ITパスポート 令和5年度 問5：system_strategyに関する問題

答えは d「定型的な事務処理の効率化」 です。

RPA（アールピーエー）は、パソコンでの決まりきった手作業を、ソフトのロボットが代わりにやってくれる仕組み。たとえば「メールの数字をエクセルに毎日コピペ」のような、いつも同じ手順のルーティン作業が得意です。人がマウスやキーボードでやる操作をそっくり自動でこなします。

👉 覚え方：RPA＝同じことのくり返しが大の得意なロボット。

ほかの選択肢：a 経営の重大な決断＝人の判断が必要／b 一人ひとりに合わせたおすすめ＝AIの役目／c 大量データから規則を見つける＝データ分析・AIの役目。

なぜこれが正解か

正解は d 定型的な事務処理の効率化。RPA（Robotic Process Automation）は、PC上の定型的・反復的な事務作業（データ入力、転記、帳票作成、システム間のコピペ等）をソフトウェアロボットが代行・自動化する技術。ルールが明確で手順が決まった作業に最も効果を発揮する。

各選択肢の解説

• a M&A等の重要戦略の採択：高度な経営判断であり、人間（経営層）の意思決定が必要。RPAの対象外。
• b 個人の嗜好に合わせたサービス提供：レコメンドはAI／機械学習の領域。
• c 大量の行動データからの規則性抽出：データマイニング・AI分析の領域。
• d 定型事務の効率化：RPAの代表的活用例で適切。

覚え方・ひっかけ注意

RPAは「決まった手順を高速・正確に繰り返す」のが本質で、判断や学習はしない点がカギ。b・cのように「予測・規則発見・最適化」が絡むものはAIの守備範囲で引っかけ。「ルールベース＝RPA／学習・推論＝AI」と切り分けると確実。

理論的背景

RPA（Robotic Process Automation）は、既存アプリケーションのUIを介してコンピュータ操作を自動化するソフトウェアロボット技術だ。バックエンドのAPIやデータベースを直接操作するシステム連携（EAI：Enterprise Application Integration）と異なり、人間が画面を見て行う操作（クリック・入力・コピー・ファイル操作・条件分岐）を記録・再生する「UIオートメーション」層で動作する。これがRPAの最大の特長で、既存システムへの改修・API公開が不要なため導入コストとリードタイムが小さい。適合する業務の条件は「①ルールが明確で例外が少ない②繰り返し頻度が高い③手順が定型的④複数システムをまたぐコピー転記作業が多い」で、財務・経理（請求書処理・仕訳入力）・人事（入退社手続き）・購買（発注入力・確認）・営業サポート（顧客データ更新・レポート作成）等が代表的な適用領域だ。

実務での使われ方

RPAベンダーとしてはUiPath・Blue Prism・Automation Anywhereが世界三大ベンダーとされ、国内ではWinActor（NTTデータ）・BizRobo!（RPA Technologies）等も普及している。成熟度の整理として、単純な定型作業自動化（RPA）→OCR・自然言語処理との連携で非定型データも処理（Intelligent Automation）→機械学習との組み合わせで判断を加える（Cognitive Automation）という進化軸がある。導入の課題として「野良ロボット問題」（個人やチームが勝手に作ったロボットが管理されずに乱立し、システム変更時に一斉に止まる問題）、内部統制（ロボットの処理記録・アクセス権の管理）、保守コスト（画面変更に弱い）が知られている。

試験での位置づけ

ITパスポートのストラテジ系（業務効率化・DX推進）でRPAは定番テーマで、「RPAで自動化できる業務の特性」を問う問題が繰り返し出題されている。本問の正解（定型的な事務処理）は最もシンプルな形で、AIで行う「予測・推論・規則性発見」（選択肢b・c）、経営判断（選択肢a）との区別が問われる。RPAとAIの違いは「ルールベース（RPAは予め定義されたルール通りに動く）」vs「機械学習（AIは大量データから自ら規則を見つける）」という軸で整理すると確実だ。近年はDX・AI活用・働き方改革の文脈でRPAが出題され、「人がやっていたルーティン作業をロボットに任せ、人は創造的・高度な判断業務に集中する」という役割分担の理解が問われる傾向がある。

選択肢の発展補足

選択肢a（M&A等の重要戦略の採択）：企業の合併・買収は高度な経営判断で、財務分析・法務リスク評価・文化的融合の可能性判断など多くの非定型的判断を要する。現時点のAI・RPAでも自律的な意思決定は不可能で、経営層・専門家が最終判断を担う。RPAができるのは意思決定の「前工程」である関連データの収集・整理・レポート作成といった補助作業に限られる。選択肢b（個人の嗜好に合わせたサービス提供）：レコメンドエンジン（Netflixのような）はユーザーの行動履歴・好み・類似ユーザーのパターンを機械学習で分析して提案する。これはAI（特に協調フィルタリング・コンテンツベースフィルタリング）の領域で、RPAのルールベース自動化の範囲を大きく超える。選択肢c（大量データからの規則性抽出）：これはデータマイニング・機械学習そのものの定義に近い表現で、RPA単体の能力ではない。大量の行動データから「この顧客パターンは離脱リスクが高い」といった規則性を発見するのは教師なし学習（クラスタリング・異常検知）や教師あり学習の領域だ。