RPA、API 还是 AI 智能体：选择合适的业务流程自动化方式

当企业决定把重复性工作自动化时，技术选择很快就会让人困惑。供应商推荐机器人流程自动化（RPA），顾问建议 API 集成，而今年几乎人人都在谈论 AI 智能体。这三者常被说成是解决同一个问题的方案，实际上各自最适合的场景不同，成本、风险和维护需求也不同。

本文用通俗的语言比较这三者。你将了解它们各自如何运作、什么时候某一种比其他更合适、各自隐藏的风险，以及一个简单的选择决策框架。关于 AI 智能体的更深入内容见用于业务流程自动化的 AI 智能体，而本文帮助你判断是否真的需要 AI 智能体。

摘要

• RPA 模仿人在屏幕上的点击和输入，适合没有编程接口的旧系统，但界面一变就容易失效
• API 集成在数据层直接连接系统，更稳定、更快，但要求系统提供 API
• AI 智能体处理需要语言理解和判断的工作，但结果不一定每次相同，因此需要监督
• 经验法则：有 API 就用 API，没有时用 RPA 作为桥梁，只在真正需要理解的步骤使用 AI
• 杂乱的流程不会因为自动化而变整齐；应先梳理并简化

三种方法，各用一段话说明

RPA 是一种像员工那样操作应用程序的软件：打开程序、把数字从一个屏幕复制到另一个屏幕、点击按钮、上传文件。它工作在界面层，因此无需改动现有系统。

API 集成通过系统开发者提供的正式入口连接两个系统。数据在系统之间流动，完全不需要界面，通常只需几秒，并且对格式和错误有明确的规则。基本概念见企业主需要了解的 API。

AI 智能体利用语言模型理解非结构化的请求、决定下一步，然后调用 API 或数据库等工具去执行。它的优势在于应对多样输入的灵活性，例如客户邮件、格式各异的文档或自由提问。

RPA：何时合理，风险是什么

当你必须与无法改动或没有 API 的系统打交道时，RPA 最有用：供应商已不再活跃的老旧应用、政府门户、供应商或客户门户，以及行业专用软件。在这些情况下，RPA 可以成为快速的桥梁，往往几周内即可完成，且不触碰核心系统。

风险在于脆弱。RPA 机器人依赖按钮位置、字段名称和屏幕顺序。当供应商更新界面、挪动一个菜单或增加一个验证步骤时，机器人可能停止运行，更糟的是在无人察觉的情况下填入错误数据。机器人的维护成本往往高于最初估计，许多 RPA 项目失败并非因为技术，而是因为没有人负责监控和修复。

• 适合：定期从没有 API 的门户获取数据、向旧应用大批量录入数据、在稳定的屏幕之间核对
• 不太适合：经常变化的流程、界面常更新的系统，以及需要判断的工作
• 确保有监控、机器人失败时的通知，以及每个机器人明确的负责人
• 在机器人使用员工凭证访问系统之前，检查供应商的许可和安全条款

API 集成：最健康的基础

如果两个系统都提供 API，这种集成几乎总是最佳选择。数据在系统之间直接流动，不依赖界面，速度快、结果一致，错误也可以用明确的规则处理。借助 Webhook 模式，一个系统可以在事件发生的瞬间通知另一个系统，例如新订单或收到付款，详见Webhook 与实时集成。

缺点是前期成本，以及依赖他人 API 的质量。有些 API 限制请求次数、收取费用，或没有涵盖界面中的所有功能。API 的版本变更也需要跟进。即便如此，对同一流程而言，长期维护成本通常远低于 RPA。

AI 智能体：优势与局限

AI 智能体在输入不统一的工作中表现出色。阅读报价请求邮件并填写表单、对客户投诉分类、从版式各异的发票中提取数据，或根据公司文档回答员工提问，都是很难用僵硬规则实现的工作。文档提取的做法见从文档自动录入数据。

局限同样明确。对同样的输入，模型输出可能不同，偶尔会用自信的语气给出错误答案，而且每次操作比普通脚本更慢、更贵。因此，AI 不应用于有确定答案和明确规则的工作，例如计算税款或在系统间复制数字。对于付款或修改主数据这类高风险步骤，要加入人工审批和权限上限。安全方面见AI 应用安全。

