画面作業はRPAかStagehandか|移す作業の見分け方

「取引先の受発注サイトにAPIが無いので、毎朝の転記をRPAで回しているが、画面が少し変わるたびに止まる」「AIにブラウザを操作させる部品が出てきたと聞くが、今のRPAを置き換えるべきなのか判断できない」——情シスや業務改善の担当者が、画面作業の自動化を見直すときに口にする声です。どちらの声も、RPAとAIのどちらが優れているかという問いに見えますが、実際に決めるべきことは違います。問われているのは道具の優劣ではなく、「その作業の画面の要素を、誰が・いつ探すか」をどこに置くかです。この記事では、Browserbase 社が公開しているブラウザ操作の部品 Stagehand を材料に、APIのない画面作業を従来のRPAに残すか、AIで要素を探して記録した操作を再実行する型に移すかを、画面変更への強さ、費用と再現性、確定前に人が止める位置、ログイン情報、社内での保守、やめ方の順に比べて整理します。
カメ先生AIでブラウザを操作する部品というと、毎回AIが画面を見て考えながら動くものだと思われがちなんだ。でも Stagehand は、最初にAIで探した操作を記録して、次からは記録どおりに再実行する作りを売りにしている。だから比べる相手は、毎回考えるAIではなく、決まった手順を繰り返すRPAなんだよ。
カメ子記録して繰り返すなら、RPAと同じではないのでしょうか。
カメ先生繰り返す部分は似ている。違いは、画面が変わって記録が合わなくなったとき。RPAは止まって人が直すけれど、Stagehand はAIをもう一度呼んで探し直す。その「探し直し」を便利と見るか、危ないと見るかで、移すべき作業が分かれるんだ。
カメ子止まらないことが、いつも良いことだとは限らない、ということですね。
- Stagehand は Browserbase 社が公開するOSS(MITライセンス)。自然言語で画面を操作・読み取り・見渡す部品で、一度見つけた操作を記録して、次からはAIを呼ばずに再実行できる
- RPAとの違いは、画面が変わったときにAIが要素を探し直す点。読み取り中心の作業には強いが、送信や確定を伴う作業では、探し直した結果を人が確かめる位置を先に決める
- 移すかどうかは、画面の変わりやすさ・確定操作の有無・ログイン情報の扱い・社内で部品を保守できる人の有無の4点で決め、やめ方まで用意してから始める
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
Stagehand とは:Browserbase 社が公開するブラウザ操作の部品
Stagehand は、クラウド上でブラウザを貸し出す事業を営む Browserbase 社が、GitHub で公開しているブラウザ操作の部品です。公式のリポジトリは自らを「ブラウザで動くエージェントのための開発キット」と説明し、ライセンスはMITライセンスと明記しています。言語はJavaScript系、Python、Go の三つを一つのリポジトリで提供しており、2026年11月時点で2万5千を超えるスターが付いています。
中身は、大きく三つの命令でできています。一つ目は「操作する」命令で、「検索欄に社名を入れる」のように自然言語で指示すると、AIが画面の中から該当する部品を見つけて操作します。二つ目は「読み取る」命令で、取り出したい項目の型を先に決めておくと、その型に沿ったデータとして画面の内容を返します。三つ目は「見渡す」命令で、画面の中で操作できる候補を一覧にして返します。公式の説明では、この候補には実際の画面上の位置の指定が含まれ、パスワードなどの値をAIに渡さずに操作できることを利点に挙げています。複数の手順をまとめて任せる「エージェント」の機能もありますが、この記事で比べるのは、一つずつの操作を組み合わせる使い方です。
