ITPub博客

一、企业为什么又开始谈RPA？最近和几家企业聊智能体落地，一个很明显的变化是：年初大家还在讨论“能不能让Agent把整条流程都做了”，现在更常问的是，“哪些步骤继续交给大模型，哪些步骤应该换回RPA？”这不是技术倒退，而是企业开始算总账。比如每天早上登录多个系统，下载经营报表，改文件名，归档，再把数据录入分析模板。让智能体每次重新看页面、理解目标、决定点击顺序，当然也能做；但任务一旦每天重复几百次

一、数字员工能做什么？先明确工作范围数字员工通常指通过RPA、AI和系统接口等能力，执行一组业务任务的软件执行单元。在权限和规则配置到位后，它可以获取数据、整理材料、核对信息，并在不同系统之间完成操作。企业可把任务分成三类：报表下载、数据录入、到期提醒，适合按规则执行；文档识别、异常归类、分析初稿，适合辅助处理并校验结果；付款审批、录用决定、重要业务调整，则需要由相应负责人决策。因此，部署数字员工

2026 年 7 月，IDC 发布《中国 APA 产品及解决方案市场份额，2025：智能体加快流程自动化落地，数字员工成为应用新形态》。这份报告将观察范围放在智能体与流程自动化的结合上，为理解三者的关系提供了一个具体视角。简单说，RPA+AI 强调自动化与 AI 的能力组合；AI Agent 强调围绕目标选择工具、根据反馈推进任务；APA，即 Agentic Process Automation，

一、APA是什么，从每天处理邮件订单说起每天打开邮箱、下载附件、找到客户名称和订货数量，再把信息录入系统。这类工作并不难，却会不断占用时间。模板固定时，员工照着填就行；客户换了格式，或写了一句“按上次地址发货”，就得查记录、确认情况，才能继续。APA，即Agentic Process Automation，本文采用“智能流程自动化”的表述。它将智能体的内容理解、任务规划和工具调用能力引入业务流程，

一、财务智能体是什么，能帮财务做到哪一步财务智能体，是围绕财务任务，将大模型的理解与分析能力、企业财务知识和系统工具结合起来的应用。它可以理解“查一下本月对账差异”这样的需求，调用数据和工具，辅助完成核查、分析或后续处理。具体能执行到哪一步，取决于产品设计、系统连接和企业授权。放到日常工作中，它可以辅助审核单据、查找账务差异，汇总账户余额和收付款信息，也可以查询经营指标、生成分析报告。规则明确的计

工业场景里的头部 不能只看机器人会不会走过去判断人形机器人，大家爱看跑步、翻跟头和灵巧手演示。进入工厂以后，评价标准完全变了。工厂关心的是节拍能不能跟上、异常能不能恢复、设备能不能连续运行，以及机器人能否接入MES、WMS、ERP等既有系统。一次成功的Demo，只能证明“做得到”；连续数周稳定完成同一任务，才接近“可生产”。因此，本文主要看四项能力：是否有面向工业的本体和末端执行器；是否进入汽车、

一家制造企业已经上线了ERP、MES、WMS，也部署过不少自动化工具。订单能够自动录入，报表可以定时生成，库存数据也能同步。但只要供应商突然延期、设备状态异常，或者客户临时修改交付要求，流程还是会停下来等人判断。这正是传统自动化与制造业智能体之间最容易被忽略的分界。传统自动化擅长在确定条件下重复执行；智能体的价值，则是理解上下文、拆解任务、调用不同系统，并根据反馈调整下一步。所以，2026年制造业

如果只看标题，这像是一份RPA厂商座次表。但IDC在2026年7月发布的报告里，已经把研究对象换成了一个新名字：APA，也就是智能流程自动化（Agentic Process Automation）。 名称变化不是文字游戏。过去的RPA擅长按照既定规则稳定执行；今天的企业则希望智能体能理解任务、处理动态输入、调用不同工具，并把结果真正写回业务系统。流程自动化的竞争，正在从“机器人能不能做”

IDC于2026年7月发布的《中国APA产品及解决方案市场份额，2025》显示，2025年中国APA产品及解决方案市场规模约21.5亿元。其中，金智维以11.9%的收入份额位列第一，艺赛旗以10.7%位列第二，来也科技以9.7%位列第三。不过，这个答案必须加上两个限定：第一，IDC统计的是2025年度市场收入，并不是2026年实时销售额；第二，这次报告研究的是APA——智能流程自动化，而不是传统R

同样是做一个“财务智能体”，一家中小企业可能只想解决发票录入、对账和报表汇总；另一家大型集团，却要接入几十套系统，覆盖多级组织、权限、审计与容灾。两边买的都叫 AI Agent，预算表里的项目却不是同一种东西。 一、实施成本不只是一张软件报价单很多企业做预算时，先问模型调用多少钱、平台授权多少钱。这两个数字最容易拿到，却未必是成本大头。一套企业智能体真正进入业务，得算这4笔账，项目即使“

