アーパボー(ARPABLE)
アープらしいエンジニア、それを称賛する言葉・・・アーパボー
人工知能

RPAは時代遅れ?AIエージェントとの違い・使い分け

最終更新:
※本記事は継続的に最新情報へアップデートしています。

これまでRPAは、人の代わりに画面を操作するロボットだった。2026年、その隣に、画面を認識し、次の操作を選びながら進むAIエージェントが並び始めた。

「RPAはもう要らないのか」という問いは、いま、業務のどこにAIを入れ、どこに人の責任を残すかという設計の問いに変わっている。

本稿は、処理が止まることよりも、誤った結果を正しいものとして受け入れてしまう怖さに向き合い、判断・実行・統制の三層の使い分けを一次情報から整理する。

✅ 先に結論

現時点では、既存RPAの全面置換を急ぐより、AIとの併用を第一候補として検討するのが現実的である。ただし、すべての業務に両方が必要なわけではない。

  • 結論:定型処理はRPAかAPI、入力の解釈や回答案の作成はAI、影響の大きい操作には人の承認を組み込む。全面置換に成功した一次事例は、本稿の調査範囲では確認できていない。
  • 判断軸:手順の明確さ、入力のばらつき、処理量、誤りの影響、正しく完了した1件あたりの総コストで決める。
  • 注意点:エージェントの案件は中止・放棄の予測が多い。見直しは年数ではなく、具体的な契機が来たときに行う。
この記事の著者・監修者 ケニー狩野(Kenny Kano)
Arpable 編集部(Arpable Tech Team)
株式会社アープに所属するテクノロジーリサーチチーム。人工知能の社会実装をミッションとし、最新の技術動向と実用的なノウハウを発信している。
役職:(株)アープ取締役。Society 5.0振興協会・AI社会実装推進委員長。中小企業診断士、PMP。著書『リアル・イノベーション・マインド』▶ 詳細情報

RPAは「古い」のではなく、役割が変わった

RPAは終わった技術ではなく、AIエージェントが使う「手足」へと役割が変わりつつある。

「RPAは時代遅れだ」という声は、この1年で一段と強まりました。ただし、各社の動きを一次情報で追うと、見えてくるのはRPAが消えるのではなく、自動化の全体像が組み替えられているという姿です。プラットフォームの名称や位置づけも、この1年でいくつか変わりました。

2026年に起きた3つの変化

1つ目は、画面操作型エージェントの実用化です。Microsoftは2026年5月、Copilot Studioの「computer use」を一般提供しました。AIがブラウザやデスクトップアプリを操作する時代が始まっています。

2つ目は、接続標準MCPの広がりです。Copilot Studioは2025年3月にMCP対応をプレビュー開始し、同年5月に一般提供しました。2026年7月にはMCPサーバー認定制度もプレビュー公開されています。外部ツールとの接続が標準化されつつあります。実装はSwarmとMCPで業務を自律化する現場実装ガイドを参照してください。

3つ目は、RPAベンダーのAI統合です。UiPathはFUSION 2026でエージェントとロボットの役割分担を示し、NTTアドバンステクノロジは2025年9月にWinActorの「AI連携ライセンス」を発表しました。RPA側もAIを取り込んでいます。

主要プラットフォームの現在地

表:主要プラットフォームの現在地(2026年10月時点)
提供元 製品・サービス 確認できた位置づけ
Microsoft Copilot Studio/Microsoft Foundry Copilot Studioのcomputer useが2026年5月にGA。FoundryはAzure AI Foundryの新名称(2025年秋)
Google Gemini Enterprise Agent Platform 2026年4月のGoogle Cloud Next ’26で発表。Vertex AIの進化形で、エージェントの構築・統制・監視を一体で提供
UiPath UiPath Platform(Maestro、Delegateなど) 2026年9月のFUSIONで、エージェントとロボットを連携させる基盤を前面に打ち出し、DelegateとCartographerを9月22日に一般提供した
NTT-AT WinActor 生成AI連携を標準機能に含む「AI連携ライセンス」を2025年9月に発表
※出典:各社の公式ドキュメント・発表と、報道・解説(参考文献を参照)。2026年10月20日時点。表に載せていないサービス(AWSなど)は、本稿では確認していない。

