Is RPA Obsolete? Redefining RPA in the Generative AI Era

こんにちは！株式会社雲海設計の技術部です。2026年5月現在、弊社の経営相談で急増しているのが「rpa オワコンと社内で言われ始めたが、すでに数千万円投資したRPA資産をどう扱えばよいか分からない」「生成AIエージェントへの全面置き換えは現実的なのか」という情シス部門・経営企画からのご相談です。Forbes Japanが2026年3月に公表した調査では、国内RPA導入企業のうち47%が「2026年内に既存RPA基盤の見直しを予定」と回答しており、1年前の19%から急増しています。

本記事では、rpa オワコンというキーワードで検索する意思決定者向けに、RPAが本当に終わったのか、それとも役割が変わっただけなのかを、市場データと現場事例から検証します。そのうえで既存RPA資産の「残す」「置換」「併用」の判断フレームをコンサル視点で提示します。

• RPAは「オワコン」ではなく「役割再定義フェーズ」。定型処理の基盤としては2026年も健在
• ただし非構造データ・判断業務領域はAIエージェントへの置換が経済合理的になりつつある
• 2025年のRPAライセンス市場は前年比マイナス8%と初の縮小(矢野経済研究所 2026年2月)
• 失敗パターン上位は「全廃して全部AIに置換」。既存資産の段階的ハイブリッド化がROI最大
• 判断軸は(1)処理の構造化度、(2)例外発生率、(3)監査要件、(4)実行頻度の4軸で意思決定可能

なぜ今「rpa オワコン」と言われるのか?

結論から言うと、RPAがオワコンと言われる背景には「生成AIエージェントが、RPAの不得意領域を一気に飲み込み始めた」という構造変化があります。2025年までのRPAは「画面操作の自動化」「ルールベースの転記」を担う基盤として安定していましたが、2026年に入りAIエージェントが画面操作・判断・例外処理までを統合的にこなせるようになり、RPA単独の存在意義が問われ始めました。

2025年から2026年にかけて起きた3つの変化

Gartnerが2026年1月に公表したレポートによれば、世界のRPAソフトウェア市場成長率は2024年の+15.6%から2025年は+2.1%へ急減速しています。原因は次の3点に集約されます。

• ブラウザ操作型AIエージェント(Claude Computer Use、Operator系)の業務投入が現実化
• 非構造データ処理(PDF・メール・画像)を生成AIが高精度で扱えるようになり、OCR+RPAの組み合わせが冗長化
• 例外処理コストがRPAの維持費を圧迫。LLMによる例外判断が代替手段に

「RPAは死なないが、独立した自動化レイヤーとしての存在感は失う。今後はAIエージェントの『手足』として再配置されるだろう」(Gartner Hype Cycle for Automation 2026, 2026年4月)

現場で起きている「RPAしんどい」の正体

弊社が2026年4月にヒアリングした中堅企業30社のRPA運用担当者からは、共通して以下の声が挙がりました。

• 業務側のUI変更で毎月のように壊れるロボットのメンテに工数が溶ける
• 例外パターンが増えるたび分岐ロジックを足してフロー図が肥大化
• RPA人材の採用難で属人化が解消できない
• ライセンス費用が増え続ける一方で、削減できる工数の上限が見えてきた

これらは「RPAが悪い」のではなく、RPAに任せるべきでない業務まで詰め込んだ結果です。詳しくはRPA業務効率化 事例10選でも実例を取り上げています。

RPAは本当にオワコンなのか?データで検証

結論から言うと、RPAは「業務自動化の主役」から「AIエージェントの実行基盤」へ役割を変えながら生き残ると弊社は判断しています。「完全終了」ではありません。市場データで裏を取ります。

市場規模・成長率の推移

(出典: 矢野経済研究所「国内RPA市場動向2026」2026年2月)

確かに2025年から市場は縮小に転じましたが、1,000億円規模の市場がいきなり消滅するわけではありません。むしろ「縮小しながらAIと統合する」フェーズに入ったと読むのが正確です。

RPAが「残る業務」と「淘汰される業務」

弊社の支援実績から、2026年時点でRPAが経済合理性を保つ業務とそうでない業務を整理しました。

つまり「構造化×低例外×高頻度」の業務はRPAが今でも最強で、それ以外はAIエージェントに譲るべきという話です。

既存RPA資産をどう扱うか?判断フレーム

結論から言うと、既存RPA資産は「全廃」も「全延命」も間違いで、業務単位で(1)残す/(2)置換/(3)併用の3択を機械的に判定するのが正解です。弊社では次の4軸スコアで判定します。

4軸スコアリングフレーム

1. 処理の構造化度 (高ければRPA有利)
2. 例外発生率 (低ければRPA有利)
3. 監査・証跡要件 (厳格ならRPA有利。AIは判断ブラックボックス問題)
4. 実行頻度 (高頻度ならRPAの初期コストを回収しやすい)

判定式(簡易版):
スコア = 構造化度(0-3) + (3 - 例外発生率)(0-3) + 監査要件(0-3) + 実行頻度(0-3)