一个月前，我给自己定了一个规则：不拿 AI 工具闲聊，也不专门设计容易“秀肌肉”的测试题，只把它们放进日常工作里。查资料、整理信息、搭建内容助手、处理重复操作——我分别试了 Manus、扣子和影刀。刚开始，三款工具都挺容易让人产生一种错觉：以后很多事，是不是一句话就能做完？但真正拉开差距的不是第一天，而是第三周以后。那时新鲜感已经过去，愿不愿意再次打开、交付结果要不要反复返工、能不能接进原来的工作

很多企业谈自动化，第一反应是流程自动化机器人RPA甚至很多人连RPA都不知道，就知道流程自动。RPA是什么呢？它是一种在电脑运作的自动化技术，可以登录系统、复制数据、填写表单、下载报表、触发审批。只要流程足够稳定、规则足够清楚，RPA 就能把大量重复操作从人手里接过去。但到了大模型和智能体阶段，企业对“自动化”的期待开始变化。业务部门不再只希望机器按照固定路径重复点击，而是希望它能听懂一句任务，知

老板看AI，最关心的应该就是能不能帮我提升效率和降低成本，而不是你做了多少个AI对话，或者弄了多少个skill。所以营销 Agent 和行政 Agent 的落地，不能从“我们要做一个智能体”开始，而要从一张账单开始：这件事现在谁在做、每天花多久、错漏成本是多少、交给 AI 后能不能跑通闭环。 营销Agent先算增长账：不是写文案，而是让线索不白白流失营销部门最容易被低估的成本，是线索浪费

很多企业一提数字化转型，就容易把问题想成“再上一套系统”“再买一个AI工具”。但真正落到业务里会发现，系统越上越多，流程反而更碎；工具越来越先进，人还是在不同系统之间反复复制、核对、催办、截图、填报。所以，企业数字化转型到了今天，真正的问题已经不是“有没有系统”，而是这些系统里的流程，能不能被重新理解、被自动执行、被持续优化。这也是 AI 智能体解决方案开始被企业关注的原因。它不是简单替代某个岗位

很多制造企业现在聊智能体，最容易踩的坑是：一上来就想做一个“全能 AI 大脑”。能看订单、懂排产、会采购、查库存、盯质量、管设备，还能自动写报告、自动预警、自动决策。听起来很美，但真落地时往往卡在第一步：系统太多、数据太乱、流程太长、责任边界不清楚，最后智能体还没上岗，项目会先开不下去了。制造业智能体从 0 到 1，真正的关键不是“模型有多聪明”，而是先找到一个足够具体、足够高频、足够可验证的业务

很多公司做竞品分析和舆情监测，表面上看已经很数字化了：有表格、有群通知、有日报、有关键词、有各种工具。但真到执行层面，还是很原始。市场同事每天打开竞品官网，看有没有新案例；运营同事翻公众号，看对方最近在推什么话题；品牌同事盯社媒和新闻，看有没有负面舆情；产品同事隔三差五去应用商店、招投标平台、行业媒体里搜关键词。最后所有东西汇总到一张表里，再人工判断：这条重不重要？要不要同步销售？要不要给老板看？

2026年，中小企业选智能体平台，已经不能只问“能不能做一个 AI 助手”。更关键的问题变成了：这个智能体能不能接住真实业务流程？谁来搭？谁来维护？出了问题谁能看得懂、管得住、改得动？过去一年，智能体平台大致分成两条路线：一类强调低代码，让业务人员用拖拽、表单、知识库和流程编排快速搭出智能体；另一类强调开发者优先，把智能体看成一种新的软件工程对象，需要代码、框架、接口、权限、记忆、评测和部署体系。

一、财税AI的变化：从工具提效，到智能体进流程以前做财税自动化，很多企业的目标很朴素：少录几张发票，少做几张表，少熬几个月底。现在不一样了。AI进来以后，大家开始问一个更大的问题：财税工具能不能像一个懂业务的助理一样，自己理解任务、拆解流程、调用系统、留下审计记录？这就是财税AI从“工具”走向“智能体”的关键变化。财税场景最怕的不是慢，而是错。一张发票识别错了，可以人工改；一笔银行流水对错了，可能

最近不少企业开始选多智能体平台。看演示的时候，效果都很漂亮：一个Agent负责理解需求，一个Agent查知识库，一个Agent调接口，一个Agent写报告，最后还有一个Agent做校验。但真正进企业现场，问题就会变得很现实。系统接不进去，权限边界说不清，调用成本压不住，出了错没人敢让它继续跑。所以，企业级多智能体系统的选型，别先看“有多少Agent”。先看三件事：它能不能接真实系统，能不能被治理，

给CTO的先行结论：2026年评估企业智能体平台，不应从“谁的Demo更像人”开始，而应从“谁能在真实组织里可控地完成任务”开始。安全合规决定能不能进门，私有化部署决定控制权边界，生态集成决定最后有没有ROI。一、为什么2026年的选型逻辑变了Gartner在2025年发布的判断里提到，到2027年底，超过40%的Agentic AI项目可能因成本、风险控制或业务价值不清而被取消。这个判断并不悲观