動かす場所は二通りあります。手元のパソコンやサーバーに入れた Chrome を動かす方法と、Browserbase のクラウド上のブラウザを動かす方法です。後者では、操作の録画、接続元の地域を変える仕組み、ログイン状態を保つ仕組みなどが使えると説明されています。部品そのものは無料のOSSでも、どこで動かすかによって、データの行き先と費用の構造が大きく変わる点は、後の節で詳しく見ます。
2025年10月の第3版から2026年10月までの動き
2025年10月29日、Browserbase は公式ブログで Stagehand の第3版を発表しました。ブラウザを外から動かす既存の部品(Playwright)への依存をやめ、ブラウザの開発者向けの通信の仕組みに直接つなぐ作りに書き換えたもので、Puppeteer などほかの部品とも組み合わせられるとしています。同じ記事は、画面の中に別の画面を埋め込んだ部分などでの操作が、平均で44.11%速くなったと自社の評価結果を示しています。
この第3版で打ち出されたのが、見つけた要素と操作を自動で記録して使い回す仕組みと、画面の構造が変わったときに探し直す「自己修復」です。公式ブログは、記録を使い回す間はAIの推論の費用も時間もかからず、手順が壊れたときにだけAIを呼び直すと説明しています。比べる観点として重要なのは、この二つがRPAとの違いそのものだという点です。
2026年に入ってからも更新は続いています。6月19日の版3.6.0では、同じ意味のURLで記録が使い回されるよう記録の照合の方法が改められました。7月13日の版3.7.0では、接続してよいドメインと接続してはいけないドメインを指定する設定が加わり、決まりに反する別画面は自動で閉じられるようになりました。同じ版では画面の写しを返す形式が変わり、以前の書き方のままでは動かない変更も含まれています。10月23日には、サーバー版の v3.7.7 が出ています。更新の頻度が高いことは、後で触れる保守の負担にそのまま関わります。
比べる前提:RPAとStagehandは「誰が要素を探すか」が違う
従来のRPAは、人が作業を記録し、どのボタンを押すかを画面上の位置や部品の識別子で指定して、それを毎回そのとおりに繰り返します。要素を探すのは作る人で、探す時期は作るときです。画面が変わって指定が合わなくなれば、RPAはそこで止まり、人が指定を直します。
Stagehand では、作る人が書くのは「どのボタンか」ではなく「何をしたいか」です。初回の実行でAIが画面を読み、該当する要素を探して操作し、その結果を記録します。2回目からは記録を使うので、AIは呼ばれません。画面が変わって記録が合わなくなると、AIがもう一度探します。要素を探すのはAIで、探す時期は初回と画面が変わったときという分担です。
この違いは、作業の失敗の仕方を変えます。RPAの失敗は「止まる」ことで、目に見えます。Stagehand の失敗は、探し直したAIが似た別のボタンを選んでしまう「違う所を押して進む」ことがありえ、止まらないぶん気づきにくくなります。画面操作をAIに任せること全般の失敗の型や、任せる範囲の段階の考え方は、別の記事で一般論として整理しています。ここでは、記録と探し直しを持つ部品を、RPAと並べたときに何が変わるかに絞って見ていきます。
比較表:画面変更・費用・再現性・保守の4軸
まず全体像を表にまとめます。ここでのRPAは、画面上の位置や識別子を指定して手順を記録する、一般的な業務用のRPA製品を想定しています。製品によって機能の差はあるので、自社で使っている製品の実際の仕様と照らし合わせて読んでください。
| 観点 | 従来のRPA製品 | Stagehand(記録して再実行する使い方) |
|---|---|---|
| 画面が変わったとき | 指定が合わなければ止まり、人が直す | AIが要素を探し直して続行する(自己修復) |
| 1回あたりの費用 | 製品の利用料のみ。実行ごとのAI費用は無い | 記録が使える間はAI費用なし。探し直しのときだけAI費用 |
| 同じ結果になるか | 画面が同じなら同じ動き | 記録が使える間は同じ動き。探し直した回は変わりうる |
