AI 会取代 RPA 吗，这两个活得分清楚

这个问题问岔了

这两样东西不在一个维度上竞争。AI 解决看懂，RPA 解决做对。把它们放一起比谁能替代谁，怎么比都别扭。

真正该问的是，一件事里哪部分交给 AI，哪部分继续交给 RPA。

为什么大家都觉得 AI 能顶掉 RPA

因为 RPA 有个老毛病，脚本脆弱。流程一改，脚本就废，每次改都得找人。

大模型看起来能看懂人话，那就不需要写脚本了。这个直觉不算错，只是漏了一件事。看懂和做对之间，隔着一条挺宽的河。

AI 确实带来了三样东西

不用逐级点按钮了

以前要触发一个流程，得在界面上一步步选。现在 Agent 先听懂你那句话，自己决定调哪个应用。门槛降下来之后，很多以前不值得自动化的低频场景也划算了，因为编排成本降了。

非结构化输入能自动转结构化

邮件正文、工单描述这类东西，要变成流程能用的字段。以前要么写死规则，要么人工整理。现在模型做得挺不错。

遇到异常不会立刻罢工

流程跑到一半碰到没见过的报错，AI 能先看懂什么意思，判断严不严重，再决定重试、改参数还是转人工。一遇异常就全线停摆的比例降下来了。

RPA 短期替代不了的三样东西

确定性

同一笔转账，执行一万次，结果必须完全一样。模型有概率性，同样的输入可能给出不同输出。把概率性放进资金流和权限变更里，等于把风险写进了架构。

可观测

出问题时你要能回答，这流程什么时候跑的，跑了多久，每一步输入输出是什么，失败了为什么。RPA 的执行日志是结构化的，能回放。模型调用链的可观测性差一截。

长流程的状态

一个跑三天的对账流程，得能在断了之后从第 137 步接着跑。这是工程活，跟智能不智能没关系。

界线划在哪

我用一个标准。做完这件事错了能不能撤回。

能撤回的，交给 AI。写草稿、分类打标、给建议、填表填一半，错了改一版就行，成本可以忽略。

不能撤回的，交给 RPA。转账、发货、改权限、删数据，错了要走人工流程补救。

举个对账的例子。AI 去理解这两条为什么对不上，给出一个分类建议。写库这个动作交给固定规则来执行，顺便留一条审计记录。反过来做，让模型直接写数据库，省下的开发时间会在第一次事故里还回去。

一个常见的错误顺序

不少团队的路径是先上大模型，再想怎么落地。结果落地的时候才发现，有一半场景根本不需要模型，另一半场景模型干不了。

更稳的顺序是先把手上的流程做扎实。规则明确，状态清晰，异常能处理。这之后再决定哪几个环节引入 AI 做增强。

只做一半会是什么结果。AI 只是在给一个本来就不合格的流程打补丁。

四个自测问题

1. 输入以非结构化文本为主吗。全是结构化数据就用不上大模型；
2. 需要处理没见过的情况吗。规则固定的话 AI 是浪费；
3. 判断出错的代价有多大。代价高就保留确定性兜底；
4. 兜底设计了没有。AI 一定会错，问题只是错了谁负责。

收个尾

把 AI 当成 RPA 前面的一层智能，比当成替代品靠谱。这话不新鲜，但工程上确实更稳。