自動化の最前線から学ぶユースケース

自動化の最前線から 学ぶユースケース 2025年11月14日 UiPath株式会社 ソリューション本部

自己紹介 年 藤根和也 ソリューション本部 セールスコンサルティング第二部 セールスエンジニア 会社 / 役職 趣味 • マラソン 2008-2015 富士ソフト株式会社 新卒で入社 名古屋支社配属 組込エンジニアとしてプログラム開発に従事 • GOLF • サウナ 2016-2018 東京に上京 会社を起業 主たる業務は組込受託開発 執筆記事等 Qiita 2019-現在 UiPath株式会社 名古屋支社配属 2019年 プロダクトソリューション配属 2020年 カスタマーサクセス配属 2021年 プリセールス配属 Community Blog Webinar X アカウント @Fk_uipath 岐阜県出身 UiPathのプリセールスとして技術的な側面からお客様を支援。 現在は製造業のお客様を中心に担当。 2019年に入社のため、会社の成長と業界の変化を感じることが出来た。 入社当時は技術ポジションだったが、社内異動により2021年からプリセールス担当。 多くの自動化プロジェクトを見てきたため、成功パターンと同時に多くの失敗も経験。

• https://www.uipath.com/ja/community-blog/tutorials/click-activity
• https://www.uipath.com/ja/resources/automation-webinars/uipath-document-understanding-starting-from-scratch
• https://qiita.com/fujinc

Safe Harbor​ Statements we make in this presentation may include statements which are not historical facts and are considered forward-looking within the meaning of the Private Securities Litigation Reform Act of 1995, which are usually identified by the use of words such as “anticipates,” “believes,” “estimates,” “expects,” “intends,” “may,” “plans,” “possible,” “projects,” “outlook,” “seeks,” “should,” “will,” and variations of such words or similar expressions, including the negatives of these words or similar expressions. We intend these forward-looking statements to be covered by the safe harbor provisions for forward-looking statements contained in Section 27A of the Securities Act of 1933, as amended, and Section 21E of the Securities Exchange Act of 1934, as amended, and are making this statement for purposes of complying with those safe harbor provisions. These forward-looking statements include, but are not limited to, statements regarding: our ability to drive and accelerate future growth and operational efficiency and grow our platform, product offerings, and market opportunity; our business strategy; plans and objectives of management for future operations; the estimated addressable market opportunity for our platform and the growth of the enterprise automation market; the success of our platform and new releases including the incorporation of AI; the success of our collaborations with third parties; our customers’ behaviors and potential automation spend; and details of UiPath’s stock repurchase program. Forward-looking statements involve known and unknown risks, uncertainties, and other factors that may cause our actual results, performance, or achievements to be materially different from any future results, performance, or achievements expressed or implied by the forward-looking statements. These risks include, but are not limited to, risks and uncertainties related to: our expectations regarding our revenue, annualized renewal run-rate (ARR), expenses, and other operating results; our ability to effectively manage our growth and achieve or sustain profitability; our ability to acquire new customers and successfully retain existing customers; the ability of the UiPath Platform to satisfy and adapt to customer demands and our ability to increase its adoption; our ability to grow our platform and release new functionality in a timely manner; future investments in our business, our anticipated capital expenditures, and our estimates regarding our capital requirements; the costs and success of our marketing efforts and our ability to evolve and enhance our brand; our growth strategies; the estimated addressable market opportunity for our platform and for automation in general; our reliance on key personnel and our ability to attract, integrate, and retain highly-qualified personnel and execute management transitions; our ability to obtain, maintain, and enforce our intellectual property rights and any costs associated therewith; the effect of significant events with macroeconomic impacts, including but not limited to military conflicts and other changes in geopolitical relationships and inflationary cost trends, on our business, industry, and the global economy; our reliance on third-party providers of cloud-based infrastructure; our ability to compete effectively with existing competitors and new market entrants, including new, potentially disruptive technologies; the size and growth rates of the markets in which we compete; and the price volatility of our Class A common stock. Further information on risks that could cause actual results to differ materially from our guidance and other forward-looking statements can be found in our Annual Report on Form 10-K for the fiscal year ended January 31, 2025 filed with the United States Securities and Exchange Commission (SEC), in our Quarterly Reports on Form 10-Q filed with the SEC, and in other filings and reports that we may file from time to time with the SEC. Any forward-looking statements contained in this presentation are based on assumptions that we believe to be reasonable as of this date. Except as required by law, we assume no obligation to update these forward-looking statements. Our fiscal year end is January 31, and our fiscal quarters end on April 30, July 31, and October 31. All third-party trademarks, including names, logos and brands, referenced by us in this presentation are property of their respective owners. All references to third-party trademarks are for identification purposes only. Such use should not be construed as an endorsement of the products or services of us. 3

