生成AI・従来型AI・RPAは何が違うか、使い分けの基準

2026年9月5日：計算条件を十分に示せていなかった業種別の効果試算と、その参照表現を削除しました。自社の導入実績を示すものではありません。

「AIで自動化」という一言には、原理の異なる複数の技術が押し込められています。RPA、従来型AI、生成AI。この3つを同じ道具として扱うと、向かない業務に向かない技術を当ててしまい、入れたのに成果が出ないという結果につながります。まず、それぞれが何をどう処理しているのかを分けて捉えます。

RPAは手順を再現する、判断はしない

RPAは、人がPC上で行う操作を記録し、決められた順番どおりに再生する自動化ツールです。マウス移動、クリック、コピー、貼り付けといった動作を、ルールに忠実になぞります。

得意なのは、手順が固定された繰り返し作業です。基幹システムから受注データを取り出して販売管理システムへ転記する、毎朝複数サイトにログインして在庫数を集計する。こうした作業は動作が完全に予測でき、同じ入力からは必ず同じ結果が返ります。画面を人と同じように操作するため、システム同士の連携機能がなくても、既存の業務手順の上にそのまま乗せられる点も実務では効きます。

弱点は、判断を伴う作業と、画面や帳票の形式変更に弱いことです。RPAは操作の意味を理解していないため、想定外のポップアップや項目の並び替えで止まります。人間なら一目で分かる例外も、あらかじめルールに書いておかないと処理できません。

従来型AIは予測と分類が得意

従来型AI（機械学習）は、過去のデータから規則性を学び、予測・分類・異常検知を行う仕組みです。答えが数値やカテゴリで表せる問題に向きます。

使い方としては、来月の需要を過去の販売実績から予測する、取引データから不正の疑いがある動きを検知する、画像から不良品を選り分ける、といった例があります。いずれも正解の形があらかじめ決まっている問題です。

弱点は、学習に使ったデータの範囲を超える状況に弱いことと、なぜその予測になったかの説明が難しい場合があることです。過去に例のない事態や、データが偏っている領域では精度が落ちます。

生成AIは非定型の入力を柔軟に扱う

生成AIは、文章の作成・要約・翻訳・対話など、答えが一つに定まらない非定型の仕事を扱う技術です。文脈を読み、その場に応じた出力を組み立てます。

強みは、形式の揃っていない入力を受け取れることです。書式がばらばらのメール、手書きに近いメモ、体裁の異なる請求書。従来はフォーマットが揃わないから自動化できないとされた業務が、生成AIで初めて射程に入りました。問い合わせメールの意図をくみ取って下書きを返す、長い議事録を論点ごとに要約するといった、答えが一通りに決まらない仕事に向きます。

弱点は、常に同じ答えを返すとは限らず、事実に反する内容をもっともらしく出すことがある点です。金額の確定や対外文書の最終判断など、間違いが許されない工程では、人の確認を挟む前提で使います。この線引きは AIエージェントの自律性の記事 でも詳しく扱っています。

分かれ目は判断の柔軟さと入力の形

3つを分ける軸は2つあります。判断の柔軟さと、入力の形です。

判断の柔軟さでは、RPAは決められた通りにしか動けない代わりに動作が完全に予測でき、生成AIは柔軟に対応できる代わりに出力が毎回同じとは限りません。厳密さと柔軟さはトレードオフの関係にあります。従来型AIはその中間で、決められた問題に対して確率的な答えを返します。

入力の形では、RPAと従来型AIは形式の揃ったデータを前提とし、生成AIは非定型な入力を扱えます。この違いが、自動化できる業務の範囲を左右します。人手が張り付いていた非定型業務まで対象に含められるかどうかで、削減できる工数の規模も変わってきます。

業務を工程に分解して技術を当てはめる

どの技術が最適かは、業務の性質から逆算して決めます。単位は業務そのものではなく、工程です。

• 手順が固定された繰り返し操作（システム間の転記、定型帳票の出力など）→ RPA
• 数値やカテゴリで答えが出る予測・分類（需要予測、与信の一次判定、異常検知など）→ 従来型AI
• 非定型な文章・対話の処理（問い合わせ対応、文書の要約や作成、読み取りなど）→ 生成AI
• これらが混在する業務 → 複数を連携させる

一つの業務を、判断が要る工程・定型の工程・予測できる工程に切り分けると、当てはめる技術がおのずと見えてきます。

請求書処理でみる、3技術を組み合わせるフロー

現実の業務は、1つの技術で完結しないことがほとんどです。請求書処理を例に、3つの分業を追います。

• 生成AIが、取引先ごとに書式の違う請求書から、金額・日付・品目などの項目を読み取り、共通の形式に整える
• RPAが、整えられたデータを会計システムの所定の欄へ入力する
• 従来型AIが、過去の取引と比べて金額が大きく外れる伝票に印を付け、担当者の確認に回す

この流れなら、非定型の読み取りは生成AI、定型の転記はRPA、異常の検知は従来型AIと、それぞれの得意が噛み合います。バックオフィスの定型業務をどう自動化するかは バックオフィス自動化の記事 でも整理しています。

選定でつまずく典型例と、業務分解から始める

技術選定でつまずくのは、道具を先に決めてしまう時です。

• 生成AIに定型の数値転記をそのまま任せ、出力が毎回わずかに揺れて検算が増える。厳密な転記はRPAの領分
• 手順が頻繁に変わる画面をRPAで固め、変更のたびにシナリオが止まって保守に追われる。変化の多い工程は不向き
• データが十分に無いのに従来型AIで予測させ、精度が出ずに使われなくなる

これらに共通するのは、業務を工程に分けないまま、AIで自動化とひとくくりにした点です。最初にやるべきは、ツールの比較ではなく、対象業務を工程に分解して、判断・定型・予測のどれに当たるかを見極めることです。当研究所では、この業務分解と技術の当てはめを現状診断の中で行っています。技術選定に迷う段階なら、無料相談から現状の棚卸しを始めてください。