Robotic Process Automation (RPA)

ロボティック・プロセス・オートメーション（RPA）は、ソフトウェアボットを人と同じようにアプリケーション上で動かし、プログラムを開く、ボタンをクリックする、フィールドに入力する、システム間でデータをコピーする、毎回同じ手順に従うといった、反復的でルールベースのコンピューター作業を自動化するソフトウェアです。一般的な用途には、請求書入力、勘定照合、注文処理、従業員のオンボーディング、レポート作成があり、APIを提供しない古いシステムで使われることもよくあります。これらのロボットは完全なソフトウェアであり、物理的なロボティクスとは関係ありません。2001年に英国で創業したBlue Prismがこの用語を作ったと広く認識されており、UiPath、Automation Anywhere、Microsoft Power Automateも広く利用されているプラットフォームです。

RPAの仕組み#

開発者はビジュアルデザイナーでボットを構築します。多くの場合、人の操作を記録してから手順を編集します。ボタンやフィールドを見つけるため、ボットはセレクターを使います。セレクターは、ウィンドウ、コントロールの種類、名前など、要素の属性を保存した記述です。こうした属性がない場合は、画面座標や画像照合に切り替えます。有人ボットは、顧客対応中のフォーム入力など、従業員が起動したときにその従業員のデスクトップ上で実行されます。無人ボットは、スケジュールまたは作業キューに基づいてサーバー上で実行されます。オーケストレーターがジョブを割り当て、認証情報を保存し、監査用にすべての操作を記録します。

同じ精度の高さが、ボットの脆弱さにもつながります。フィールド名の変更、ボタンの移動、新しいポップアップなどによってセレクターが機能しなくなると、開発者が更新するまで処理が停止します。そのため、大規模なRPA導入では、基盤となるアプリケーションの変更に伴い、継続的な保守作業が必要になります。

RPAとAI#

ルールで扱えるのは構造化データです。それ以外の複雑なデータを扱うには、ボットの前段に機械学習が必要です。この組み合わせをベンダーはインテリジェントオートメーションと呼び、Gartnerはハイパーオートメーションと呼んでいます。

• ドキュメント理解： 光学文字認識（OCR）と抽出モデルを使って、スキャンされた請求書、領収書、フォームを構造化フィールドに変換し、ボットが財務システムに入力します。これはドキュメント解析パイプラインでよく使われるステップです。
• 画面向けコンピュータービジョン： Citrixなどの仮想デスクトップでは、リモート画面の画像しか公開されず、セレクターがコントロールを認識できないことがよくあります。UiPathのComputer Visionアクティビティは、ウィンドウの画像をニューラルネットワークに送り、ボタン、テキストフィールド、チェックボックスをすべて識別してラベル付けします。これはユーザーインターフェースに対する物体検出です。
• 言語モデルとエージェント： 大規模言語モデル（LLM）は、メールの分類、返信文の作成、従来はボットを停止させていた例外の解決を行い、ボットは決定的な手順を引き続き処理します。ベンダーは現在、この組み合わせをエージェント型オートメーションとして売り出しており、AIエージェントが実行内容を判断し、ボットが実行します。

ビジュアル検査の結果からも、こうした自動処理を開始できます。Ultralytics Platform Agentsでは、検出数や信頼度の範囲など、YOLO26の結果に対するGate条件からWebhookブロックを起動できます。Webhookブロックは、一致する結果ごとにJSON POSTを1つ、公開HTTPSエンドポイントに送信します。そのため、欠陥検出を、受信Webリクエストに対応するあらゆる自動化ツールのフロー開始に利用できます。

RPAと関連用語の比較#

• エージェント型ワークフロー： LLMが計画を立て、ツールを呼び出し、結果を確認する複数ステップのプロセスです。スクリプト化されたボットでは扱えない非構造化入力にも対応します。
• コンピューター操作エージェント（CUA）： スクリーンショットを見ながら各クリックを判断し、ソフトウェアを操作するAIエージェントです。ボタンが移動しても動作が壊れません。実行ごとに同じ手順を正確に繰り返す記録型RPAスクリプトと比べ、動作は遅く、予測しにくくなります。
• API連携： システムのプログラミングインターフェースを通じて直接接続する方法です。高速で、インターフェースの再設計にも強い一方、RPAはAPIが存在しない場合や、APIの構築に時間がかかりすぎる場合の不足を補います。