論文の概要: Are LLM Agents the New RPA? A Comparative Study with RPA Across Enterprise Workflows
- arxiv url: http://arxiv.org/abs/2509.04198v1
- Date: Thu, 04 Sep 2025 13:22:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-05 20:21:10.171134
- Title: Are LLM Agents the New RPA? A Comparative Study with RPA Across Enterprise Workflows
- Title（参考訳）: LLMエージェントは新しいRPAか?エンタープライズワークフロー全体にわたるRPAとの比較研究
- Authors: Petr Průcha, Michaela Matoušková, Jan Strnad,
- Abstract要約: AACUは、自然言語命令やユーザインターフェースとの自律的なインタラクションを通じて、インテリジェントエージェントがタスクを実行することを可能にする。
本研究では,企業ワークフローの自動化において,AACUがRCAの代替となるかどうかを検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The emergence of large language models (LLMs) has introduced a new paradigm in automation: LLM agents or Agentic Automation with Computer Use (AACU). Unlike traditional Robotic Process Automation (RPA), which relies on rule-based workflows and scripting, AACU enables intelligent agents to perform tasks through natural language instructions and autonomous interaction with user interfaces. This study investigates whether AACU can serve as a viable alternative to RPA in enterprise workflow automation. We conducted controlled experiments across three standard RPA challenges data entry, monitoring, and document extraction comparing RPA (via UiPath) and AACU (via Anthropic's Computer Use Agent) in terms of speed, reliability, and development effort. Results indicate that RPA outperforms AACU in execution speed and reliability, particularly in repetitive, stable environments. However, AACU significantly reduces development time and adapts more flexibly to dynamic interfaces. While current AACU implementations are not yet production-ready, their promise in rapid prototyping and lightweight automation is evident. Future research should explore multi-agent orchestration, hybrid RPA-AACU architectures, and more robust evaluation across industries and platforms.
- Abstract（参考訳）: 大規模言語モデル(LLM)の出現は、LLMエージェントまたはAgenic Automation with Computer Use (AACU)という、自動化の新しいパラダイムを導入した。
ルールベースのワークフローとスクリプティングに依存する従来のロボットプロセス自動化(RPA)とは異なり、AACUはインテリジェントエージェントが自然言語命令やユーザインターフェースとの自律的なインタラクションを通じてタスクを実行することを可能にする。
本研究では,企業ワークフローの自動化において,AACUがRCAの代替となるかどうかを検討する。
UiPathによる) RPAとAACU(AnthropicのComputer Use Agentによる)を,速度,信頼性,開発作業の観点から比較した。
RPAは, 実行速度と信頼性, 特に繰り返し, 安定した環境において, AACUよりも優れていた。
しかし、AACUは開発時間を著しく短縮し、動的インタフェースに柔軟に適応する。
現在のAACU実装はまだ実用レベルには達していないが、迅速なプロトタイピングと軽量自動化における彼らの約束は明らかである。
今後は、マルチエージェントオーケストレーション、ハイブリッドRPA-AACUアーキテクチャ、業界やプラットフォームにおけるより堅牢な評価について検討する予定である。
関連論文リスト
- Toward Autonomous O-RAN: A Multi-Scale Agentic AI Framework for Real-Time Network Control and Management [39.17062930275755]
本稿では,オープン無線アクセスネットワーク(O-RAN)のためのマルチスケールエージェントAIフレームワークを提案する。
RANインテリジェンスは、Non-Real-Time (Non-RT), Near-Real-Time (Near-RT), Real-Time (RT)コントロールループにまたがるコーディネート階層として編成される。
これらのエージェントは,標準化されたO-RANインタフェースとテレメトリによってどのように協調するかを示す。