简要对比

• 搭建速度：对没有 API 的系统，RPA 很快；API 居中；AI 智能体做原型快，但要做到可靠则慢
• 稳定性：API 最稳定，RPA 对界面变化最脆弱，AI 智能体取决于测试质量和监督
• 维护成本：API 低，RPA 中到高，AI 智能体按使用量计费并需要定期评估
• 结果一致性：API 和 RPA 是确定性的，AI 智能体是概率性的
• 适用于非结构化输入：只有 AI 智能体
• 可审计性：API 和 RPA 容易，AI 智能体需要有意识地记录决策

最常奏效的组合模式

在实践中，真实的流程很少只适合一种方法。例如：客户的订单邮件到达，AI 智能体读取并提取商品和数量，用普通规则对照商品目录校验，通过 API 在 ERP 中创建订单，如果旧版 ERP 在某个特定步骤没有 API，则由一个小型 RPA 机器人处理。只有遇到例外情况，例如商品代码无法识别时，员工才介入。

这种模式让风险最高的部分保持确定性，只在真正有价值的地方使用 AI。结果更便宜，更容易测试，也更容易审计。入门步骤的指导见从运营入手开始 AI 自动化。

案例：拥有供应商门户的分销商

一家零配件分销商每天早上都要到三家供应商的门户查看库存，然后更新网店和 ERP 中的库存情况。其中两家供应商提供 API，另一家只有需要登录的网页门户。合理的方案是：两家通过 API 连接，第三家通过一个定时运行的小型 RPA 机器人，并在登录失败时发出警报。这里没有 AI，因为所有数据都是结构化的。

后来这家分销商开始收到格式自由的邮件询价，这时才加入 AI 智能体来阅读邮件并起草报价，由销售人员检查后再发送。这种顺序，从最具确定性的部分开始，需要时再加入 AI，能把成本和风险控制在可管理的范围。

五个问题的决策框架

1. 01流程是否清晰且稳定？如果不是，先按[软件开发前的业务流程梳理](/blog/pemetaan-proses-bisnis-sebelum-membangun-software)的方法梳理并修正
2. 02涉及的系统是否有满足需求的 API？如果有，从 API 开始
3. 03是否存在无法避免的没有 API 的步骤？如果有，只针对该步骤考虑有限的 RPA
4. 04是否存在输入自由、需要理解的步骤？如果有，在该步骤使用 AI，并配合校验和人工审批
5. 05自动化运行后，谁来监控、修复并负责？如果没有答案，就推迟到有人负责为止

常见错误

• 把糟糕的流程自动化，结果只是让错误发生得更快
• 系统明明有 API，却因为 RPA 看起来快而选择 RPA
• 把 AI 用于本应是确定性的计算
• 没有准备失败处理和通知，导致机器人或智能体停止了却没人知道
• 给自动化授予权限过大的凭证
• 只按替代的工时计算节省，而忽略维护和监督成本

如实计算自动化的价值

自动化的节省常被夸大。请用三个部分来计算。第一，每月真正释放的时间：交易数量乘以每笔交易的分钟数，再减去处理例外的时间。第二，减少错误的价值，例如更正成本和逾期罚金。第三，总成本：开发、许可、基础设施、监控和定期修复。

低频但高风险的自动化，例如月末对账或合规报告，有时比高频但价值很小的自动化更有价值。建议从业务量清楚、规则稳定、负责人愿意参与的流程开始。阻碍集成的旧系统可以通过在不中断运营的情况下改造遗留系统从结构上解决。

常见问题

RPA 现在还有意义吗？有，尤其是作为没有 API 的系统的桥梁。不过随着越来越多的系统提供 API，以及 AI 智能体越来越擅长操作界面，RPA 的角色正在缩小。

AI 智能体会取代 RPA 和 API 吗？不会完全取代。AI 智能体通常把 API 当作工具来调用，因此 API 反而更重要。对于确定性的任务，普通代码仍然更便宜、更可靠。

第一个自动化项目需要多久？单一流程加一两个集成的小范围自动化，通常几周即可完成。耗时的是梳理流程、准备权限和测试例外情况。

安全方面怎么办？提供权限最小的专用服务账号，把凭证存放在密钥保管库，记录每一次操作，并限制自动化在未经批准时能做的事情。

小企业需要这一切吗？不需要。许多小企业的需求通过应用之间的内置集成或无代码自动化平台就能解决。选择能满足需求的最简单方案。

结论

RPA、API 集成和 AI 智能体不是必须二选一的竞争对手，而是各有所长的工具。以 API 为基础，用 RPA 作为封闭系统的有限桥梁，在需要理解的步骤使用 AI。先梳理流程，指定负责人，监控结果，并如实计算价值。这样，自动化才能真正减轻团队负担，而不是增加又一个需要维护的脆弱系统。