はじめに
AIエージェントは、入力や状況に応じて手順を考え、必要なツールを選ぶ処理に向いています。RPAや通常のワークフローは、決められた順序を正確に繰り返す処理に向いています。どちらか一方へ置き換えるのではなく、業務を「判断」と「確定処理」に分けて組み合わせるのが実務的な答えです。
MicrosoftのAgent Frameworkも、開放的で会話的な仕事にはエージェント、順序と結果を明示的に制御したい仕事にはワークフローを使い、関数で処理できるなら関数を選ぶという考え方を示しています。自動化の選定では、技術の新しさよりも、入力の揺れと結果の再現性を先に見る必要があります。
AIエージェントとRPAの違い
| 判断軸 | AIエージェント | RPA・決定論的ワークフロー |
|---|---|---|
| 入力 | 自由文、文書、例外を含む | 形式と項目が安定している |
| 手順 | 状況に応じて変わる | あらかじめ定義する |
| 出力 | ばらつきを許容する | 同じ条件なら同じ結果 |
| 得意領域 | 要約、分類、候補作成、調査 | 転記、照合、登録、通知 |
| 主な統制 | ツール制限、承認、評価 | 例外処理、再実行、権限管理 |
AIエージェントは「曖昧な入力から次の行動候補を作る」部分で価値が出ます。一方、金額登録、マスタ更新、請求処理のように結果を一意にしたい工程は、コードやRPAに残すほうが安全です。NIST AI RMFも、人とAIの役割、利用範囲、人が監督する方法を文書化することを求めています。
業務を三つの領域に分ける
RPAだけでよい領域
入力項目が固定され、判断ルールをif文や表で表せる業務です。定型メールの送信、CSVの転記、締め処理、システム間のデータ同期などが該当します。ここへエージェントを入れても、コストと出力の揺れが増えるだけになりがちです。
AIエージェントが効く領域
依頼文の意図分類、複数文書からの論点抽出、問い合わせへの回答案、異常報告の一次整理などです。ただし、エージェントが最終確定まで担うとは限りません。候補と根拠を作り、人が承認する形でも十分な効果があります。
併用が効く領域
実務ではこの領域が最も多くなります。たとえば受注処理なら、エージェントがメールと添付ファイルから注文内容を構造化し、RPAが必須項目を検証して基幹システムへ登録します。例外だけ人へ戻せば、柔軟性と再現性を両立できます。
併用フローの作り方
- 業務を「受け取る・判断する・実行する・確認する」に分解します。
- 自由文や例外を扱う工程だけをエージェント候補にします。
- 登録や送信など取り消しにくい操作は決定論的な処理へ渡します。
- 欠損、低信頼、権限外、金額超過では自動停止します。
- 入力から結果まで同じ案件IDで追跡します。
AIに渡す範囲を決める前に、AIエージェント導入前の設計論点を整理してください。実行後に何を残すかはAIエージェントの証跡設計と一緒に決めると、後から監査できる構造になります。
よくある失敗
一つ目は、既存RPAをすべてエージェントへ置き換えることです。動いている定型処理を非決定的にする理由はありません。二つ目は、AIの提案を検証せずそのまま登録することです。判断と実行の間にスキーマ検証や承認を置く必要があります。三つ目は、例外時の戻し先がないことです。自動化率ではなく、例外が安全に処理される割合も運用指標にします。
実行チェックリスト
- 対象工程は自由文や例外を含むか
- 同じ入力に同じ結果が必須か
- AIが担うのは候補作成か最終確定か
- 実行前にスキーマ検証できるか
- 人の承認が必要な条件を列挙したか
- 失敗時に再実行または取消できるか
- 判断と操作を案件IDで追跡できるか
まとめ
RPAは正確な反復、AIエージェントは状況に応じた判断を担います。業務全体を一つの技術へ寄せず、曖昧な工程はAI、確定処理はRPAやコード、人が責任を持つ箇所には承認を置く。この分業が、実運用で壊れにくい自動化を作ります。