10点以上: RPA継続(年次見直し)
 6-9点 : ハイブリッド(RPA基盤+AIで例外処理)
 5点以下: AIエージェントへ置換検討

判断のチェックリスト

• そのRPAロボットは過去6ヶ月で何回壊れたか? 3回以上なら置換候補
• 処理対象データの非構造比率は何%か? 30%超ならAI寄りに
• 例外時の人間エスカレーション率は? 20%超ならAIエージェント検討
• ライセンス費の1ロボット当たり年額と、削減工数の人件費換算は釣り合っているか
• 当該業務は3年後も存在するか? 廃止予定業務にAI投資する意味はない

このフレームは業務領域別の投資判断ロードマップでも採用している考え方の応用版です。

RPAからAIエージェントへの移行パターン

結論から言うと、移行は「全廃→新規構築」ではなく「RPAを実行基盤として残し、判断層だけAIに置き換える」パターンが最もROIが高いです。

3つの移行パターン

中堅中小企業の現実解はパターンB(ハイブリッド型)です。AIエージェントの判断結果をRPAに「次に何をすべきか」として渡す構成にすれば、既存資産を捨てずに済みます。

ハイブリッド構成のアーキテクチャ例

graph LR
  A[業務イベント] --> B[AIエージェント]
  B --> C{判断}
  C -->|定型処理| D[既存RPAロボット]
  C -->|例外| E[人間レビュー]
  D --> F[基幹システム]
  E --> F
  F --> G[実行ログ・監査証跡]

このパターンなら監査証跡はRPAの強みを活かしつつ、判断のブラックボックス化を最小限にできます。AIエージェント実装の詳細はAIエージェント比較2026もあわせてご覧ください。

移行で失敗しないための3つの注意点

結論から言うと、移行失敗の8割は「技術選定の失敗」ではなく「業務棚卸しの失敗」です。コンサル現場で頻発する3つの落とし穴を共有します。

1. 「全部AIにすればいい」病

RPAをすべて廃止してAIエージェントに置換しようとした製造業A社では、毎月の経理締め処理が初月から破綻しました。原因は、定型の数値転記までAIに判断させた結果、ハルシネーションリスクと監査要件の不整合が発生したためです。ハルシネーション損害賠償リスクの観点でも、定型業務にAI判断を入れるのは過剰投資です。

2. PoCの罠

「AIエージェントで賢く動きました」というPoCの成功と、本番運用での安定稼働は別物です。エラー率1%でも、月10万件の処理なら1,000件の障害です。本番投入前に評価ループ(ハーネス)を組むことが必須で、詳しくはハーネスエンジニアリングとはで解説しています。

3. ガバナンスの後回し

RPAは「動いた=正しい」が判定しやすい一方、AIエージェントは判断の妥当性を継続検証しなければなりません。経営層への説明、内部統制報告書(J-SOX)への反映を含むガバナンス設計を初期から組み込む必要があります。

雲海設計の支援アプローチ

弊社では、RPAからAIエージェントへの移行を「アセスメント→ハイブリッド設計→段階的移行」の3フェーズで支援しています。具体的には次の流れです。

1. 既存RPA資産棚卸し: 全ロボットを4軸スコアで分類(2〜4週間)
2. 移行マスタープラン策定: A/B/Cパターンへ振り分け、ROI試算
3. パイロット実装: 高ROI業務から3〜5本のAIエージェント化
4. 展開と評価ループ運用: ハーネス設計を組み込み本番投入

「rpa オワコン」と一括りにせず、自社の業務特性に応じた最適解を導出するには、外部の視点も有効です。IT コンサルティングやDX ソリューションのページに具体的な支援メニューをまとめていますので、ご興味あればお問い合わせからお気軽にご相談ください。

よくある質問

Q. RPAは完全に消滅するのですか?

A. いいえ、消滅しません。2026年5月時点でも国内市場は1,150億円規模で、構造化・高頻度・低例外の業務領域では引き続き経済合理性があります。役割が「主役」から「AIエージェントの実行基盤」へシフトするだけです。

Q. 今からRPAを新規導入するのは無駄ですか?

A. 業務によります。請求書発行・定型レポート出力など構造化処理ならRPAが今でも最適解です。一方、メール・PDFからの情報抽出やシステム横断の調査業務なら、最初からAIエージェントを選んだ方が良いです。

Q. RPAエンジニアのキャリアは終わりますか?

A. 業務分析・例外設計のスキルは活きます。むしろハイブリッド設計ではRPAとAIエージェントの両方の特性を理解した人材が希少です。プロンプト設計・評価ループ構築のスキルを足すことで市場価値は上がります。

Q. ハイブリッド構成の初期コストはどれくらいですか?

A. 既存RPA基盤を活かす前提で、AIエージェント側の構築は5〜10業務で300〜800万円が中堅中小の標準的なレンジです。ライセンス費は別途、月数万円〜数十万円です。

Q. 経営層に「rpa オワコン」と決めつけられたらどう説明すれば良いですか?

A. 業務単位での4軸スコア結果を提示するのが最も効きます。「RPAが正解の業務がX件、AIエージェント置換が経済合理的な業務がY件、ハイブリッドがZ件」と数値で示せば、感情論ではなく投資判断の議論になります。