RPA 不是终点：AI 时代，企业自动化该怎么做？
做了几年 RPA 落地后我越来越确定一件事：RPA 只是手段，不是目的。AI 时代的企业自动化，拼的是"场景判断力"，不是工具本身。
先说结论：RPA 不会消失，但”只会 RPA”会越来越不值钱。 AI 时代的企业自动化，真正的壁垒不是你会用哪个工具，而是你判断”哪个场景值得自动化、用什么方式自动化”的能力。
这是我做了几年企业自动化落地后，最确定的一件事。
RPA 解决的是什么问题？
RPA（机器人流程自动化）的本质很简单：模拟人在电脑上的操作——点鼠标、敲键盘、复制粘贴、打开系统录数据。
它最适合的场景有三个特征：
- 规则明确：每一步都有确定的处理逻辑，不需要”动脑筋”
- 重复发生：每天、每周固定要做，不做不行
- 跨系统：数据在 A 系统里，要搬到 B 系统里，而两个系统之间没有接口
开票、对账、订单录入、数据采集……我在企业里落地的几十个机器人，干的基本上都是这类活。效果是实打实的：一个机器人顶几个人天的重复劳动，7×24 小时不出错。
但 RPA 有三个明显的天花板
做着做着，你会发现 RPA 的局限：
1. 它不懂”内容”。 机器人能把发票上的数字搬到表格里，但它看不懂一份合同在说什么、一封客户邮件是什么情绪。一旦任务涉及”理解”，传统 RPA 就傻眼了。
2. 它很”脆”。 网页改个按钮位置、系统升级换个界面，机器人就可能罢工。界面级的自动化，本质上是在和 UI 的变化赛跑。
3. 它只能执行，不能决策。 遇到规则之外的情况，机器人只会报错，然后等人来处理。
AI 补上的正是这三块短板
大模型的出现，恰好打在 RPA 的三个痛点上：
| RPA 的短板 | AI 补位 |
|---|---|
| 不懂内容 | 大模型能读合同、读邮件、读单据，提取关键信息 |
| 界面脆弱 | AI 视觉理解 + API 直连，减少对界面模拟的依赖 |
| 不能决策 | Agent 能根据上下文判断分支、处理异常 |
所以现在我做自动化方案的思路变了：不再是”这个流程怎么用 RPA 实现”，而是”这个流程的每个环节，分别该用什么方式处理”——
- 结构化的搬数？RPA 依然是成本最低的选择
- 需要理解文档内容？交给大模型
- 需要多步推理和判断？搭一个 Agent 工作流
- 系统之间有 API？优先走接口，别碰界面
RPA 从”主角”变成了”工具箱里的一件工具”。 这也是我为什么说 RPA 可能会受限——不是它没用了，而是把它当成唯一答案的时代过去了。
给企业的一句实话
如果你正在考虑上自动化，我的建议是：先别问”用什么工具”，先问”哪个场景最值得做”。
一个判断场景价值的简单公式：
场景价值 = 发生频率 × 单次耗时 × 规则明确度
频率高、耗时长、规则死的场景，先自动化；需要理解、判断的环节，再看 AI 能不能补位。工具选型是最后一步，不是第一步。
这也是我自己的转型方向：从”做 RPA 的人”，变成”帮企业把 AI 真正用起来的人”。RPA 依然是我工具箱里的利器——只是现在，工具箱比以前大多了。
如果你也在思考企业的自动化或 AI 落地，欢迎找我聊聊——聊清楚场景值不值得做，不收费。