では、導入の実態はどうでしょうか。

なぜ今、「どちらか」を決めにくいのか

期待は先行する一方で、本番運用はまだ限られており、主要な調査会社も慎重な見方を示している。

AIエージェントへの期待は高いものの、実際の導入は途上です。調査会社の予測や調査を並べると、期待と実態の間に大きな差があることが分かります。

期待先行の実態

AIエージェントは広がっています。しかし、普及と成功は別問題です。

Gartnerは、2027年末までにエージェント型AIプロジェクトの40%超が中止されると予測しました。2026年9月には、ベンダーが技術者を顧客企業に送り込んで構築する方式(フォワード・デプロイド・エンジニアリング、FDE)で作られたエージェント型AIを、2028年までに70%の企業が放棄するとの別の予測も示しています。両者は対象と母集団が異なり、いずれも実績値ではありません。

一方、同社は2028年までに企業向けソフトウェアの33%にエージェント型AIが組み込まれるとも予測しています。市場は拡大する。しかし、導入がすべて成功するわけではない。だからこそ全面置換を急ぐ前に、事業価値と運用コストを検証すべきです。

「置換」を裏づける一次事例は見つかっていない

本稿の調査範囲では、RPAを廃止してAIエージェントへ全面移行し、その成果が第三者に確認できる事例は見つかりませんでした。「見つからない」ことは「存在しない」ことを意味しません。ただし、確認できていない成功事例を、あるものとして書くことはしません。

製品の前に、業務を「判断・実行・統制」に分けて考えます。

どう捉えるべきか:判断・実行・統制の三層モデル

AIが解釈して提案し、RPAやAPIが定型操作を実行し、重要な操作には人の承認を置く。この三層で使い分けが見える。

AIを「脳」、RPAやAPIを「手足」にたとえる見方は、今も有効です。しかし、判断と実行だけでは、誤った結果がそのまま通ってしまう危険があります。ここに「統制」という第三の層を足すことで、業務全体の安全性を設計できます。

自律型AIエージェントのアーキテクチャ図。AIの脳がAPIやRPAなどの手足を操作する構成。
図:AIが判断し、APIやRPAなどのツールを操作する基本構成。本稿では、権限・承認・記録・照合からなる「統制」を加えて考える。

三つの層の役割

  • 判断(AI):メールや帳票など、形式が決まっていない入力の解釈。例外の一次対応。文面の下書き。
  • 実行(RPA・API):あらかじめ定めた手順に従って、速く、ログを残して実行する。
  • 統制(人と仕組み):人が権限・承認条件・停止基準を決め、システムがアクセス制限・記録・結果照合を担う。重要操作や異常時には人が介入する。

この三層モデルは役割分担の整理であり、AIエージェント自身が画面を操作する構成も含みます。画面操作型エージェントは、「実行」の一部も担う存在です。

画面を見てクリックや入力を行う「画面操作型エージェント」は、API・RPA連携型とは費用や評価方法が異なります。文章生成や抽出だけなら、通常の生成AIを業務フローに組み込む方法もあります。詳しくはAIエージェントフレームワーク選定ガイドをご覧ください。

Gartnerのアナリストも2025年11月、AIエージェントは当面RPAやBPAを補完すると述べました。背景にはコスト、リスク、出力の不確実性、既存投資があります。技術の成熟によって変わり得る「当面」の見解です。

使い分けの公式基準

Microsoftは、公式ドキュメントで、RPA(Power Automateのデスクトップフロー)とcomputer useの使い分けを示しています。自社製品を前提とした基準ですが、自社の判断軸を設計する際の参考になります。

表:RPAとcomputer useの使い分け基準(Microsoft)
観点 RPAを使う場合 computer useを使う場合
画面 UIが安定している(画面・項目がほとんど変わらない) UIが変わる、または複数のアプリで大きく異なる
判断 ルールが明確で、判断をルールとして書ける 判断があいまいで、推論して次の手を選ぶ必要がある
速度・量 速度が重要で、大量処理 すぐに必要で、RPAチームの対応待ちが多い
見た目 ― チャートや色など、画面に見えるものに依存する
体制 RPAチームが所有し、知見がある ―
※出典:Microsoft Learn「Use agent tools to extend, automate, and enhance your agents」の記述を要約(2026年10月20日確認)。同社製品に関する基準である。

三層の考え方を、自社の業務に当てはめてみましょう。

実務ではどう判断するか

業務の性質、1件あたりの総コスト、誤りを検知できるかの3点で、RPA・AI・併用を選ぶ。

流行ではなく、業務の性質から選ぶことが基本です。

判断軸と業務タイプ別の推奨

RPA・API・AIエージェントは、手順の明確さ、入力データ、処理量、画面変更への対応力で選びます。固定ルール・大量処理にはAPIやRPA、意味解釈が必要な業務にはAIが候補です。ただし、誤りの影響と結果の検証方法も欠かせません。

