用 AI 智能体还是 RPA(Robotic Process Automation,机器人流程自动化),要按步骤来定,而不是给整个流程一刀切。按固定流程走、每次都必须得到相同结果的步骤交给 RPA(确定性的流程);需要判断的步骤,例如阅读、分类、选择,交给 AI 智能体。一个流程里两类步骤都有时,就把两者组合起来:由智能体判断,再把执行交给 RPA。UiPath 也介绍了这种由智能体负责动态判断、再把执行交给可预测工作流的形式(agentic workflows)。

RPA 由人来定流程

  • 输入形式固定(表单、CSV、屏幕上的固定字段)
  • 相同输入必须得到相同结果
  • 界面或字段一变就会停下
  • 费用按用户或机器人计(Power Automate 的情况)
⇄按步骤拆分
再交接

AI 智能体 当场决定流程

  • 输入五花八门(邮件、版式各异的 PDF)
  • 例外多,每次路径都不同
  • 可能在操作出错后当作成功继续往下走
  • 费用随调用或操作次数增加

各项的出处见正文各章。产品功能名称和价格以 2026 年 11 月 14 日官方文档和价格页面的写法为准。

1. 区别在于“由谁来定流程”

RPA 按人设计好的步骤,重复执行屏幕操作和数据搬运。只要输入符合预期,每次结果都一样(确定性)。AI 智能体拿到目标和可以使用的工具后,由语言模型当场选择下一步做什么。它能适应版式不同的输入和各种例外,但同样的输入不一定每次都走同样的路径、得到同样的结果(概率性)。

UiPath 在官方文档“Agents and workflows”中,把智能体和传统工作流(包括 RPA 在内的固定流程)的区别列成了表。卖 RPA 的公司把智能体的弱点也写进同一张表,这一点很有参考价值。

维度智能体工作流
流程的决定方式执行中规划,自己选择工具按定好的顺序使用定好的工具
输入非结构化,包括图像和文档结构化的记录或表单
应对变化当场改指示来适应需要在设计阶段修改
可靠性有波动(取决于护栏和评估)输入在规格范围内时很高
治理负担较大已有成熟的方针和工具
费用的可预测性中到低(每次运行的 token 消耗不同)高

出处:摘译自 UiPath“Agents and workflows”中的对比表。同一页面还介绍了“agentic workflows”:由智能体负责动态判断,再把执行交给可预测的工作流。

由此可见,关键不是哪个更好,而是各自承担什么。RPA 由人在设计时保证流程正确;智能体则把“决定流程”这件事本身承担了下来,所以在智能体这一侧,需要另外准备结果核对、权限限制和费用监控。AI 擅长和不擅长什么,可参阅 AI 能做什么、不能做什么。

2. 按步骤的判断表

把业务拆成步骤,对每一步问下面 5 个问题。只有符合右栏的步骤,才作为交给 AI 智能体的候选。

问题留给 RPA考虑 AI 智能体
① 输入是什么形式?固定表单、CSV、屏幕上的固定字段邮件正文、版式各异的 PDF、聊天
② 相同输入必须得到相同结果吗?必须(会计、付款、申报)措辞有差异可以接受(摘要、草稿、分类)
③ 例外有多少?很少,而且例外也能写成规则天天都有,每次都要人来思考
④ 出错能撤回吗?不能撤回或损失很大(转账、下单、删除)可以由人确认后再定稿,或者可以重做
⑤ 流程会变吗?暂时不会路径随对象和情况每次都变

最重要的是④。无法撤回的操作,即使让智能体来判断,最后的执行也要经过人的批准和固定流程。Microsoft 在 Copilot Studio 的 computer use(由 AI 操作屏幕)常见问题中,也把执行金融交易,以及在招聘、医疗、金融领域做推荐或打分,列为该工具不面向的用途。

套用到常见业务上,结果如下。

业务示例选什么理由
把固定格式的发票录入会计系统RPA输入是结构化的,且必须得到相同结果
读取各供应商格式不同的发票用智能体提取 → 用 RPA 录入读取需要判断,录入是固定操作
分拣咨询邮件并起草回复智能体 + 由人发送自然语言且例外多,发送无法撤回
入职手续(开通账号、申领设备)RPA 或工作流步骤是固定的(UiPath 也举了同样的例子)
执行付款、月结RPA + 人的批准无法撤回,且需要审计记录
操作没有 API 的老旧内部系统RPA(界面稳定时)界面不变就能确定性地操作(界面一直在变,就先试用 AI 操作屏幕)

UiPath 的对比表也把发票处理(Invoice processing)列为按固定路径处理、适合工作流的例子。只把读取格式各异单据的步骤交给智能体。

3. 出错方式的不同

选型时容易忽略的一点是:两者坏掉的方式不同。RPA 会停下,AI 智能体则可能带着错误继续往下走。停下的故障可以靠通知发现,带着错误继续的故障,如果没有核对结果的机制就察觉不到。