| 作る人 | 業務担当でも画面で作れる製品が多い | プログラムを書ける人が必要 |
| 保守 | 製品の提供元が更新し、作った手順は利用者が直す | 部品の更新への追随も、手順の修正も自社 |
| 止める仕組み | 製品の管理画面で止める | 自社で書いた仕組みの中で止める |
表から分かるとおり、Stagehand が明確に有利なのは「画面がよく変わる」作業です。逆に、画面がめったに変わらず、確定操作を含み、業務担当が自分で直している作業は、移しても得るものが少なく、プログラムを書ける人が保守に要るぶん負担が増えます。この表を判断の出発点にし、以下の節で一つずつ掘り下げます。
画面が変わったとき:RPAは止まり、Stagehandは探し直す
取引先の受発注サイトや業界の共同サイトは、自社の都合と関係なく画面が変わります。項目の並びが変わる、ボタンの名前が変わる、入力欄が別の画面に移る、といった変更のたびに、RPAは止まります。止まるたびに担当者が手順を直す手間が、RPAの運用費のかなりの部分を占めている会社は少なくありません。Stagehand の自己修復は、この手間を減らすための仕組みです。
ただし、探し直しが正しいかどうかを判断するのはAIです。たとえば、注文の画面に「確定」と「仮保存」のボタンが並び、画面の変更で両者の位置や名前が入れ替わった場合、AIが指示の文言に近い方を選ぶとは限りません。止まらずに進むことは、間違いに気づく機会を一つ失うことでもあります。RPAが止まるのは不便ですが、止まった時点で人が画面を見て直すので、誤った操作は起きにくい面があります。
そこで実務では、作業の性質で扱いを分けます。画面の内容を読み取るだけの作業なら、探し直しで多少ずれても、読み取った値を検算すれば気づけます。一方、送信・確定・削除を伴う作業では、探し直しが起きた回は自動で進めず、人の確認を待つように組むのが安全です。公式の文書は、記録が使われたかどうかを結果の中で確かめられると説明しているので、記録が使われなかった回を検知して止める仕組みは作れます。作るかどうかは使う側の責任です。
毎回AIを呼ばない仕組み:記録と再実行が費用と再現性を決める
AIでブラウザを操作する仕組みの多くは、操作のたびに画面を読み込んでAIに判断させるため、実行回数に比例して費用がかかり、同じ指示でも回によって動きが変わることがあります。毎朝同じ転記を繰り返す業務には、この二つが重荷になります。
Stagehand の公式文書は、記録の保存先を指定すると、初回の実行で操作とエージェントの手順を手元のファイルに保存し、2回目以降はそれを再生すると説明しています。再生の間はAIの呼び出しも、トークンの費用も、Browserbase との通信も発生しないとされています。Browserbase のクラウドで動かす場合は、サーバー側の記録が標準で有効になり、同じ入力の呼び出しはAIを使わずにすぐ返るとも説明されています。
記録が使われるかどうかは、指示の文言、画面の内容、URL、指定した設定などから作られる照合の鍵で決まります。画面の内容や構造が変われば鍵が合わず、AIが呼ばれます。つまり、費用が抑えられ、動きが揃うのは「画面が変わらない間」だけです。画面が頻繁に変わる作業ほど、探し直しの回数と費用が増えます。移す前に、対象の画面が月に何回変わっているかを、これまでのRPAの停止記録から数えておくと、費用の見通しが立ちます。
記録した操作の中身と置き場所
記録は便利な一方で、情報の置き場所としても管理が要ります。公式文書は、記録のフォルダを開発の共有リポジトリに入れておけば、自動テストや自動の配備の流れでも初回の推論なしに同じ操作を使えると勧めています。これは、開発の現場では理にかなった勧めです。
しかし業務の自動化では、記録の中に、取引先の画面の構造や、操作した項目の情報が含まれます。公式文書は、照合の鍵には変数の「名前」だけを使い「値」は使わないと説明していますが、記録のファイルに何が書き込まれるかの細かい説明は、公開文書からは確かめられませんでした。共有リポジトリに入れる前に、実際の記録ファイルを開いて、取引先名・金額・個人名などが含まれていないかを確かめる手順を入れておくべきです。
