企業の業務自動化をめぐる議論では、RPA、AIエージェント、プロセスマイニングという三つの言葉が頻繁に登場する。これらは別々の技術として紹介されることが多いが、実際には互いに競合するものではない。
三者の関係は、次のように整理できる。
- RPAは、決められた処理を確実に実行する。
- AIエージェントは、状況を解釈して次の行動を選択する。
- プロセスマイニングは、実際の業務がどのように行われているかを観察する。
言い換えれば、RPAは「手足」、AIエージェントは「判断」、プロセスマイニングは「観察」に相当する。現在の業務自動化は、この三つを統合する方向へ進んでいる。
RPAは人間の操作を再現する技術である
RPAとはRobotic Process Automationの略であり、人間がパソコン上で行っている反復的な操作を、ソフトウェアロボットによって自動化する技術である。
代表的な処理には、Excelからデータを読み取る、業務システムの画面に入力する、メールの添付ファイルを保存する、複数システム間でデータを転記するといったものがある。
RPAは基本的に、あらかじめ人間が定義したルールと手順に従って動作する。UiPathもRPAを、データ入力やシステム連携などの反復的でルールベースの作業をソフトウェアロボットによって自動化する技術と説明している。
RPAの強みは、処理の正確性と再現性にある。同じ入力に対して同じ処理を高速に繰り返すことができ、休憩や集中力の低下もない。
一方で、RPA自身が業務の意味を理解しているわけではない。「この画面の値を次の画面に入力する」という操作は実行できても、なぜその値を入力するのか、今回も通常どおり処理してよいのかまでは判断できない。
そのためRPAは、処理手順と判断条件を明確に定義できる業務には適しているが、状況によって判断が変わる業務には弱い。
RPAの問題は例外ではなく、文脈を持たないことである
RPAの代表的な問題として、「例外処理に弱い」ことが挙げられる。
例えば、請求書処理を自動化したとしても、現実には次のようなケースが発生する。
取引先によって契約条件が異なる。記載形式が通常と違う。過去にトラブルがあったため担当者の確認が必要である。金額は正しいが発注内容との対応関係が不明確である。
システムの視点では、これらは例外である。しかし、人間の担当者にとっては、日常的な業務判断の一部である。
したがって、RPAの根本問題は、単に例外の数が多いことではない。より本質的には、RPAが個々の案件に関する文脈や過去の経緯を持っていないことにある。
従来のRPA導入では、担当者へのヒアリングを通じて業務フローを作成し、そのフローを自動化する方法が一般的だった。しかし、人間は自分が行っている判断をすべて言語化できるわけではない。
実際の業務では、担当者は過去の経験、取引先との関係、組織内の慣行、リスクの大きさなどを暗黙に考慮している。それらを取り除き、画面操作だけを自動化すると、通常経路から外れた案件を処理できなくなる。
もう一つの問題は、既存業務をそのまま自動化してしまうことである。
本来なら業務そのものを再設計すべきところを、人間が行っていたコピー・アンド・ペーストや複数画面への重複入力まで、そのままロボットに実行させることがある。この場合、業務が改善されたのではなく、非効率な業務が高速化されただけである。
プロセスマイニングは「想定された業務」から「実際の業務」へ視点を変えた
こうした問題に対する一つの回答が、プロセスマイニングである。
従来の業務分析では、担当者に業務内容を尋ね、フローチャートを作成していた。しかし、説明された業務と実際に行われている業務は、必ずしも一致しない。
プロセスマイニングは、ERP、CRM、ワークフローシステムなどに残されたイベントログを分析し、実際にどのような順序で処理が行われたかを明らかにする。
一般的なイベントログには、どの案件に対して、どの活動が、いつ行われたかという情報が含まれる。これらを案件ごとの時系列として再構成することで、実際の業務経路を可視化できる。
Microsoftはプロセスマイニングを、企業が現実のプロセスとその運用方法を理解し、改善、自動化、デジタル化の機会を発見するための技術と位置づけている。
プロセスマイニングによって、次のようなことが分かる。
どこで処理が滞留しているか。どの工程で手戻りが発生しているか。標準フローとは異なる経路がどれほど存在するか。どの業務から自動化すれば効果が大きいか。
つまり、プロセスマイニングは、人間が頭の中で設計した理想的な業務フローではなく、現実の業務からプロセスを発見する技術である。
この点で、プロセスマイニングはRPA導入の前段階として重要な意味を持つ。自動化する前に、まず実際に何が起きているかを理解するからである。
それでもプロセスマイニングだけでは「なぜ」は分からない
ただし、プロセスマイニングにも限界がある。
イベントログから分かるのは、基本的には「何が起きたか」である。「なぜその判断が行われたのか」までは、ログだけでは分からない。
例えば、ある申請が通常とは異なる経路を通ったことは検出できる。しかし、それが担当者のミスだったのか、顧客からの特別な要望だったのか、過去のトラブルを考慮した適切な判断だったのかは、イベントの順序だけでは判断できない。
少数の経路をすべて異常や非効率として扱えば、現場が蓄積してきた重要な例外知識を失う可能性もある。
したがって、プロセスマイニングによって現実のプロセスを発見した後には、そのプロセスが発生した文脈を解釈する仕組みが必要になる。