维度RPAAI 智能体(含屏幕操作)
典型故障找不到界面元素(选择器),该步骤报错点错位置、重复同一操作、不确认结果就当作完成
原因界面布局、字段名称、弹窗的变化看错屏幕、指示含糊、屏幕上写着的命令(提示词注入)
怎么发现作为失败的运行被记录并通知如果不另外核对结果,看上去就像正常结束
主要对策失败通知、把停下的件退回给人的通道、检查界面变化核对结果的步骤、重要操作前由人确认、隔离环境和许可清单

RPA 这一侧也在用 AI 减少停机。UiPath 的 Healing Agent 会在界面自动化失败时,建议新的选择器、等待时间以及对意外弹窗的处理,并在运行中依次尝试恢复手段。

智能体这一侧的注意事项,各公司的官方文档写得很明确。下面列出让 AI 操作屏幕的功能(computer use)的名称和官方的提醒。

功能官方文档写明的注意事项
Anthropic:Claude API 的 computer use toolClaude 有时不确认操作结果就表现得像成功了一样。可能会听从屏幕或图像中的指令。建议使用专用虚拟机、不交给它登录信息、设置访问域名的许可清单、在后果重大的决定前由人确认。
OpenAI:API 的 computer tool可能影响真实的账号和数据。要把屏幕内容当作不可信的输入,重要操作要确认。使用隔离的浏览器或虚拟机,以及网站和操作的许可清单。
Google:Gemini API 的 Computer Use可能含有错误和安全漏洞。重要任务要密切监督,涉及关键决定或敏感数据的任务不要使用。收到要求确认的响应(require_confirmation)时要询问最终用户。在沙盒虚拟机或容器中运行。
Microsoft:Copilot Studio 的 computer use(常见问题)功能说明写道,按钮或界面变化时它会随之适应;但常见问题提醒了以下几点。界面布局变化或加载延迟,可能让同一任务得到不同结果。不擅长下拉菜单和日期选择器。可能重复操作或卡住。人工监督功能是按概率触发的,不能当作最后一道安全防线。

ChatGPT 中的智能体以及内置在浏览器里的 AI 操作产品的一览和现状,见 AI 能把浏览器操作自动化到什么程度。事故的类型和防范方法整理在 AI 智能体安全事故与对策。

Microsoft 的常见问题写道,AI 操作屏幕同样对界面变化敏感。不能断言“换成智能体,界面变了也不会坏”。它只是比 RPA 有更大的适应余地,适应后的结果是否正确,仍要另外核对。

4. 费用怎么算:固定单位与按量计费

RPA 和智能体的计费形态本来就不同。Power Automate 的 RPA 按用户或机器人的数量计费,智能体则随模型调用或屏幕操作的次数增加。哪个更便宜,会随件数和每件的操作步数而逆转,所以要按两种形态分别估算。

计费形态官方示例件数增加时
RPA 按用户Power Automate Premium:每用户每月 15 美元(按年付费)。包含在有人使用的电脑上运行的 attended RPA。用户不变则费用不变。
RPA 按机器人Power Automate Process:每个机器人每月 150 美元;Hosted Process(运行在 Microsoft 提供的虚拟机上)每月 215 美元(均按年付费)。包含无人值守的 unattended RPA。一台跑得过来时不变,不够时增加机器人。
智能体 按调用次数UiPath 的 Unified Pricing:使用 UiPath 提供的模型时,每次 LLM 调用消耗 Platform Units(标准模型 0.2、高级模型 0.4、基础模型 0.16)。每 6.4 万个输入 token 计为 1 次。与件数和每件的调用次数成正比增加。
智能体 按屏幕操作步数Copilot Studio 的 computer use:每一步(一组点击或输入)5 Copilot Credits,高级模型为 15。与件数 × 步数成正比增加。
智能体 按 token 计量Claude API 的 computer use:每张截图的输入约为 1,000–1,800 个 token。步骤越长,图像的 token 越多。

出处:Power Automate 价格(美国的标价,随国家和地区、合同而变)、UiPath Agents 许可(Flex 方案以 Agent Units 计:标准 1、高级 2、基础 0.8)、Copilot Studio 的 computer use、Claude 的 computer use tool。

估算示例:每月用 AI 操作屏幕录入 500 张格式各异的发票

按 Microsoft 计费说明中的示例(填写工时表:打开、新建、填写 3 个字段、提交,共 4 步)的步数计算,标准模型为 500 张 × 4 步 × 5 = 每月 1 万 Copilot Credits,高级模型是 3 倍,即 3 万。