置き場所の決め方としては、記録のフォルダを業務ごとに分け(公式文書もログイン用などの単位で分ける例を挙げています)、閲覧できる人を業務の担当とその保守担当に絞るのが基本です。記録を消せばAIが探し直すので、取引先の画面の大きな変更の後や、担当が替わった後に記録を消して作り直す、という棚卸しの時期も決めておきます。
- Browserbase のクラウドで動かす場合、サーバー側の記録は標準で有効とされています。手元の記録とは別に、クラウド側に何が残るかを契約と設定で確かめてください
- 記録の照合は、URLの問い合わせ部分の並びを揃えてから行うよう、2026年6月の版で改められました。版によって記録が使われる条件が変わるので、版を上げた後は記録の利用状況を見直します
ログイン情報の渡し方:AIに送らない値と、記録に残る値
APIのない画面作業の多くは、ログインから始まります。Stagehand の公式文書は、指示の文の中に変数の置き場所を書き、値は別に渡す使い方を示しています。たとえば「パスワード欄に変数のパスワードを入れる」と書き、値は環境変数から読み込みます。公式の説明では、変数の値はAIの提供元には共有されないとされ、パスワードや鍵などの機密に使うよう勧めています。
同じ文書は、機密がログに出ないよう、ログの詳しさを最小にする設定も勧めています。裏を返せば、設定しだいでは機密がログに残りうるということです。ログの詳しさの設定、記録ファイルの中身、Browserbase のクラウドで動かした場合の録画の三つについて、機密が残らないことを確かめてから本番に移します。
もう一つ決めるべきは、誰の資格で画面に入るかです。担当者個人のIDとパスワードを使うと、その人の異動や退職で作業が止まり、操作の記録も個人の操作と区別がつかなくなります。取引先の画面で作業専用のIDを発行してもらえるなら、それを使い、権限は閲覧と必要な入力に限ります。多要素認証を自動で通す仕組みを組み込むかどうかは、情報セキュリティの規程に照らして判断し、規程に無ければ新たに決めてから進めます。
確定操作の前で止める位置
送信・注文・支払い・削除のように取り消しが難しい操作を含む作業では、どこで人が確認するかを最初に決めます。Stagehand には、操作の候補を「見渡す」命令で一覧にし、中身を確かめてから「操作する」命令に渡す使い方があります。公式文書も、誤ったボタンを押しそうな場面では、操作の前に候補を確かめるやり方を勧めています。
この性質を使うと、確定ボタンの直前で止めて人に確認を求める流れを組めます。たとえば次の順番です。
ログイン、検索、入力までは記録どおりに再実行します。入力した値は、元の表の値と機械的に突き合わせます。
「見渡す」命令で確定ボタンの候補を取り出し、記録と同じ要素かどうかを確かめます。記録と違う要素が選ばれた回は、自動で先に進めません。
入力済みの画面の写しと突き合わせの結果を担当者に送り、承認を待ちます。承認の操作と時刻を記録に残します。
確定後の画面から受付番号などを「読み取る」命令で取り出し、元の表に書き戻します。
この流れは、RPAで組む場合と大きくは変わりません。違うのは、記録と違う要素が選ばれたかどうかを検知できる点で、ここを止める条件にすると、探し直しの危険を確定操作から切り離せます。なお、版3.7.0で加わった接続先の許可・拒否の設定を使い、作業に必要なドメイン以外には移動できないようにしておくと、画面の中の誘導で別のサイトに連れ出される危険も減らせます。
社外に出るもの:AIの提供元・Browserbase・手元の端末
Stagehand を入れると、画面の内容がどこに送られるかが、RPAとは大きく変わります。RPAは基本的に社内の端末の中で完結しますが、Stagehand は要素を探すときに画面の内容をAIの提供元に送ります。公式のリポジトリは、操作ごとにAIのモデルを選ぶ仕組み(モデルの中継)も案内しており、どの提供元のAIに画面の内容が渡るかを自社で決めて固定する必要があります。
