はじめに
「RPAを導入したが、半年後には使われなくなった」——RPA導入企業の約50%が経験する現実です。
数百万円を投資し、業務の自動化を実現したはずのRPA。最初の数ヶ月は順調に動いていたのに、ある日突然エラーが頻発し始め、修正しても次のエラーが起き、いつの間にか「動かないけど止めてもいないツール」になっている。
この記事では、RPAが止まる本当の理由（4つの構造的原因）を分析し、AIとの組み合わせで持続可能な自動化を実現する方法を解説します。
RPAが止まる4つの構造的原因
原因1: システムのUI変更に弱い
RPAは画面上のボタンの位置やテキストを「覚えて」操作します。そのため、対象システムのUIがわずかでも変わると即座にエラーになります。
| UI変更の例 | RPAへの影響 |
|---|---|
| ボタンの位置が2cm移動 | ✕ クリック対象を見失う |
| 項目名が「金額」→「税込金額」に変更 | ✕ 項目を見つけられない |
| ログイン画面にセキュリティ確認追加 | ✕ 想定外の画面でフリーズ |
| Webシステムのバージョンアップ | ✕ DOM構造の変更で全シナリオ停止 |
特にクラウドサービス（freee、kintone等）は月1〜2回のアップデートがあり、その都度RPAが壊れるリスク。
原因2: 例外処理ができない
RPAは「決められたルール通り」に動作するため、想定外のケースに対応できません。
| 例外ケース | RPAの反応 |
|---|---|
| 通常とは異なる形式のPDF | フリーズ or 誤データ抽出 |
| 氏名欄に会社名が入力されている | そのまま処理→後工程でエラー |
| ネットワーク一時切断 | タイムアウトエラーで停止 |
| 祝日の処理（営業日計算） | 考慮されていないパターンが多い |
| エラーメールの返信が来た | 想定外の受信メールでフリーズ |
原因3: メンテナンスコストの肥大化
RPAは導入コストよりもメンテナンスコストの方が高いケースが多い。
| コスト項目 | 導入時 | 1年後 | 3年後 |
|---|---|---|---|
| ライセンス費 | 100万円/年 | 100万円/年 | 100万円/年 |
| シナリオ開発費 | 200万円 | 0円 | 0円 |
| メンテナンス費 | 0円 | 150万円/年 | 200万円/年 |
| エラー対応の人件費 | 0円 | 50万円/年 | 100万円/年 |
| 合計 | 300万円 | 300万円/年 | 400万円/年 |
3年間の累計: 300 + 300 + 400 = 1,000万円。当初「年間200万円の人件費削減」で導入したのに、トータルでは赤字。
原因4: 担当者の退職で破綻
RPAのシナリオを設計した担当者が退職すると、修正できる人がいなくなります。
| 状況 | 結果 |
|---|---|
| RPAの仕様書がない（あっても情報が古い） | 何がどう動いているか分からない |
| シナリオが複雑に絡み合っている | 1箇所修正すると別の箇所が壊れる |
| 外部ベンダーに丸投げ | 修正のたびに数十万円の費用 |
RPAの限界 vs AIの強み
| 項目 | RPA | AI |
|---|---|---|
| 対応方法 | ルール通りに画面操作 | データの意味を理解して処理 |
| UI変更への耐性 | ✕（即座に壊れる） | ◎（データ構造を理解するため影響を受けにくい） |
| 例外処理 | ✕（想定外はフリーズ） | ○（パターン学習で対応。判断できない場合は人間にエスカレーション） |
| 非構造データの処理 | ✕（決まったフォーマットのみ） | ◎（手書き文字、自由形式のメール等も処理可能） |
| 自己改善 | ✕ | ◎（使うほど精度向上） |
| メンテナンス | 高い（人間が修正） | 低い（自動学習で適応） |
AIで「止まらない自動化」を実現する4つのアプローチ
アプローチ1: APIベースの連携に切り替える
RPAは「画面操作」で連携しますが、AIはAPIベースで連携します。
| 項目 | RPA（画面操作） | AI（API連携） |
|---|---|---|
| UI変更の影響 | 即座にエラー | 影響なし |
| 処理速度 | 人間と同程度 | 100倍以上速い |
| 安定性 | 低い | 高い |
APIがないシステムでも、AIは「意味を理解して処理」するため、画面レイアウトが変わっても対応可能。
アプローチ2: OCR+AIで非構造データを処理
| 処理対象 | RPAの対応 | AI+OCRの対応 |
|---|---|---|
| 定型フォーマットの請求書 | ○ | ◎ |
| 手書きの申請書 | ✕ | ◎（手書き認識） |
| 自由フォーマットのメール | ✕ | ◎（NLPで内容を理解） |
| PDF（画像埋め込み） | ✕ | ◎（AI-OCRで文字抽出） |
| 多言語ドキュメント | ✕ | ◎（自動翻訳+処理） |
アプローチ3: 例外処理の自動学習
AIは過去の例外パターンを学習し、次回から自動対応。
| 例外処理のフロー | 詳細 |
|---|---|
| 1. 例外を検知 | AIが「通常と異なるパターン」を自動検出 |
| 2. 人間にエスカレーション | 判断できない場合は担当者に通知 |
| 3. 人間が対応 | 正しい処理を実行 |
| 4. AIが学習 | 次回から同じパターンを自動処理 |
| 5. 精度向上 | 例外処理の自動化率が漸次上昇 |
アプローチ4: ハイブリッド構成（RPA+AI）
既存のRPAをすぐに捨てる必要はありません。RPAの前段にAIを配置するハイブリッド構成が現実的。
| 処理フロー | 担当 |
|---|---|
| データの受信・形式判定 | AI（多様な形式に対応） |
| データの正規化・変換 | AI（非構造→構造データに変換） |
| 定型的なシステム入力 | RPA（安定した操作） |
| 例外処理・エラー対応 | AI（自動対応 or 人間にエスカレーション） |
導入効果
| 指標 | RPAのみ | AI+RPA（ハイブリッド） |
|---|---|---|
| 自動化率 | 60〜70% | 90〜95% |
| エラー発生率 | 月5〜10件 | 月0〜1件 |
| メンテナンスコスト/年 | 150〜200万円 | 30〜50万円 |
| UI変更時の復旧時間 | 1〜3日 | 即座（自動適応） |
| 担当者退職時の影響 | 大きい（破綻リスク） | 小さい（AIが自動適応） |
| 3年間の総コスト | 1,000万円 | 600万円 |
導入ステップ
| ステップ | 期間 | 内容 |
|---|---|---|
| 1 | 2週間 | 現在のRPAの稼働状況と課題を棚卸し |
| 2 | 2週間 | エラー頻発箇所の特定（AIで代替可能か判断） |
| 3 | 1ヶ月 | 最もエラーが多い業務からAI化のパイロット実施 |
| 4 | 2ヶ月 | ハイブリッド構成の本格導入 |
| 5 | 以降 | 段階的にAI化を拡大 |
まとめ
RPAが止まるのは「ツールの問題」ではなく「アプローチの限界」です。画面操作に依存するRPAは、UIの変更や例外処理に構造的に弱い。
AIは「意味を理解して処理する」ため、UIの変更にも例外にも強い。既存のRPAを全面的に置き換えるのではなく、AIとのハイブリッド構成が最もコスト効率の高いアプローチです。
📩 RPAの課題解決について相談したい方へ
ProductXでは、AI DXに関する無料相談を承っています。
💡 関連記事: RPA vs AI｜業務自動化の最適解はどっち？ / 中小企業のAI導入ステップガイド｜失敗しない進め方 / AI DXとは？