表:業務タイプ別に最初に比較する方式
業務の特徴 最初に比較する方式 決め手
構造化データ、固定ルール、APIあり API・通常のワークフロー AIの判断が本当に必要か
固定画面、大量反復、例外が少ない RPA 保守を含めた1件原価と、無人で完了する割合
メールや帳票の意味解釈が必要 AIで抽出・分類し、API・RPAで登録 誤抽出の検知と、マスターとの照合
文章の生成、要約、判断材料の整理 生成AI。複数工程の自律的な実行が必要ならAIエージェント(人の確認つき) 確認時間を含めた品質とコスト
画面が変わり、事前にシナリオ化しにくい 画面操作型エージェントを限定して試す 自社画面での完了率と、止まったときの復旧のしやすさ
送金・削除・対外確定など、取り消しにくい ルールに沿った処理+人の承認 危険な誤完了を許さない統制
件数が少ない 手作業・標準機能も含めて比較 導入・監視の費用を回収できるか
※Arpable編集部による判断案であり、業界共通の実測に基づく優位性を示すものではない。

方式の候補が見えたら、次は費用です。

1件原価の式と計算例

RPAにもAIエージェントにも、固定費と利用量に応じた費用があります。料金体系が異なる製品を比べるときは、利用料だけでなく、保守・監視・人の確認を含む「正しく完了した1件あたりの総コスト」で比較します。式は次のとおりです。

1件原価 =(初期費用の期間配賦+ライセンス・基盤費+従量費+保守・監視費+人の確認・例外処理費+障害復旧費)÷ 正しく完了した件数

構造を理解するための計算例を示します。数値はすべて説明用の仮定であり、実際の価格ではありません。

表:固定費と従量費の影響を見る簡易計算例(総コスト比較ではない)
年間処理件数 RPA(年間300万円の固定費) AI(年間100万円+1件150円)
6,000件 500円/件 約317円/件
6万件 50円/件 約167円/件
60万件 5円/件 約152円/件
※金額はいずれも説明用の仮定。全件が正しく完了し、RPAの固定費が処理量で増えないと仮定した単純モデルであり、再実行、人による修正、誤処理、停止時の修正費は含めていない。AI側の1件150円にも、人の確認工数を含めていない。この簡易モデルで両方式の費用が一致するのは年約1.3万件だが、実際の採算分岐点ではない。

この仮定では少量処理はAI、大量処理はRPAが有利です。ただし採算分岐点は確認・保守工数で変わります。Gartnerは高頻度処理でAIエージェントのコストがRPAの最大30倍に達する可能性に言及していますが、算定条件は示されておらず、自社の試算に直接適用できません。

評価指標

導入前の検証では、「デモで動く」ではなく、次の5つで比較することを勧めます。

  • 完全完了率:正しい最終結果まで到達した件数÷投入した全件数
  • 無人完了率:人の修正・確認・再実行なしで完了した件数÷全件数
  • 危険な誤完了率:誤登録・誤送信のまま、成功と判定された件数÷全件数
  • 保守負担:画面・帳票・モデルの変更ごとの改修、再試験、停止時間
  • 復旧性:停止後に、二重登録せず、最後の安全な状態から再開できるか

自動化で本当に怖いのは、処理が止まることだけではありません。間違った結果を、正しい結果として受け入れてしまうことです。だからこそ、完全完了率だけでなく、誤った処理を止められること、誤完了を検知できることを重視してください。

RPAは画面変更などで停止しやすく、エラーを検知できる場合があります。一方、AIエージェントは想定外の画面にも対応できる反面、誤った判断のまま処理を進める可能性があります。どちらも、停止の検知に加えて、登録先や送信内容を照合する仕組みが必要です。

よくある失敗

失敗の典型は、拡大時の費用と複雑さの過小評価、ROIが曖昧なままの導入、既存業務へのAIの後付けです。Gartnerも、事業価値の確認とプロセスの再設計を重視しています。

では、実際に併用している企業は、どこに線を引いたのでしょうか。

RPAとAIエージェントの併用事例

国内でも、ロボットが情報を集め、AIが案を作り、人が確認する構成が本番で動いている。

国内の実例として、トヨタファイナンスの問い合わせ対応を見てみましょう。

トヨタファイナンス:問い合わせメール対応

トヨタファイナンスは、UiPath StudioのAgent Builderで作成したAIエージェントを、2026年1月に本番稼働させました。対象は、月に数千件発生する顧客からの問い合わせメールへの対応です。