５% 【UiPath Fusion 米国での発表内容】 ここ数週間で多くの人々が話題にしている、最も注目すべき調査のひとつは、 もちろんMITの発表です。「AIのパイロットの95%は本番導入に失敗する」 というものです。ですが、この数日間で皆さんが耳にするのは、残りの5%の 成功事例です。大規模なROI（投資対効果）を実現しているお客様の話をお届 けします。その秘密は「オーケストレーション（統合調整）」にあります。 by Ben Fiechtner（President, Americas）

MIT の調査：『組織の95％が投資リターンを得られていない』 MIT NANDA（Networked Agents and Decentralized AI）： • 米国マサチューセッツ工科大学 (MIT) 建築・計画スクール内に設置された研究所（MIT Media Lab） 発の研究・実装イニシアチブ • 『AIエージェントのインターネット（The Internet of AI Agents）』を実現するための基盤を整備 • 膨大な数の独立した AI エージェントを安全に発見・相互運用・協調可能にすることを目指す • 生成 AI への投資：300～400億ドル（４～６兆円）に到達 • 組織の95％が投資リターン（ROI）を得られていない • チャット型（ChatGPT や Copilot）： • 80%が評価、40%が導入 • 個人に閉じた生産性向上（P/L には表現されない・ROI は見えない） • 業務プロセス・システムへの AI エージェント適用： • 60%が評価、20%がパイロット実施、本番導入はわずか５% 最も成果を上げている組織は、バックオフィス業務を中心 に BPO（業務委託）支出や外部代行サービス利用の削減に よる測定可能なROI（コスト節減）を報告している

UiPath のエージェンティックオートメーションへの道のり “エージェンティックオートメーションにより、 我々は適切な意思決定を行い、 ビジネスの変化に迅速に適応し、 スケールを加速することができます。” Emily Krohne, Enterprise Automation, WEX RPA UI 自動化 コンピュータ ビジョン エージェント ロボット, 人 ワークフロー アクティビティ API統合 ローコードアプリ プロセス オーケスト レーション ガバナンス クラウド 2018 2020 UIベースの自動化 APIベースの自動化 発見 分析 継続的テスト 高度な文書と コミュニケー ション処理 2022 構造化データ の理解 生成AIによる 自動化 UiPath LLMs UiPath GenAI Activities 2023 2024 非構造化データ の理解 生成AI 自動化 2025 エージェンティック プロセス 6

UiPath の成長戦略

RPAだけではない、新しい自動化の形 弊社ビジネスはRPA製品からスタートしておりますが、現在は自動化に関わる領域を網羅的にご支援させて頂いております。 現在最も投資をしている領域は、従来のRPAとAIエージェントと掛け合わせたAgentic Automationです。 2017 RPA Tool 2025 Agentic Automation Platform API RPA ローコード アプリ プロセス可視化 ロボット操作 AI Agent RPA 文書処理の 自動化 テスト自動化 オートメーションによる変革 8

UiPath の提供するAgentic Automation 一般的に利用されている UiPath の提供する AI Agent Agentic Automation • チャットベースでタスク実行を依頼、対話 形式で作業を実施 • チャットアシスタントとして活用 • 個人の生産性向上に加えて… • AI AgentとRobotを使って一連の業務フロー・業務 システムを構築 • 人の協力を得ながら組織の業務を自動的に実施 明日A社の佐藤さんと会食を予定しています。 A社との取引状況、A社の経営方針、佐藤さんの 最近の発言に関して事前に情報を纏めてください。 承知しました。会食の目的は関係構築でしょうか、 それとも具体的な提案がありますか。 主な目的は関係構築です。 ありがとうございます。情報の整理を開始します。 個人の生産性を向上 組織の生産性を向上 9

