AIエージェントのブラウザー操作｜業務画面を自動化する前の確認

AIエージェントに仕事を任せたいものの、使っている業務システムには必要なAPIがない。そのために、担当者が画面を開いて転記する作業だけが残っていませんか。

ブラウザーを操作するAIは、既存の画面から仕事を進める選択肢になります。ただし、入力できたことと、正しい対象に保存できたことは別です。導入担当者は、操作の速さに加えて、画面の変化をどう検知し、処理結果を何で確認するかまで決めておく必要があります。

10月29日、Managed Deep Agentsにブラウザー操作を追加

LangChainは2026年10月29日、Managed Deep Agents v0.10を公開し、ブラウザー操作を追加したと発表しました。発表時点ではパブリックベータです。画面の読み取りやクリック、入力に加え、ログインなどで人へ操作を引き渡す仕組みが案内されています。この日付は同製品の発表・提供開始日であり、ブラウザー操作AI全体の登場日ではありません。LangChain公式リリース

同日の技術解説は、必要なAPIがある仕事にはAPIを使い、APIで扱えない操作や画面の動作確認にブラウザーを使う考え方を示しています。また、会話ごとに分けるセッションと、同じ利用者の会話間でログイン状態を共有するセッションを区別しています。LangChain公式解説

企業にとっての意味は、既存システムを全面的に作り直さずに、画面に残る作業を自動化の候補にできることです。一方で、ベータ機能の発表だけでは、自社の画面で安定して動くかは分かりません。以下はIvyLeapが提案する導入時の整理方法です。製品の標準機能や当社の導入実績を示すものではありません。

最初に、画面を操作する必要がある仕事を絞る

自動化の対象は「担当者の操作を全部再現する」よりも、始点と終点が説明できる小さな仕事から選びます。例えば、指定された案件を開き、受付状況を読み取り、担当者へ返す照会です。

導入前には、システム提供元が用意するAPIや連携機能、CSVの取り込みで同じ目的を満たせないか確認します。ブラウザーが必要なら、利用規約や管理者が認める自動操作の範囲も確認します。保護画面を回避する前提で業務を組まないことが大切です。

判断材料は、クリックの回数だけではありません。画面の変更頻度、同じ名称のボタンの多さ、途中で人の確認が必要になる条件、操作を間違えた場合に戻せるかを整理します。まず照会で対象の識別を確かめ、その後に下書き保存などの更新へ広げる進め方が考えられます。

操作の前後で、四つの状態を確かめる

画面操作は、決めた位置を順番にクリックするだけでは完了を判断できません。次の四段階に分けると、どこで処理を止めるべきか明確になります。

1. 入口を確かめる。 接続先のURL、会社・店舗・部署、ログイン中のアカウントを照合する。同じサービスでも、別の会社や検証環境を開いていないか確認します。
2. 対象を確かめる。 案件番号などで対象を絞り、画面の見出しと現在の値を読み取る。同じ名前の顧客や、検索条件が残った一覧で判断を進めないようにします。
3. 変更内容を確かめる。 入力後の値、選択肢、保存先を読み直す。入力エラーや確認ダイアログが出たら、新しい画面の状態に合わせて次の操作を判断します。
4. 保存後を確かめる。 完了表示や受付番号を確認し、必要に応じて一覧や詳細を開き直す。依頼した内容が残っていることを、押したボタンとは別の表示で確かめます。

例えば「保存」を押した後、必須項目のエラーで入力画面に残った場合は未完了です。処理が受け付けられて「審査中」と表示された場合は、受付済み・審査中として報告します。最終的な公開や承認まで終わったと表現しないようにします。

画面が変わったら、古い手順を続けない

業務画面では、保存ボタンの移動だけでなく、ポップアップの追加、一覧の並び替え、ページ分割、権限による項目の表示変更も起きます。

そのため、画面を移動した後や入力した後には、次の操作に必要な表示を取り直します。以前の画面で取得したボタンの位置や識別番号を、そのまま新しい画面へ使い回さない構成にします。

想定していた項目が見つからないときは、似たボタンを推測して押すのではなく、作業を止めて理由を残します。人へ渡す際は、開いている画面、対象案件、入力済みかどうか、まだ押していない操作を短くまとめると再開しやすくなります。

ログインが必要になったときも、認証情報をAIへの文章に貼り付ける運用は避け、人が認証を済ませて戻す流れを検討します。ログイン情報と業務権限の設計は、AIエージェントの認証情報の分離も参考になります。

仮想例：AIコールの受付内容を既存画面へ記録する

ここでは、電話で受けた折り返し依頼を、APIがない既存の受付画面に残す仮想例を考えます。実在企業の運用事例ではありません。

まず、電話側で依頼内容が確定し、担当者が定めた登録条件を満たした案件だけを渡します。ブラウザー側は会社名と案件番号を確認し、折り返し先や用件を入力します。入力欄に文字が見えた時点では「入力済み」であり、受付記録の完成とは扱いません。

保存後は、受付番号と記録内容を確かめます。途中で接続が切れ、保存結果が分からなくなった場合は、すぐに同じ依頼を送らず、案件一覧や履歴で既に登録されていないか照合します。登録済みなら再送を止め、見つからず判断できない場合は「結果不明」として担当者へ引き継ぎます。

登録前の業務上の条件については、AIエージェントの実行条件で詳しく説明しています。ブラウザー操作側では、条件が整った案件を正しい画面へ届け、保存結果を確認する部分に焦点を当てます。

導入前に試したい六つの場面

自社が操作を認める検証環境で、通常の成功手順に加えて、次の場面を確認します。

1. 別アカウント・別会社が開いている。 入力前に違いを検出し、対象を推測して処理を続けないか。
2. 同名の案件が複数ある。 名前だけで決めず、案件番号などの一致を確認できるか。
3. 入力後にエラーが出る。 保存ボタンを押しても、完了とは報告しないか。
4. 画面の配置や一覧の順序が変わる。 古い位置を押さず、現在の表示から対象を選び直せるか。
5. 保存直後に応答が途切れる。 既存の受付を照合するまで再送を止め、結果不明を区別できるか。
6. 再ログインや人の確認が必要になる。 作業の途中状態と未実行の操作を引き継ぎ、戻った後に画面を再確認できるか。

試験の記録には、処理結果とあわせて、人の確認が必要だった回数や箇所、画面変更によって止まった理由を残します。成功率や時間短縮を説明する際は、対象業務と試験条件を添えた自社の実測を使います。

まず一つの画面で、完了を説明できるようにする

ブラウザー操作の導入を決める際は、デモで入力できるかに加え、対象を間違えずに選べるか、画面変更で止まれるか、保存後の状態を説明できるかを確認してください。

一つの照会や受付を対象に、人へ戻す条件まで含めて試すと、任せられる範囲を判断しやすくなります。企業でのAI活用や既存業務との接続を検討中の方は、IvyLeapのAIサービスとご相談窓口をご覧ください。

参考資料

• LangChain：Managed Deep Agents v0.10（2026年10月29日発表）
• LangChain：Browser Use in Managed Deep Agents（2026年10月29日公開）

資料確認日：2026年10月30日。機能の提供条件やベータ版の仕様は変更される場合があります。