論文 参考訳（メタデータ） (2026-02-15T12:34:01Z) - An Agentic Framework for Autonomous Materials Computation [70.24472585135929]
大規模言語モデル(LLM)は、科学的発見を加速するための強力なツールとして登場した。
近年の進歩はLLMをエージェントフレームワークに統合し、複雑な科学実験のための検索、推論、ツールの使用を可能にしている。
本稿では,第一原理計算の信頼性向上を目的としたドメイン特化エージェントを提案する。
論文 参考訳（メタデータ） (2025-12-22T15:03:57Z) - A Nascent Taxonomy of Machine Learning in Intelligent Robotic Process Automation [0.0]
RPAと機械学習の関連性を探るため,文献レビューを実施している。
我々の分類学は、RPA-ML統合とRPA-ML相互作用の2つのメタ特性からなる。
論文 参考訳（メタデータ） (2025-09-19T08:01:27Z) - SEAgent: Self-Evolving Computer Use Agent with Autonomous Learning from Experience [71.82719117238307]
本稿では,コンピュータ利用エージェントが不慣れなソフトウェアとのインタラクションを通じて進化することを可能にするエージェント型自己進化フレームワークSEAgentを提案する。
我々は、OS-World内の5つの新しいソフトウェア環境におけるSEAgentの有効性を検証する。
当社のアプローチは,競合するオープンソースCUAに比べて,11.3%から34.5%という,23.2%の大幅な改善を実現している。
論文 参考訳（メタデータ） (2025-08-06T17:58:46Z) - TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks [52.46737975742287]
我々は、デジタルワーカーと同じような方法で世界と対話するAIエージェントを評価するためのベンチマークであるTheAgentCompanyを紹介する。
最も競争力のあるエージェントは、タスクの30%を自律的に完了させることができる。
これは、実際の職場の設定でLMエージェントをシミュレートすることで、タスク自動化に関する微妙な絵を描く。
論文 参考訳（メタデータ） (2024-12-18T18:55:40Z) - SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering [79.07755560048388]
SWEエージェント(SWE-agent)は、LMエージェントが自律的にコンピュータを使用してソフトウェア工学のタスクを解決するシステムである。
SWEエージェントのカスタムエージェントコンピュータインタフェース(ACI)は、エージェントがコードファイルを作成し編集し、リポジトリ全体をナビゲートし、テストやその他のプログラムを実行する能力を著しく向上させる。
我々はSWE-benchとHumanEvalFixのSWE-agentを評価し、それぞれ12.5%と87.7%のパス@1レートで最先端の性能を実現した。
論文 参考訳（メタデータ） (2024-05-06T17:41:33Z) - CACA Agent: Capability Collaboration based AI Agent [18.84686313298908]
本稿ではCACAエージェント(Capability Collaboration based AI Agent)を提案する。
CACA Agentは、単一のLLMへの依存を減らすだけでなく、AI Agentを実装するための一連のコラボレーティブ機能を統合する。
本稿ではCACAエージェントの動作とアプリケーションシナリオの拡張について説明する。
論文 参考訳（メタデータ） (2024-03-22T11:42:47Z) - AutoAct: Automatic Agent Learning from Scratch for QA via Self-Planning [54.47116888545878]
AutoActはQAのための自動エージェント学習フレームワークである。
大規模アノテートデータやクローズドソースモデルからの合成計画軌道は依存していない。
論文 参考訳（メタデータ） (2024-01-10T16:57:24Z) - ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
LLM(Large Language Models)は、人間のような知性を持つ言語である。
本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。
そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
論文 参考訳（メタデータ） (2023-11-02T14:32:16Z) - Reinforcement Learning for UAV control with Policy and Reward Shaping [0.7127008801193563]
本研究では,RLエージェントが報酬形成と政策形成を同時に行うことで,ドローンを制御できるように指導する。
その結果,両手法を同時に訓練したエージェントは,政策ベースアプローチのみを用いて訓練したエージェントよりも報酬が低いことがわかった。
論文 参考訳（メタデータ） (2022-12-06T14:46:13Z) - Towards Intelligent Robotic Process Automation for BPMers [0.8701566919381222]
Robotic Process Automation(RPA)は、ビジネスプロセスマネジメント(BPM)と人工知能(AI)の両分野にまたがる、急速に進化する自動化技術である。
RPAツールは、コンピュータシステムのインタフェース上で、これまで人間のユーザが行っていたルーチンの実行をキャプチャし、ソフトウェアロボットを用いて、その実行をユーザの代わりにエミュレートすることができる。
論文 参考訳（メタデータ） (2020-01-03T12:37:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。