役割分担は、次のとおりです。ロボットが顧客情報システムなどから情報を集め、AIエージェントが回答案を作り、人が最終確認を行います。1件あたりの作業時間は、平均13分から平均4分に短縮されたと公表されています。経費精算業務への適用は、検証中の段階です。

事例から読み取れること

この事例では、ロボットが情報を収集し、AIが回答案を作り、人が確認しています。既存の自動化を捨てず、AIを組み合わせた構成です。

ただし、数値は製品提供者であるUiPathの発表に基づきます。本稿では、独立した第三者による検証資料は確認できていません。ライセンス、開発、保守、監視を含む1件原価も公表されていないため、この事例だけでコスト面の優位性は判断できません。自社に当てはめる場合は、同じ条件で、前節の評価指標を使って測定する必要があります。

ただし、時間短縮だけでは判断できません。統制も必要です。

AIエージェントのリスクとガバナンス

最小権限、人の承認、重要操作を追跡できる記録が、エージェントを安全に業務へ組み込むための前提となる。

AIエージェントは、動かす前に統制を設計する必要があります。権限・承認・監査・コスト管理が基本です。

権限・承認・記録

2026年4月30日から5月1日にかけて、米CISA・NSA、英国、豪州、カナダ、ニュージーランドの6つのサイバーセキュリティ機関が、エージェント型AIサービスの慎重な導入に関する共同ガイダンスを公表しました。以下は、各国政府の公表資料と民間の解説をもとに、主な対策を整理したものです。

  • 権限:重要なシステムへの無制限のアクセスを与えず、作業に必要な最小限に絞る。
  • プロンプトインジェクション:最も対処しにくい脅威と位置づけられ、入力の無害化だけでは防げない。多層防御を前提にする。
  • 人の承認:影響が大きい操作や取り消せない操作には、人の承認を必須にする。どの操作を対象にするかは、エージェント自身ではなく設計者が決める。
  • 記録:呼び出したツール、重要な判断、操作結果を追跡できるログを設計し、既存のセキュリティ運用に統合する。保存範囲と保持期間は、個人情報や機密情報の扱いに応じて決める。

従量課金のコストの見えにくさ

従量課金型の製品では処理量とともに費用が増えます。契約と設定の両面で利用上限と警告を用意してください。

導入前に整理しておくこと

個人情報を含む画面や帳票を扱う場合は、法務・情報管理部門と次の点を整理してください。以下はArpable編集部による確認項目であり、法的な結論ではありません。

  • 入力の範囲:プロンプトだけでなく、画面画像、添付帳票、操作ログも含めて確認する。
  • 保存と委託:学習への利用、保存期間、削除、処理場所、再委託先を契約と実際の処理で確認する。
  • 認証と権限:人と共有しない実行アカウントと、最小権限を設定する。
  • 監査:誰が、何を根拠に、どの操作を承認・実行したかを追跡できるようにする。

一次情報からどこまで言えるか

確認済みの事実と、解釈や見立てを分けて示し、今後1〜3年の見直しの契機を具体的に押さえる。

この記事は、公開された一次情報と第三者の評価をもとにしています。どこまでが確認済みで、どこからが解釈かを分けて示します。

言えることと、言えないこと

表:本稿で確認できたこと・確認できないこと
区分 内容
確認できたこと 当面はRPAとAIエージェントの併用を前提とする見方があり、費用と統制が導入判断の重要条件となる(Gartner、Microsoft)。
確認できないこと 全面置換の一般的な優位性、日本語帳票・レガシー画面での再現可能な成功率、併用事例の他社での再現性。
評価上の制約 OSWorld 2.0の20.6%は2026年6月公開論文の108タスク・500ステップ条件での完全完了率であり、実業務の成功率や2026年10月時点の最高性能ではない。

その後、新モデルの評価結果も公表されています。ただし、完全完了率と部分達成率、評価対象や実行条件が異なる結果は単純に比較できません。

本記事の立場と限界

筆者はAIエージェントの社会実装を推進する立場です。一方、RPAとAIエージェントを同じ業務で比較した自社の実測データは持っていません。本稿は公開情報に基づく分析であり、AIに有利な情報だけでなく、コスト・信頼性・統制上の課題や未確認事項も示しています。

今後1〜3年の見方(Arpableの解釈)