| 動かし方 | 画面の内容が送られる先 | 確かめること |
|---|---|---|
| 手元の Chrome で動かし、AIは自社契約の提供元 | AIの提供元(探すときだけ) | 契約で学習に使われない設定か、保存期間はどれだけか |
| 手元で動かし、AIはモデルの中継を使う | 中継の運営者と、その先の提供元 | どの提供元に渡るかを固定できるか |
| Browserbase のクラウドで動かす | Browserbase とAIの提供元 | 録画・記録の保存先と期間、ログイン状態の保管 |
社外に出る量を減らす工夫として、公式文書は、画面全体ではなく特定の範囲だけを対象にする指定を説明しています。対象を絞ると、記録の照合も範囲の外の変化に左右されにくくなります。また、記録が使われる間はAIを呼ばないので、画面の内容が社外に出るのは、初回と探し直しの回に限られるという設計上の特徴があります。毎回AIに画面を送る仕組みと比べたとき、ここは明確な利点です。
移す作業・残す作業の見分け方
ここまでの比較をまとめると、Stagehand に移して得をしやすい作業と、RPAに残したほうがよい作業は、次のように分かれます。
- 画面がよく変わり、RPAの停止と修正が月に何度も起きている作業
- 読み取りが中心で、取り出した値を元の資料と機械的に検算できる作業
- 社内にプログラムを書ける保守担当がいて、部品の更新に追随できる作業
- 画面の内容をAIの提供元に送ってよいと、情報の区分で判断できている作業
反対に、次のような作業は、少なくとも最初の段階では移さないほうが安全です。
- 画面はほとんど変わらないのに、流行りだからと安定しているRPAを置き換える
- 支払いや発注の確定までを自動で進め、探し直しが起きた回も止めない
- 個人情報や未公開の価格が並ぶ画面を、送り先のAIを決めないまま読ませる
- 業務担当が自分で直していたRPAを、プログラムが読めない部署にそのまま渡す
判断に迷う作業は、読み取りの部分だけを先に移し、確定の部分はRPAか人に残す分け方が現実的です。読み取りで記録と探し直しの頻度、費用、外れ方を数か月観察してから、確定まで広げるかを決めれば、移した後の後悔が少なくなります。
OSSを社内で保守する体制
Stagehand はOSSなので、利用料はかかりませんが、保守は自社の仕事になります。前の節で見たとおり、2026年だけでも版が何度も上がり、画面の写しの形式のように以前の書き方では動かなくなる変更も含まれていました。部品の更新に追随する人がいなければ、古い版のまま使い続けることになります。古い版には、後から見つかった不具合の修正も届きません。
体制としては、少なくとも次の役割を決めておきます。部品の版を上げるかどうかを判断する人、版を上げたときに主要な作業を試験する人、取引先の画面の変更に応じて指示や記録を直す人、そして作業ごとの持ち主です。RPAでは提供元が担っていた部品の更新を、自社の誰かが担うことを、導入前に決めて予算に入れる必要があります。小さな会社なら、外部の開発会社と保守の契約を結ぶ選択肢もあります。
ライセンスがMITであることは、社内で改変して使ううえでの制約が小さいことを意味しますが、保証が無いことも意味します。問題が起きたときに頼れるのは公開の課題管理と自社の力だけです。Browserbase のクラウドを契約する場合は、その契約の中で支援の範囲を確かめ、OSSの部品そのものの不具合と、クラウド側の不具合の切り分けを誰がするかも決めておきます。
費用の増え方
Stagehand の費用は、三つの部分から成ります。一つ目はAIの利用料で、初回と探し直しの回にかかります。二つ目は、Browserbase のクラウドで動かす場合のブラウザの利用料です。三つ目は、保守する人の時間で、ここがいちばん見落とされます。
