り結果に不明点があるケースは、担当者の確認へ回します。

問い合わせ対応であれば、営業時間や商品の基本情報など、回答が明確な内容は自動で下書きを作成します。一方、契約、返金、クレームなど、判断の影響が大きいものは担当者が対応します。

処理件数の大部分を自動化できれば、例外対応が残っていても十分な効果が期待できます。

人の役割を完全になくすのではなく、人が重要な判断や相手に合わせた対応へ集中できる仕組みを作ることが大切です。

AIの結果をそのまま後続処理へ渡さない

AIを業務で利用する際には、AIが誤った回答や判定をする可能性を考える必要があります。

特に、金額、取引先、振込先、契約内容、商品コード、顧客情報などは、間違いが起きた場合の影響が大きくなります。

AIが抽出した結果を確認せず、そのままRPAへ渡してしまうと、誤った情報が業務システムへ登録される可能性があります。

そのため、AIによる柔軟な判断と、ルールによる機械的なチェックを組み合わせる必要があります。

例えば、取引先名や商品コードがマスタに存在するかを確認します。注文書に記載された明細金額と合計金額が一致しているかを計算し、条件に合わない場合は処理を停止します。

また、一定額以上の処理や、顧客への送信、データの削除など、間違いが起きた場合の影響が大きい操作については、人の承認後に実行する方法もあります。

例外が起きることを前提に設計する

業務自動化では、想定外の状態が必ず発生します。

注文書の書式が変わる、必要な項目が空欄になっている、業務システムが停止している、操作画面のボタン位置が変更されるといったケースが考えられます。

ファイルが破損している、同じデータが重複して届く、AIが取引先や商品を特定できないといったこともあります。

エラーを完全になくそうとすると、条件や処理が増え、かえって仕組みが複雑になることがあります。

重要なのは、エラーが起きないことだけではなく、エラーが起きたときに担当者が状況を把握できることです。

対象となったファイル、停止した工程、エラーの内容、処理済みと未処理の件数などを記録しておけば、原因を確認しやすくなります。必要に応じて、エラーが発生したときの画面を画像として保存する方法もあります。

また、途中まで処理したデータをどのように扱うのか、再実行するときに重複登録を防ぐにはどうするのかも、あらかじめ決めておく必要があります。

自動化の前に、現在の業務を整理する

AIエージェントが手順を考えてくれるようになっても、業務の整理が不要になるわけではありません。

むしろ、AIや複数の自動化技術を組み合わせる場合は、業務の目的やルールを明確にすることが、これまで以上に重要になります。

まず確認したいのは、その業務を何のために行っているのかという点です。そのうえで、どの作業に時間がかかっているのか、どこでミスや手戻りが発生しているのか、判断の基準が明確になっているのかを整理します。

担当者によって処理方法が異なる場合は、先に共通のルールを決める必要があります。入力形式やファイルの保存場所が統一されていない場合も、自動化の前に整理したほうがよいでしょう。

現在の業務が複雑な場合、そのまま自動化すると、自動化の仕組みも複雑になります。

不要な作業を減らし、入力形式を統一し、判断基準を整理してから自動化するほうが、安定した仕組みを作りやすくなります。

小さく始めて対象を広げる

最初から業務全体の完全自動化を目指すと、導入期間や費用が大きくなりやすくなります。

また、運用を始めてから、想定していなかった例外や問題が見つかることもあります。

そのため、最初は処理件数が多く、手順が明確で、自動化の効果を測りやすい業務から始める方法が現実的です。

例えば、問い合わせ対応全体を一度に自動化するのではなく、最初は問い合わせ内容の分類と管理表への登録だけを対象にします。

分類の精度や運用上の問題を確認した後で、担当部署への振り分け、返信文の下書き、定型的な社内通知などへ対象を広げていきます。

AIエージェントについても、初めから多くのシステムや権限を与えるのではなく、特定の目的に絞って利用するほうが安全です。

最初は情報の検索やメールの下書きだけを任せ、結果が安定してから、確認済みの処理について自動実行を許可するといった進め方が考えられます。

既存のRPAをAI時代にどう生かすか

すでにRPAを導入している企業では、AIの登場を理由に、既存の自動化をすべて作り直す必要はありません。

現在安定して動いているRPAは、決められた処理を実行する仕組みとして引き続き活用できます。

例えば、これまで人が判断してからRPAを起動していた業務では、その判断部分をAIへ置き換えられる可能性があります。

メールの内容を人が確認し、実行するRPAシナリオを選んでいたのであれば、AIがメールを分類し、AIエージェントが適切なシナリオを選ぶ形に変えられます。

また、RPAがエラーで停止した際に、エラー内容や実行ログをAIが要約し、担当者へ分かりやすく伝える方法も考えられます。

当社が取り扱っているWinActorについても、これまで作成してきたシナリオをAIやAI-OCRと組み合わせることで、活用範囲を広げられる可能性があります。

安定している処理はそのまま生かし、これまで人が行っていた読み取りや判断の部分へAIを加えることが、既存資産を有効に活用する一つの方法です。

RPAの未来は「なくなる」のではなく「役割が変わる」

AIやAIエージェントの進化によって、業務自動化の方法は確実に変わっていくでしょう。

これまで人が一つずつ作成していた自動化処理を、AIとの会話から作成できるようになる可能性があります。

利用者がAIエージェントに目的を伝え、AIエージェントが利用するシステムや自動化処理を選ぶ形も増えていくでしょう。

そのため、将来的には利用者がRPAを直接操作していると意識する機会は減るかもしれません。

しかし、決められた操作を確実に実行する仕組みは、企業の業務において今後も必要です。

変わるのは、RPAが単独で動くツールから、AIエージェントを含む業務自動化の仕組みの一部へと役割を広げていくことではないでしょうか。

AIが内容を理解し、AIエージェントが手順や利用するツールを選び、RPAや業務システムが実際の処理を行います。そして、人が重要な判断や例外対応を担います。

それぞれの得意分野を組み合わせることが、これからの業務自動化の基本になります。

大切なのは、技術ではなく業務を出発点にすること

新しいAIサービスが登場すると、「このツールで何ができるだろう」と考えたくなります。

新しい技術を知り、試してみることは大切です。

しかし、業務自動化で最初に確認したいのは、利用する技術ではなく、現在の業務がどのような状態になっているかです。

RPAが適している業務もあれば、AIのほうが適している業務もあります。AIエージェントを使うことで、複数の処理をまとめやすくなる業務もあります。

一方で、複雑な仕組みを導入するよりも、人が数分で確認したほうがよい作業もあります。

当社でも、WinActorをはじめとしたRPAやAI-OCRなどを扱う中で、単に新しいツールを導入するだけでなく、実際の業務へどのように組み込むかが重要だと感じています。

「RPAかAIか」と考えるのではなく、それぞれの技術をどこに配置すれば、現場にとって使いやすく、無理なく続けられる仕組みになるのか。

AIが急速に進化している今だからこそ、自社の業務を改めて見直してみることが、これからの業務自動化を考える第一歩になります。

※本記事は、AI推進担当岡野が社内ナレッジをもとにして生成AIで作成しました。