一家企业原本有一套报销自动化流程：OCR读取发票，RPA登录财务系统，核对金额后录入数据。后来，厂商又接入大模型，让员工可以用自然语言发起任务。产品介绍随即多了一个新名字：财务智能体。

它算智能体吗？

答案是，有些算，多数还算不上。

今天市场上被称为“智能体”的产品，技术差异可能很大。有的已经能够理解目标、拆解任务、调用多个系统，并根据执行结果调整下一步；有的只是在原有RPA流程前面增加一个对话框，后台依然按照固定脚本运行。

两者都使用了AI，也都能替人做事，但工作的方式并不相同。

RPA接入AI之后，离智能体还有多远？

传统RPA处理的是一套写好的操作步骤。

开发人员提前规定登录哪个系统、点击什么按钮、读取哪个字段，软件机器人再按照脚本重复执行。只要界面、数据格式和业务规则没有变化，这套方式相当可靠。

AI进入流程后，RPA能够处理更多类型的材料。OCR读取纸质单，自然语言处理识别合同条款，机器学习模型判断风险，大模型则负责生成摘要或回复。这就是过去几年常见的RPA+AI。

在这套架构中，AI通常负责某个环节，流程仍由人提前画好。系统知道怎样识别一张发票，却不会临时决定是否补充查询采购订单；它可以判断合同里有没有违约条款，却未必知道发现问题后应该通知谁、调取什么材料。

智能体多了一层自主组织任务的能力。

用户给出的是目标，例如“完成本月银企对账并整理异常项”。智能体需要理解这句话，决定先获取哪些数据、调用哪些工具、怎样核对结果。如果部分流水无法匹配，它还要判断是重新查询、补充材料，还是交给财务人员处理。

RPA+AI只是一个宽泛的技术组合。AI开始参与任务理解、路径选择和动态调整之后，系统才具有比较明确的智能体特征。把固定流程包装成对话形式，交互确实方便了，但对话框本身不能证明后台有一个智能体。

是不是智能体，业务流程说了算

处理一张字段完整、格式标准的发票时，RPA+AI和智能体都能完成识别、校验与录入。它们在演示里看上去差别不大，真实业务里的异常才会把能力差距暴露出来：发票号码无法识别、合同金额与订单不一致、审批人已经调岗，或者业务系统突然调整了页面。

固定流程遇到这些情况，通常会停止运行或按照预设规则转人工。智能体则可以结合上下文分析原因，尝试调用其他工具，或者重新安排执行顺序。

这并不意味着企业可以让智能体在所有系统中自由行动。付款、审批、客户信息修改等操作都带有明确责任。企业不会因为模型会推理，就把所有权限一次性的交给它。可用的企业智能体需要知道哪些任务可以自行处理，哪些操作必须等待确认，失败后又该怎样暂停和回退。

因此，产品是不是智能体，最终要放回业务流程中判断。用户交给它的是完整步骤还是业务目标，它能否临时选择知识、工具和流程，遇到异常后能否调整方案，每一步操作又能否被记录和接管，这些都比产品名称更有辨识度。

到了执行环节，RPA仍然是更稳妥的选择

智能体越接近真实业务，越需要稳定的执行工具。

大模型擅长处理模糊信息。它可以理解邮件、合同和自然语言需求，也可以在多个方案中作出选择。但它的输出具有概率性，同样的问题不一定每次都得到完全一致的答案。

企业系统里的录入、下载、查询和校验，要求则完全不同。金额不能写错，账号不能点错，任务过程还要留下记录。这些操作依然适合交给RPA、API、工作流和规则引擎。

目前较常见的分工是：智能体理解任务和处理变化，RPA完成已经确认的操作。UiPath对Agentic Automation的描述也采用了类似逻辑，智能体负责推理和适应，机器人承担结构化、可重复的系统交互。

这一组合正在被称为APA，即Agentic Process Automation，智能体流程自动化。

APA不要求企业拆掉原有RPA系统。企业已经建设的自动化流程可以继续保留，再被封装成智能体能够调用的工具。原本需要员工逐个启动的流程，开始由智能体根据任务需要进行组织。

金智维K-APA智能流程自动化平台采用生成与执行分离的方式。大模型可以根据自然语言、业务文档或操作示范辅助构建流程，完成测试后，再由RPA脚本和业务规则执行。模型参与理解与设计，频繁运行的任务不必每次重新推理。

这种做法没有追求让AI接管所有环节。它保留了智能体处理变化的空间，也让明确的操作继续按照经过验证的流程运行，更接近企业对灵活性和稳定性的双重要求。

市场越热，越要提防“Agent Washing”

智能体流程自动化的需求仍会增加。

企业已经拥有大量ERP、CRM、财务、办公和行业系统，新的智能体很少能够绕过这些系统单独工作。只要AI需要真正执行任务，系统连接、流程调度、权限管理和操作留痕就会成为必需品。RPA积累的连接和执行能力，因此有机会成为企业智能体的基础设施。

IDC数据显示，2024年中国RPA+AI解决方案市场规模为31.5亿元，同比增长27.4%。到2026年，IDC第一次将APA作为独立市场进行追踪。公开披露的信息显示，2025年中国APA产品及解决方案市场规模约21.5亿元，金智维以11.9%的整体市场份额位列第一。

这两组数字的统计范围不同，不能直接计算增减，但市场名称的变化已经说明，企业自动化的竞争重点正在调整。厂商过去主要销售机器人和流程开发能力，现在还需要回答智能体如何规划、如何调用旧流程，以及谁来管理它。

Gartner预计，到2026年底，40%的企业应用将集成任务特定型AI智能体，而2025年这一比例尚不足5%。这意味着越来越多企业软件会加入智能体入口。

市场增长不代表每个项目都能成功。Gartner同时预计，到2027年底，超过40%的代理型AI项目可能因成本上升、业务价值不清或风险控制不足被取消。它还特别提到“Agent Washing”，也就是厂商将普通AI助手或传统自动化重新包装成智能体。

这两个“40%”放在一起看颇为微妙。智能体会迅速进入企业软件，一批缺少真实业务价值的智能体项目也会很快退出。最先暴露问题的，往往是那些只更新了产品名称、没有改变工作方式的方案。

无论起点在哪里，终点都应该是“端到端”

RPA+AI、AI Agent和APA之间没有一条绝对清晰的产品边界。同一套系统经过能力升级，完全可能从固定自动化逐渐走向智能体流程。企业也没有必要为了追赶概念，重新建设全部系统。

采购时更实用的办法，是暂时放下产品名称，看它能把一项业务接到哪里。如果任务规则清楚、数据格式固定，传统RPA可能更便宜，也更稳定；涉及文档理解和简单判断时，RPA+AI已经够用；任务需要理解目标、临时调用工具、处理异常并协调多个流程时，智能体和APA才有更大的发挥空间。

但无论从哪种技术起步，最终都要回到端到端。这里的端到端并不是让同一种技术包办所有环节，而是把任务发起、材料理解、规则判断、系统操作、异常处理、人工复核和结果回写真正连起来。智能体、RPA、API和工作流各自承担擅长的部分，员工不必再到多个系统之间手工接力。

未来的市场也会按照这种需求分层。标准RPA继续处理高频操作，RPA+AI覆盖文档识别与判断场景，APA组织跨系统的复杂任务。厂商之间的差距，将更多体现在系统连接、行业知识、异常处理和流程治理上。

一套方案从RPA开始，还是从原生Agent开始，并不是决定成败的地方。流程能不能完整走通，异常是否有人接住，结果能否安全回到业务系统，才决定自动化究竟停在一个环节，还是覆盖了整项工作。