ブラウザ操作の自動化

数か月前に、ChatGPTやClaudeなどの生成AIを活用したブラウザ操作が可能なPythonのライブラリ brouser-use がリリースされました。ブラウザを操作し、特定の目的を達成することが可能になります。

brouser-use の活用例

1. 問い合わせフォームへの自動入力・送信

あるWebサイトの問い合わせフォームに対して、入力フォームに必要な情報を入力し、送信を行う自動操作を実装しました。生成AIを利用することで、フォームのレイアウトやフィールドの変化に柔軟に対応しながら入力作業を自動化できます。

このプロセスでは、生成AIにページの構造を解析させる必要な入力フィールドを特定し、適切な値を入力するフォームの送信ボタンをクリックするといった一連の操作が可能になります。

2. Webサイト上の情報取得

特定のWebサイト上の情報を抽出することも可能です。例えば、企業の連絡先情報を取得最新のニュース記事を収集商品の価格情報をスクレイピングといった用途に活用できます。

生成AIの性能と実行精度

生成AIを用いたブラウザ操作の精度は、使用するAIモデルの性能に大きく依存します。一般的に、安価なモデル は精度が低く、誤動作の可能性が高い高性能なモデル は精度が高く、より柔軟な対応が可能といった違いがあります。

従来のRPAとの違い

これまでのRPA（Robotic Process Automation）は、定型的な操作に強みを持ちます。しかし、問い合わせフォームの位置や構造はサイトごとに異なるため、従来のRPAでは対応が難しいケースがあります。

生成AIを活用することで、サイトごとに異なるフォームを解析フォームの位置を特定柔軟に入力・送信を実施といった操作が可能になります。

まとめ

Pythonライブラリ brouser-use と生成AIを組み合わせることで、従来のRPAでは難しかった動的なWebサイトの操作が可能になります。今後、生成AIの進化とともに、より高度な自動化が実現されることが期待されます。