Este estudio presenta un procesador de inferencia reconfigurable eficiente en recursos para redes neuronales recurrentes (RNN), llamado AERO. AERO es programable para realizar inferencias en modelos de RNN de varios tipos. Esto fue diseñado en base a la arquitectura de conjunto de instrucciones especializada en procesar operaciones vectoriales primitivas que componen los flujos de datos de los modelos de RNN. Se incorporó una unidad de procesamiento de vectores versátil (VPU) para realizar cada operación vectorial y lograr una alta eficiencia de recursos. Con el objetivo de un bajo uso de recursos, la multiplicación en VPU se lleva a cabo sobre la base de un esquema de aproximación. Además, las funciones de activación se realizan con tablas reducidas. Desarrollamos un sistema de inferencia prototipo basado en AERO utilizando una matriz de compuertas programable de campo limitado en recursos, bajo la cual la funcionalidad de AERO fue verificada extensamente para tareas de inferencia basadas en varios modelos de RNN de diferentes tipos. Se descubrió que la eficiencia de recursos de AERO era tan alta como 1.28 MOP/s/LUT, lo que es 1.3 veces mayor que el resultado previo de última tecnología.