これまでの自動化：効率化領域は定型業務 ロボットが助けてくれるがあくまで人中心で展開されていた (省力化） 創造的業務 請求書 情報読取 モニタリング 高度業務 定型業務 人間 (社員) メール受信 請求書ダウ ンロード 請求書ファ イル保存 ロボット （RPA・DAP（Digital Adouption Platform）） モニタリング エクセル保 存 システムへ の転記 上申判断 承認申請 関係者 対応依頼 モニタリング 完了メール 送信

これからの業務自動化：省人化を経て創造的業務にシフト 人間はAIエー ジェントが使う 「仕組みの１つ」 人間は創造的業務へ注力 創造的業務 （リソースシフト） 人間 (社員) 指示:モニタリング 高度業務 定型業務 請求書 情報読取 指示:モニタリング AIエージェント 必要なときだけ エスカレーション 上申判断 承認申請 関係者 対応依頼 指示:モ ニタリン グ オフィス業務が人中心からAIエージェント中心に展開されるようになる （省人化） メール受信 請求書ダウ ンロード 請求書ファ イル保存 エクセル保 存 システムへ の転記 完了メール 送信

Agentic Automation 従来のRPAからAIエージェントによる自働化対象の拡大 従来のRPAでは難しかった文書処理や人の判断もAIエージェントを 活用した自働化が可能になります。 凡例 Intelligent Automation Robot AI エージェント 業務自働化範囲 従来のRPAに よる自働化 IXP(≒AI-OCR) を活用した 文書処理自働化 タスク メール・ファイ ル仕分け ファイルか ら情報転記 内容チェックと 校正作業 システム投入 自働化 登録内容の 確認と承認 後続システム 処理 文書仕分け (AI-OCR) 情報抽出 (AI-OCR) 内容チェックと 校正作業 システム投入 自働化 登録内容の 確認と承認 後続システム 処理 必要に応じ人の チェックやエスカ レーション対応 IXP + AI Agent によるエンドツーエ ンドの自働化 文書仕分け (AI-OCR) 情報抽出 (AI-OCR) AI Agentによる 内容チェックや 意味合いの校正 システム投入 自働化 AI Agentによる 登録内容の 確認と承認 後続システム 処理 プロセス

デモンストレーション

請求書処理（2Way Matching) 発注書 請求書を受領 不定期に発生 請求書の 内容理解 請求書と発注書 整合性チェック 半定型ドキュメントからの データ抽出 社内ルールとの照合 意味を理解して判断 支払いシステ ムに入力 定型作業

Demo1 請求書処理 -RPA-

Demo2 請求書処理 -RPA+AI-OCR-

Demo3 請求書処理 -RPA+AI-OCR+AI Agent-

Agentic Automationの概要

Agentic Automation はどのように動くのか : イメージ その楽譜に描かれた内容を 華麗に奏でる Agent/Robotの実態 （例:楽器） 制限なく他社のRobotやAgent を呼び出すことが可能 Agent/Robot/人間の三位一体のフローで、 高度な労働力を再現（例：譜面） …等々

Agentic Automation はどのように動くのか：簡易デモ

Agentic Automation はどのように動くのか：簡易デモ AIエージェント （この中でもロボットや人間を呼んだり、 コンテキストを読みに行ける） AIエージェント 人間の確認 （明示的に確認） ロボット （明示的に呼ぶ）