ここでAIエージェントが登場する。
AIエージェントは固定フローの外側で判断する
AIエージェントとは、与えられた目標と利用可能な情報に基づき、必要な処理を選択し、外部のツールやシステムを使って行動するソフトウェアである。
従来のRPAでは、処理順序を人間が事前に定義する必要があった。これに対してAIエージェントは、文書やメールなどの非構造化情報を読み、状況を解釈し、次に何を行うべきかを一定範囲で判断できる。
例えば、顧客から届いた問い合わせを分類し、必要な情報を検索し、回答案を作成し、重要案件だけを人間に引き継ぐといった処理が考えられる。
Automation AnywhereはAIエージェントについて、構造化データだけでなく、文書、顧客からの問い合わせ、コンプライアンス情報などの非構造化データを処理し、状況に応じて判断や調整を行うものと説明している。
ただし、AIエージェントはRPAを完全に置き換えるものではない。
AIエージェントの判断は確率的であり、同じ入力に対して常に同じ出力を返すとは限らない。生成AIは、事実と異なる内容を生成したり、不完全な判断をしたりする可能性がある。Automation Anywhereの公式文書も、生成AIの出力について正確性、信頼性、完全性を検証する必要があると注意している。
一方、会計システムへの金額入力、ファイルの移動、所定形式での登録など、厳密な実行が必要な処理では、決定論的に動作するRPAの方が適している。
したがって、両者の関係は「AIエージェントかRPAか」という二者択一ではない。
AIエージェントが考え、RPAが実行するのである。
UiPathも、AIエージェントが推論や状況への適応を必要とする工程を担当し、RPAが構造化された反復処理や確実なシステム操作を担当するという役割分担を示している。
三つの技術は一つの循環を形成する
RPA、AIエージェント、プロセスマイニングは、次のような循環として理解できる。
第一に、プロセスマイニングが業務の実態を観察する。
第二に、AIエージェントが現在の案件や業務状況を解釈し、どの処理を選ぶべきかを判断する。
第三に、RPAやAPIが選択された処理を正確に実行する。
第四に、その実行結果が新たなイベントログとして記録され、再びプロセスマイニングの対象となる。
この循環が機能すれば、業務自動化は、一度作ったワークフローを繰り返すだけの仕組みから、現実の業務を観察しながら継続的に改善する仕組みへ変わる。
MicrosoftのPower Automateも、RPAによるデスクトップ操作、クラウドワークフロー、AI、タスクマイニング、プロセスマイニング、オーケストレーションを一つの自動化基盤として統合している。
UiPathやAutomation Anywhereも、現在はAIエージェント、RPA、人間の判断、オーケストレーションを統合する「エージェント型自動化」または「エージェント型プロセス自動化」を前面に出している。
これは少なくとも製品戦略上、RPAが消滅するのではなく、より大きな自動化システムの実行層として再配置されつつあることを示している。
「自動化」から「組織学習」への移行
もっとも、AIエージェントをRPAに接続しただけでは、問題がすべて解決するわけではない。
AIエージェントが個々の案件をその都度処理するだけであれば、過去の経験は組織に蓄積されない。前回と似た失敗を繰り返しても、その経験が次の判断に反映されるとは限らない。
今後必要になるのは、単なるプロセスの自動化ではなく、業務経験を記憶し、そこから判断パターンを形成する仕組みである。
そのためには、現在の案件に関するコンテキスト、過去に起きた類似事例、そこで行われた判断、その結果が成功だったか失敗だったかを、相互に関連づけて保持しなければならない。
プロセスマイニングが「何が起きたか」を記録し、AIエージェントが「今、何をすべきか」を判断するとすれば、コンテキストメモリやエピソードメモリは、「過去のどの経験を今回の判断に使うべきか」を支える。
この記憶層がなければ、AIエージェントは高度な言語能力を持っていても、組織固有の経験を継承することができない。
まとめ
RPAは、人間が定義した手順に従って、反復的な操作を正確に実行する技術である。その強みは確実性にあるが、文脈を理解せず、例外的な状況に適応しにくい。
プロセスマイニングは、システムに残されたイベントログから、実際の業務プロセスを発見する。これにより、想定上の業務ではなく、現実に行われている業務を自動化の出発点にできる。ただし、ログだけでは判断の理由までは理解できない。
AIエージェントは、文書や会話を含む情報を解釈し、状況に応じて処理を選択する。固定されたフローを超えられる一方、判断には不確実性があり、厳密な実行や統制にはRPA、人間による承認、監査可能なオーケストレーションが必要である。
したがって、三者の関係は次のように表現できる。
プロセスマイニングが現実を観察し、AIエージェントが判断し、RPAが実行する。
今後の課題は、この循環に組織の記憶と学習を加えることである。
目指すべきものは、単に人間の操作を自動化するシステムではない。実際の業務を観察し、例外を経験として記憶し、状況ごとの判断パターンを形成し、その結果から継続的に学習するシステムである。
業務自動化の次の段階は、RPAをAIに置き換えることではない。
RPA、AIエージェント、プロセスマイニング、そして組織的な記憶を統合し、企業自身が自らの業務を観察し、理解し、改善できる仕組みを構築することである。