AIの利用料は、画面の変わりやすさに比例して増えます。記録が効いている間はほぼかからないので、見積もりは「作業の回数」ではなく「画面の変更の回数」で立てるのが合っています。取引先が画面を大きく作り直した月は、多くの作業で同時に探し直しが起き、利用料が跳ね上がることがあります。月の上限を決め、超えそうなら止まる設定にしておくと安心です。
保守の時間は、RPAとの比較で必ず並べます。RPAの停止と修正にかかっていた時間が減っても、部品の更新への追随、試験、記録の棚卸しの時間が増えます。導入前の数か月分のRPAの修正時間を記録しておき、移した後に同じ尺度で比べると、本当に得をしたかを判断できます。得をしていなければ、元に戻す判断も早くできます。
やめ方:RPAに戻す、別の部品に移す
始める前に、やめ方を決めておきます。Stagehand で作った作業は、指示の文と記録で動いているので、やめるときには「この作業は画面のどの要素を、どの順番で操作しているか」を人が読める形で残しておく必要があります。記録ファイルだけを残しても、RPAに戻すときの手順書にはなりません。作業ごとに、操作の順番と確認の位置を文章で書いた手順書を、導入のときから並べて持っておきます。
やめる理由として多いのは、保守する人の不在、AIの利用料の想定外の増加、探し直しによる誤操作の発生などです。どれが起きたらやめるかの線を、導入時に数字で決めておくと、判断が属人的になりません。たとえば「探し直しによる誤った操作が月に1件でも出たら、確定を含む作業は人の操作に戻す」といった線です。
やめた後には、AIの提供元のキー、Browserbase の契約とキー、作業専用のログインID、記録のフォルダを整理します。作業専用のIDを止め忘れると、使われないまま取引先の画面に入れる状態が残ります。取引先に発行してもらったIDなら、取引先にも停止を依頼します。
よくある質問
RPAの製品にもAIの機能が付いてきたが、Stagehand と何が違うのか
業務用のRPA製品にも、AIで画面の要素を探す機能を足すものが増えています。違いは主に、管理の仕組みと保守の担い手です。RPA製品は、実行の管理画面、権限、停止の仕組み、提供元の支援がまとまって付いてきます。Stagehand は部品なので、それらを自社で組み立てます。管理の仕組みをまとめて買いたいならRPA製品、自社の開発の流れに組み込んで細かく制御したいなら Stagehand、という分け方が目安です。
Browserbase のクラウドを使わずに、社内だけで動かせるか
公式のリポジトリは、手元の Chrome で動かす方法を案内しており、クラウドの契約は必須ではありません。ただし、AIで要素を探すときには、何らかのAIの提供元を呼ぶ必要があります。社内で動かす自前のAIを使えるかどうかは、対応するモデルの範囲を公式文書で確かめ、精度を自社の画面で試してから判断してください。
記録があれば、AIの判断は一切入らないと考えてよいか
記録が使われる回はAIを呼ばないと説明されていますが、画面が変われば自動でAIが呼ばれます。どの回で記録が使われたかは結果から確かめられるので、確定を伴う作業では、記録が使われなかった回を必ず人の確認に回す設計にしておくのが前提です。
まとめ
APIのない画面作業を RPA に残すか Stagehand に移すかは、どちらが新しいかでは決まりません。要素を探すのが、作るときの人か、初回と画面が変わったときのAIか、という分担の違いをどの作業に当てはめるかで決まります。画面がよく変わり、読み取りが中心で、検算でき、保守できる人がいる作業から移し、確定を含む作業は、探し直しが起きた回を人の確認に回す仕組みを作ってから広げます。あわせて、画面の内容を送るAIの提供元、ログイン情報と記録ファイルとログの扱い、部品の更新に追随する体制、費用を画面の変更回数で見積もること、そして手順書と作業専用IDの止め方まで決めておけば、移した後に元へ戻る道も確保できます。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