Agentic Automation はどのように活かせるか：簡易デモ 22

Agentic Automation 活用ユースケース

24

Agentic Automation: ユースケース検証・実装例 （業種カットで抜粋・世界全体） 金融業界・共通的 保険 製造 • 融資・ローン審査 • 加入資格確認（適格性チェック） • HSコード分類（関税番号付与） • 顧客オンボーディング・KYC • 生命保険金請求の査定（妥当性確認） • 生産ライン稼働状況監視 • AML取引調査・制裁リスト照合 • 損害保険契約の更新手続き • 見積評価（価格・条件査定） • 照合差異調査 • 医療必要性管理（支払適正化） • 受注・出荷（納期確認） • ポートフォリオ分析／受入時リスク 評価 • 保険プラン事前承認（事前審査） • 発注妥当性分析 • 財務分析 • 給付業務管理 • 価格妥当性検証 • 不正請求検知（保険金詐欺対策） • 品質証明書・検査成績書のチェック • 引受査定 • 在庫管理 • 保険金支払査定（支払決定） • 機器の保証のためのマスターデータ 管理 • 担保物件評価 銀行 • 振込・決済調査 • タームシート照合 カード • MCC 分類／照合 通信 • NW障害インシデント分類 • 料金分析（請求明細分析） • キャンペーン適用可否判定 • RCA（根本原因分析） 25

Agentic Automation: ユースケース検証・実装例 （業務カットで抜粋・世界全体） 経理・財務 営業 • 総勘定元帳コードの分類 • 売上レポートの分析 • 脆弱性管理 • 請求書照合（2-way） • アカウント戦略の立案 • テストおよび欠陥分析 • 経費精算の監査・妥当性検証 • 出張計画 • ITサービス管理 • 財務リスクレポートの分析 • 顧客調査・市場調査 • 経過勘定計上 • RFx（RFI/RFP/RFQ）回答 調達・購買 法務 IT 汎用 • データ変換（文脈加味） • データ照合（顧客名、住所など） • 見積比較（相見積もり） • 契約書審査 • 取引先（仕入先）調査 • 各種コードへの変換 • リーガル・レビュー（法的リスク・ 規制適合性の確認） • 翻訳・要約・文書化 • 購買契約の検証 • 与信リスク評価 • 調達先の価格変更に対応 カスタマーサポート • クレーム対応 人事 • 書類選考（履歴書・職務経歴書） • 内定後のフォロー業務 • オンボーディング補助

Agentic Automation: ユースケース検証・実装例 －AI エージェントの役割－ １．文書の読取りとチェック 経理・財務 業務 カット 経費精算の監査・妥当性検証 調達・購買 見積比較（相見積もり） 法務 契約書審査 ３．調査・解決・報告 経理・財務 総勘定元帳コードの分類 経理・財務 財務リスクレポートの 分析 調達・購買 与信リスク評価 調達・購買 購買契約の検証 人事 給与計算の検証 営業 売上レポートの分析 IT テスト及び欠陥分析 マーケティング 施策提案・効果検証 人事 社内人材分析（タレマネ） 人事 書類選考 （履歴書・職務経歴書） IT ITサービス管理 営業 案件アサイン・提案書作成 汎用 各種コードへの変換 汎用 翻訳・要約・文書化 融資・ローン審査 金融 担保物件評価 金融 照合差異調査 MCC 分類／照合 銀行 振込・決済調査 顧客お申込み・KYC カード 保険 引受査定 保険 医療保険金請求の 査定（妥当性確認） 通信 RCA （根本原因分析） 製造 輸送手配 製造 価格妥当性検証 27 金融業界・ 共通的 業種 カット 請求書照合（2-way） ２．分類・コード付与 保険 製造 不正請求検知 （保険金詐欺対策） 品質証明書・検査成績書の チェック 通信 NW障害インシデント分類 受注・出荷（納期確認） 製造 HSコード分類 （関税番号付与）

経理・財務領域 ~ 請求書照合（2-way）~

請求書照合（2-way matching）の特徴 多種少量のチェックを次々に行う AI エージェントではなく人がやるなら： 社内システムをちょっと打鍵して確認すればわかるようなチェックを何度も行う。 不一致があれば、さらに打鍵を繰り返して不一致を解決する ルールベースでは難しいところ： 文章で書けば比較的シンプルなチェックだが、細かい例外系が多くあり、ロジック で厳密に書くと非常に複雑になる AI エージェントの考慮点： 社内システムのマスタデータを参照したり、社内メールやメモ、社内の規定などを 参照するので、それらに対する接続性が非常に重要