如果把同样的工作拆成“智能体提取数值 → RPA 录入”,屏幕操作的步数就移到了 RPA 一侧,智能体的费用只剩提取时的调用。哪个更便宜,取决于积分单价和 RPA 机器人的空闲程度,请用自己合同中的单价来乘。

Copilot Studio 的智能体流每执行一个操作就消耗容量,环境中的 Copilot Credits 用完后,新的运行会被阻止(要避免停下,可以启用即用即付。Agent flows overview)。持有 Microsoft 365 Copilot 许可的用户与智能体对话时触发的运行不受影响,但由事件等触发、自主运行的智能体所启动的运行会计费,也可能被阻止。费用到达上限时业务就会停下,这是按机器人计费的 RPA 没有的特性。要把容量监控列入运维项目。

5. 权限与审计的注意事项

RPA 机器人只执行设计好的操作,所以权限范围就等于“设计好的操作范围”。智能体会自己从工具中选择,所以交给它的全部权限都在它可能使用的范围之内。下面从官方文档中挑出搭建时要确认的点。

搭建前要确认的 4 点

可用的工具
UiPath 的智能体只能使用明确添加的流程(Automations)。Automation Anywhere 同样要在 Tools 标签页添加所需的 Processes、Task Bots、API Tasks、AI Agents(Create and manage AI Agent)。只交给业务需要的东西
以谁的权限运行
Copilot Studio 的 computer use 默认使用创建者的凭据。Microsoft 警告,以这一设置共享智能体后,任何使用者都能以原作者的权限进行操作。要共享的话,就改用最终用户自己的凭据,或使用权限收窄的专用账号
可以触及的范围
Copilot Studio 的许可清单会阻止在清单外的网站和应用上操作,但并不阻止打开它们。在机器一侧也要叠加专用机器、最小权限、只允许指定网站和应用等设置
记录的保存
Automation Anywhere 的 AI Governance 能查看与模型往来的提示词和响应的记录。在 Copilot Studio 的独立 computer use 工具(预览版)中,可以在 Activity 标签页回看最近 28 天的运行(录像、截图和步骤记录)。要让智能体的判断和 RPA 的执行日志能用同一个案件编号追溯

批准的处理也要注意。Microsoft 写道,computer use 的人工监督(human supervision)是按概率触发的,希望它停时可能不停,不需要时也可能停下,并要求不要把它当作最后一道安全防线。无法撤回的操作的批准,不要交给智能体判断,而要作为每件都必经的批准步骤放进流程里。约束判断的思路见 AI 护栏。

6. 怎么组合:三个具体例子与产品功能

组合的骨架都一样:智能体阅读并判断,符合规则的由 RPA 按固定流程执行,不符合或把握不大的转给人。

① 接收:邮件、PDF、表单的输入
↓
智能体 ② 阅读、分类、提取数值
↓
RPA ③ 符合规则:按固定流程登记、录入
人 ③ 不符合或把握不大:由人批准或判断
↓
④ 记录:用同一个案件编号保存判断和执行的日志,把转给人的件用于下一次改进

具体例子:三项业务的拆法

  • 格式各异的发票

    智能体提取供应商、金额、到期日和明细,必填字段缺失或金额对不上的转给人。只有信息齐全的由 RPA 录入会计系统。付款的执行放在另一条流程里,经人批准后由 RPA 执行。

  • 咨询邮件

    智能体对意图分类并起草回复。查询订单号、变更地址等步骤固定的处理交给 RPA 或流程。发送前由人确认,退款这类无法撤回的处理要经过批准步骤。

  • 没有 API 的老旧系统

    界面稳定的话,用 RPA 确定性地操作。只有在界面频繁变化、维护跟不上时,才先试用 AI 操作屏幕,并加上核对结果的步骤后再推广到正式业务。Microsoft 也把 computer use 说明为没有 API 时使用的手段。

UiPath:智能体把流程当作工具来调用

  1. 把流程添加为工具:在智能体创建界面的 Design 标签页,从 Tools 中选择 Add tool,在 Automations 标签页中选择流程。对象是同一解决方案内的项目,或发布到共享 Orchestrator 文件夹的流程。输入输出仅限于官方列出的类型,如字符串、数值、布尔值(Automations)。
  2. 开通转给人的通道:Escalations 通过 Action Center 的 Action apps,请人确认、批准或手动协助。分配方式可从指定用户、按工作量、轮流等选项中选择(Escalations)。
  3. 串起整个业务:用 Maestro 把智能体、机器人和人的工作作为一条流程来管理。

Microsoft:Power Automate 与 Copilot Studio

  • 流程中只用一步 AI

    在云端流中加入 AI Builder 的 Run a prompt 做分类或摘要,按结果分支,再用 Run a flow built with Power Automate for desktop 运行桌面流(RPA)。流程由人决定,AI 只占一步,是最具确定性的组合方式(Use your prompt in Power Automate、Trigger desktop flows from cloud flows)。