以下は、外部機関の予測ではなく、確認できた情報から組み立てた見立てです。

  • 共存シナリオ:RPAやAPIがルールに沿った実行を担い、AIが入力の解釈や例外への一次対応を担う。現時点で最も根拠がある。
  • 吸収シナリオ:画面操作型エージェントの信頼性が上がり、特定の領域でRPAが縮小する。
  • 停滞シナリオ:コスト、統制、信頼性の問題で、エージェント導入が想定より進まない。Gartnerの中止予測は、この方向を示す。

見直しの契機は、自社での完了率と費用の改善、RPAの契約更新や画面変更、権限・承認・記録の整備、そして本番事例の蓄積です。年数だけで判断せず、その都度比較してください。

まとめ

読者が持ち帰るべきなのは勝敗ではなく、業務のどこにAIの判断を入れ、どこを確実に動かすかという線引きである。

全面置換を前提にせず、業務ごとにRPA・API・AIの役割を決めることが出発点です。最初の一歩は、読者の状況によって異なります。

  • RPAを多数持つ企業:全面移行はせず、修正頻度が高い上位のシナリオだけを洗い出し、そこでAIによる補完を試します。
  • これから自動化を始める企業:メールや帳票の解釈のような非構造な業務はAIで、定型で大量の業務はRPAやAPIで始めます。
  • APIのないレガシー中心の企業:画面操作が必要です。RPAと画面操作型エージェントを、自社の画面で同じ条件で比べます。
  • 中小企業:件数が少ない業務は、手作業や標準機能も含めて比較します。導入と監視の費用を回収できるかを先に確認します。

「RPAは時代遅れか」という問いへの答えは、「業務による」です。まずは自社の業務に、判断軸と評価指標を当てはめてみてください。

本当に問うべきなのは、何を機械に任せ、どこに人間の判断と責任を残すのかということです。RPAを残すか、AIに置き換えるかは、その入口にすぎません。自動化の成熟とは、人をなくすことではなく、人が判断すべき場所を明確にすることなのかもしれません。

専門用語まとめ

RPA(Robotic Process Automation)
定めた手順に従い画面操作などを自動化する技術。画面変更などでは停止・誤処理も起こり得る。
AIエージェント
目的に応じて状況を解釈し、ツールを使い分けて業務を進めるAIシステム。
画面操作型エージェント(computer use)
画面を認識し、クリックや入力を行うAIエージェント。
MCP(Model Context Protocol)
AIと外部ツール・データを接続する共通方式。
Human-in-the-Loop
重要な判断・承認に人を介在させる仕組み。

参考文献 / 出典

次に読むならこの3本

補足Q&A

Q1.
RPAは時代遅れですか?

A1.
いいえ。ただし役割は変わりつつあります。

安定した画面で大量処理する業務にはRPAが向きます。変化への対応や意味解釈が必要なら、AIの併用を検討します。

Q2.
RPAとAIエージェントの違いは何ですか?

A2.
RPAはあらかじめ定めたルールと手順に従って処理し、AIエージェントは状況を解釈しながら次の処理を選びます。

RPAは定型処理に適し、AIエージェントは曖昧な入力や状況変化への対応が得意です。ただし、どちらも結果の照合が必要です。

Q3.
今から導入するなら、どちらを選ぶべきですか?

A3.
業務の性質で選び、既存のRPAがある場合は、AIによる補完も比較します。

固定ルール・大量処理はAPIやRPA、意味解釈にはAIを検討します。送金・削除など取り消しにくい操作には、人の承認を設けます。

更新履歴

  • 2026年10月20日:全面改稿。2026年時点の情報に更新し、判断軸・評価指標・リスクの章を追加。
  • 2025年7月31日:最新情報へ更新。
  • 2025年5月15日:初版公開。
ABOUT ME
ケニー 狩野
ケニー狩野(Kenny Kano)は、AI社会実装・技術経営・ITコンサルティングを専門とする経営者・監修者。株式会社ベーネテック代表、株式会社アープ取締役、一般社団法人Society 5.0振興協会 AI社会実装推進委員長。早稲田大学大学院理工学研究科修了後、キヤノンで国内外の開発や中国・インド・オーストラリアを含むオフショア案件を牽引。独立後はAI社会実装支援に従事し、Arpableで人工知能・先端技術分野の記事を約2年間で約300本監修。中小企業診断士、PMP、ITコーディネータ。著書『リアル・イノベーション・マインド』。実務と経営を橋渡しする。