AI 自動化が従来の RPA とどう違うか、ビジネスに何をもたらすか、適切な出発点の選び方を、短く実践的にまとめたガイド。
従来の RPA は固定ルールに従ってキー入力を繰り返します。フォームに項目がひとつ増えたり、PDF のレイアウトが変わるだけでフローは壊れます。
AI 自動化は言語モデル、画像認識、そして従来のフローエンジンを組み合わせます。書類を読み、意図を理解し、判断を下し、例外だけを人に戻します。「ルールを書く」代わりに「例を見せる」で済み、レイアウト変更にはシステムが自ら適応します。
この違いにより、実用的な自動化範囲は手書きスクリプトの約 10 倍に広がります。
期待できる成果は 3 点です。
1）時間削減。繰り返し作業が 40〜80 % 縮小します。請求書突合プロセスで、1 時間あたりの処理件数が 120 件から 400 件へと上がった事例があります。
2）エラー減少。人の注意は 90 分を境に落ちますが、システムはすべての書類を同じ品質で処理します。差戻しや修正のコストが下がります。
3）スケール。取扱量が 3 倍に増えても、人員コストは比例して増えません。新市場への参入時に運用チームを倍増させる必要がなくなります。
3 つのシンプルなフィルターを使ってください。
* ボリューム — 週に 200 回以上繰り返していますか？ はいなら候補。 * 明確さ — 入力と期待する出力は、担当者が代わっても同じ判断になるくらい定義されていますか？ * 管理できるリスク — 誤った出力を、誰が、どのように気づきますか？
3 つとも通過する業務こそ理想のスタート地点です。無料相談の最初のステップは、まさにこのフィルターをお客様の実業務に通すことです。
Setviva チームが構築し、複数のお客様で安定運用を確認した 3 つのパターン：
**請求書突合。**メールまたは EDI で届く仕入先請求書を OCR にかけ、発注番号・金額・日付を抽出。発注書との 3-way マッチがきれいに取れれば ERP に直接書き込み。ズレがあれば相違点を文脈付きで人手に回します。月 2 万行規模の典型的な内訳は、1 万 8 千件超が自動解決、約 2 千件が審査行き。
**受信メール振り分け。**各メッセージに言語検出・意図分類・緊急度スコアをかけます。「請求書は？」→ 経理キューに返信下書き付きで。「荷物は？」→ 物流 Bot、WhatsApp で即時回答。「技術エラー」→ サポート、ログと顧客プロファイルを事前添付。
**リードスコアリング。**フォーム情報 + 企業エンリッチ（LinkedIn、商業登記、ドメイン年齢）+ 過去の成約案件との類似度 → A/B/C スコア。セールスは A に集中、B はナーチャリング、C は自動除外。
3 つとも同じ原理：機械が反復する判断を担い、人は例外と本当に複雑な関係だけに触れます。
プロジェクトが停滞する、繰り返し出てくる 4 つの理由：
**プロセスが安定する前に自動化する。**毎月変わるルールセットは、毎月再学習が必要なモデルを意味します。まずプロセスを SOP に書き起こし、2〜3 か月クリーンに回してから自動化へ。さもないと自動化チームはずっと火消し。
**データ品質の負債。**ゴミを入れれば、ゴミが出ます。ぼやけた PDF、レガシーフォーマット、欠損フィールド → OCR は誤抽出、LLM は誤解釈。最初のスプリントの 30 % を「サンプル文書収集＋クレンジング＋ラベル付け」に確保。スキップするとパイロットは華やか、本番は崩壊。
**変更管理の軽視。**ユーザーは新ツールをボイコットしかねません（「Excel なら 3 分で終わってた」）。ユーザー側の擁護者を 1〜2 名選び、まず彼らと一緒に作り、導入は彼らの物語から広げる。
**単一ベンダーロックイン。**LLM API・OCR サービス・モデル重みがすべて 1 社発なら、値上げしたい日にあなたのコストは 3 倍になります。すべて抽象化レイヤーで包む — プロバイダー切替は 1 日で済むべきで、3 か月かけるものではありません。