  • 智能体调用流程

    在 Copilot Studio 智能体的 Tools 页面,通过 Add a tool → Flow 添加智能体流。流程需要有 When an agent calls the flow 触发器和 Respond to the agent 操作,关闭异步响应并发布,而且必须在 100 秒内响应(Add an agent flow as a tool)。Microsoft 把智能体流说明为“相同输入总是得到相同输出”的确定性执行。

  • 屏幕操作也交给 AI

    Copilot Studio 的 computer use 按自然语言指示操作 Windows 屏幕。可在多个流程中复用的独立工具版处于预览阶段,Microsoft 明确表示预览功能不面向生产环境(Add standalone computer use tools)。

Automation Anywhere:AI Agent Studio

Automation 360 的 AI Agent Studio 由 AI Agents、AI Skills、AI Guardrails、AI Governance 组成,需要 Enterprise Platform 许可。AI Agent 的 Tools 中可以添加现有的 Task Bots 和 Processes,因此现有的机器人可以充当智能体的“手”。官方的操作示例(处理保险理赔的智能体)中,指示智能体在理赔信息不全时,用 Human in the Loop 向人求助。

自己搭建智能体时如何选工具,见 AI 智能体框架对比;业务案例见 业务自动化的应用案例。

7. 导入步骤(6 步)

UiPath 的“Best practices for building agents”建议,不要把智能体做成单独的机器人,而要做成嵌入现有业务流程的部件。按这个思路整理成不限产品的步骤,如下。

  1. 把现有业务拆成步骤,给需要判断的步骤做标记:判断指的是阅读非结构化输入、比较上下文、从合理的选项中做选择。没有标记的步骤交给 RPA 或确定性的流程。
  2. 先用 RPA 固定下固定步骤,并定好输入输出:以被智能体调用为前提,参数用简单的类型。若由 Copilot Studio 调用,要拆成 100 秒内能返回的单位。
  3. 把智能体的角色限定为一个:像“从发票中提取数值”“对咨询意图分类”这样,只承担一项职责。UiPath 的同一份指南也写道,角色收窄后更容易验证。
  4. 上线前用评估用的输入来测试:不只用普通示例,还要混入版式错乱、信息不足、容易混淆的输入。测试方法见 AI 智能体评估指南。
  5. 划好转给人的通道和权限的界线:信息不足、工具失败、判断含糊、规则例外都转给人。无法撤回的操作把批准设为必经步骤;让它操作屏幕时,限定可以触及的应用和网站。
  6. 小范围上线,看日志和费用再修正:从一个部门、一类单据开始。用同一口径查看判断记录、RPA 执行日志以及容量或积分的消耗,把转给人的件用于改进指示和规则。

总结

  • 怎么定:不按整个业务而是按步骤拆开,问输入形式、是否必须得到相同结果、例外多少、能否撤回、流程是否会变。
  • 怎么坏:RPA 遇到界面变化会停下,智能体可能带着错误操作继续。智能体的步骤要加上结果核对。
  • 费用:RPA 按用户或机器人计,智能体按调用或操作次数计。用件数 × 步数 × 单价分别估算两者。
  • 权限与审计:交出的工具要明确且最少,确认以谁的凭据运行,让判断和执行的日志能按同一件追溯。
  • 组合:业务中两类步骤都有时,由智能体判断、RPA 执行,无法撤回的操作经过人的批准步骤。

常见问题

RPA 应该被 AI 智能体取代吗?

这不构成取代的理由。在相同输入要求相同结果的固定步骤上,确定性的 RPA 在结果和费用上都更容易预测。只把需要判断的步骤交给智能体,固定步骤留给 RPA。

一定要组合使用吗?

不是。如果业务步骤全是固定操作,只用 RPA 就够了;如果业务只由判断步骤组成(例如咨询分类),只用智能体就够了。需要组合的是一个业务里同时存在判断步骤和固定步骤的时候。

界面一变 RPA 就停,那 AI 操作屏幕是不是更好?

不能一概而论。Microsoft 写道,AI 操作屏幕同样会因界面布局和加载延迟而得到不同结果。界面稳定的对象用 RPA,界面不断变化的对象先试用 AI 操作屏幕,两种情况都要加上核对结果的步骤。

用 UiPath 还是 Power Automate 搭建?

建在现有的 RPA 资产和公司内部平台上,返工更少。如果 UiPath 的 Orchestrator 里已有流程,就从 UiPath 的智能体把它们当作工具调用;如果以 Microsoft 365、Power Platform 为中心,用 Copilot Studio 和 Power Automate 的流程来搭建最顺手。两者的计费形态不同,请根据件数和步数分别估算。