如何选择 AI Agent 与 RPA：适用流程、混合架构与迁移步骤

AI Agent 和 RPA 并非简单的替代关系。RPA 擅长基于固定规则的重复性操作，而 AI Agent 擅长理解目标、处理非结构化输入并选择工具。企业真正需要做的是根据流程的确定性程度和判断需求对其进行拆解，然后选择合适的执行方式。

首先，了解它们的工作原理

RPA（机器人流程自动化）通常模拟鼠标点击、键盘输入和页面元素交互，按照预定义规则执行操作。AI Agent 则根据目标和上下文规划步骤，通过 API、文件、搜索或其他技能来完成任务。前者强调可预测性，后者强调适应性。

用四个问题确定方案

1. 输入数据和页面在长期内是否保持稳定？如果稳定且规则清晰，优先选择 RPA 或脚本。
2. 流程是否需要理解邮件、文档或用户意图？如果是，请考虑 AI Agent。
3. 错误是否可逆，结果是否易于验证？如果错误难以逆转，应保留确定性流程并加入人工审批。
4. 是否已有可靠的 API？当 API 可用时，无论采用何种方案，都应优先于脆弱的界面模拟。

针对三类典型流程如何选择

数据传输与固定数据录入

字段固定且系统稳定时，RPA 或脚本通常已足够。如果信息需先从文档中提取并解读字段含义后再录入系统，AI Agent 可负责理解部分，RPA 负责最终固定操作。

内容与知识处理

主题整理、文档摘要、邮件分类和知识检索需要语义理解，更适合交由 AI Agent。但事实核查、品牌审核和发布仍应遵循明确规则。

客户服务

固定菜单和简单状态查询可由基于规则的流程处理；意图识别、知识检索和工单摘要可由 Agent 处理；退款、账户变更和争议解决应保留人工确认。

混合架构通常更具实用性

AI Agent 可作为“决策层”，而 RPA 或现有脚本作为“确定性执行层”。Agent 读取上下文并选择已批准的处理流程，RPA 按固定步骤执行。执行结果随后返回给 Agent 进行解释或总结。这既保留了灵活性，又限制了 Agent 在生产系统中直接操作的范围。

从 RPA 迁移的四步法

1. 盘点现有流程，找出需要频繁维护、涉及大量规则异常或需要人工判断的节点。
2. 选择一个支持回滚且结果易于验证的高频节点进行试点。切勿一次性重写整个流程。
3. 使用相同的任务集对比完成率、人工干预次数、处理时间和错误类型。
4. 验证稳定性后，将成功方案封装为技能，并逐步扩大应用范围。

何时应保留 RPA

• 流程长期稳定，几乎不需要语义判断
• 监管或业务要求高度可预测的步骤
• 任务极其简单，使用 Agent 反而会增加成本与不确定性
• 系统无 API，但桌面操作路径稳定
• 错误影响重大，必须严格确定性执行

迁移验收清单

• 试点任务范围明确，并保留回退至原流程的路径
• Agent 仅能选择已批准的工具或流程
• 输入不确定时，Agent 会请求澄清或升级给人工，而非盲目猜测
• 外部写入操作具备幂等性并留有审计日志
• 性能对比基于真实任务且标准一致
• 模型或提示词变更后需重新进行测试

SmaugBrain 等 AI Agent 平台可支持理解、工具调用和多步编排，但这并不意味着所有 RPA 实现都需要替换。让稳定的规则保持稳固，仅在真正需要理解和判断的环节引入 Agent，通常是更可控的升级路径。