請求書の照合（2-way matching） 取引先 購買事務担当 RPA 商品および納品書・ 請求書を発送 納品 （請求書の受領） 発注に基づく 納品・請求の実施 メールなどで請求書 を受領し保存 AI-OCR 請求書の 読み取り RPA AI エージェント RPA 人が指示された ToDo を実施 発注データとの 比較・チェック 請求書に含まれる様々な 発注時の情報と請求書 情報を読み取る の情報が一致している かどうかをチェック • AI エージェントを使うことで AI-OCR の読み取り間違いの可能性を言語化 • ありがちな不一致を自律的に調査して解決を示唆 • 購買管理規定を読み解いて解決の道筋を整理し、次の ToDo を人に指示 不一致の 調査・解決 SAP への 請求書登録 不一致があれば不一致 の理由を調査し、許容 可能かどうかを審査・ 承認 承認された請求書は SAP に登録し支払いに回す 人の対応を極小化 人が行うべき作業は AI エージェントが指示

AI エージェントのポイント：不一致を解決・ToDo 指示 数量 × 単価 ≠ 金額 商品名が異なる 船便輸送費の請求額に差異 • 数量、単価、金額のどれか（あるい は複数）が間違っていると推測 • 取引先の商品名変更の通知漏れ or 通知を受けたが社内登録漏れ or 通知が届くより先に納品された などを推測 • 金額差異が１%以内かどうかを確認 （購買管理規定：１%以内の差分は許容可） 不 一 致 解 決 の ア プ ロ ー チ 結 果 • 発注書と比較 • 発注書と一項目だけ間違っているな ら、AI-OCR の読み取り間違いの可 能性が高い （取引先が数字を間違えている可能性もあ るが、一か所だけ間違えて合計が合わない というのは考えにくい） • 請求書の単価が誤り • AI-OCR の単価読取り間違え 可能性が高い • まずは社内の最新商品名を検索 • 商品名が異なっているなら、取引 先HPで最新名称を確認 • 品名は社内システムで更新済 だった • １%超過の場合、差異理由を捜索 ex,取引先からの為替変動、燃料価格上昇などの理由説明 が社内システムやメールにないか • 理由が見つからなかった場合は取引先への問い合 わせメール作成 ※精度担保ができたら自動送信の運用も可能 • 金額差異が１%を超過 • 差異説明の履歴が見つからない • 担当者への問合せメール作成

請求書の照合（2-way matching） デモ ＜デモ概要＞ AIエージェントがメール受信をトリガーにし て請求書処理プロセスを自律実行します ＜AIエージェントの価値＞ 不一致の原因調査と解決策の提示など ＜Why UiPath?＞ ・業務プロセス全体の自動化 ‐トリガーからアクションまで ‐ドキュメント・システム・アプリ横断 ・RPAと人間の確認を併用した高い信頼性 32

製造 ~ 受注・出荷 ~

受注・出荷業務の課題 顧客 営業事務 サービスセンター 各社から発注書の受領 発注書のチェック 登録・承認 （電子メールなど） （Excel など） （手入力） 受注データの チェック 出庫処理 （手入力） （システム操作） 課題 •手作業による生産性の低い業務処理 •転記ミスの発生リスク •見積書との比較に多大な時間を要する •社員のスキルのバラつき •出荷に向けた作業（収支 No（現場／案件収支 番号）の紐付けや納入先・納期の確認）に多大 な時間を要する •事務作業には過去実績や社内ルールを参照して 読み解くスキルが必要

Agentic Automation: AI エージェントを組み込んだ業務へ 顧客 営業事務 サービスセンター 各社から発注書の受領 発注書の読取りと 受注データの作成 最終チェック 出庫処理 （電子メールなど） 登録の自動化 （AI エージェント + RPA） （確認・承認） （RPA） （発注書 AI + RPA） 解決策 •発注書特化 AI で高精度な自動 読取り •出荷に向けた作業（収支 No（現場／案件収支番号）の紐付け や納入先・納期の確認）の一部を AI エージェントが実施 •RPA を使って AI の誤りを補完 •ワークフロー機能で人に最終チェックを割り当てる •手作業の最小化 •チェック後の作業を自動化

UiPathソリューション デモ

Thank you