做企业自动化的朋友，几乎都会被同一个问题卡住：这个流程到底该上 RPA 还是 AI Agent？问销售，销售说 RPA 成熟稳定；问 AI 团队，AI 团队说 Agent 才是未来。两边都有道理，结果就是项目组反复开会、反复论证，流程还是躺在 Excel 里手动跑。
这篇把 AI Agent 和 RPA 的区别一次讲透：先定义各自是什么，再用五维对比把能力边界画清楚，然后给出四步选型法和最常用的 RPA+Agent 混搭方案。看完你就能判断手里的流程该用哪个，不用再问人。
先定义：RPA 和 AI Agent 各是什么
RPA（机器人流程自动化）是「照着脚本干活」：把人类在软件里的重复操作录下来，比如登录系统、下载报表、填表、复制粘贴，然后让机器人按固定步骤反复执行。它像一个手脚麻利的实习生——动作快、不出错、不喊累，但你得把所有步骤提前教给它，中间不能有意外。
AI Agent是「带着目标自己想办法」：你告诉它「把今天所有新订单对账，有问题标记出来」，它自己规划步骤、调用工具（查系统、读邮件、算数据）、根据结果调整策略，遇到意外还能自己判断怎么处理。它像一个有经验的员工——不用你把每步教死，给它目标和权限就行。
一句话区别：RPA 执行「流程」，AI Agent 完成「目标」；RPA 处理「确定」，AI Agent 处理「不确定」。
本质区别：规则驱动 vs 目标驱动
这个区别是理解一切的钥匙：
RPA 是规则驱动的。流程里每一步都是预先写死的，输入变了、界面变了、出了规则外的意外，它就停在那里报错。好处是结果 100% 可预期——同一输入必然同一输出，这在合规审计场景是巨大的优点。
AI Agent 是目标驱动的。你把目标给它，它自己拆解步骤、选工具、做判断。好处是能处理非结构化输入（一段自然语言、一封邮件、一张不规整的表格），坏处是结果不是 100% 确定——同一任务这次和下次的路径可能不一样，需要 Model + Harness 这套工程框架去兜住稳定性。
所以别问「哪个更强」，要问「你的流程里意外多不多」。意外少用 RPA，意外多用 Agent。
五维对比：一张表看穿能力边界
从五个维度对比，各自擅长什么一目了然：
任务类型。RPA 适合高重复、强结构化的操作（录单、对账、报表下载）；Agent 适合需要理解和判断的任务（读邮件提取信息、分析数据找异常、写回复草稿）。
处理方式。RPA 按预设步骤线性执行；Agent 会自己规划步骤、中途调整，还能 在工具调用失败时排查重试，而不是直接卡死。
异常处理。RPA 遇到规则外情况基本只能报错停机；Agent 能根据上下文判断、换一种方法再试，必要时才升级给人工（失败升级规则 说的就是这个）。
成本与周期。RPA 部署快（几周）、单流程成本低，但每个流程都要单独开发维护；Agent 前期投入大（模型成本、模型选型、提示词迭代），但同一套能力能复用到很多任务上。
合规性。RPA 每一步都可追溯、结果可复现，审计友好；Agent 决策过程是概率性的，需要额外的日志、证据包 机制才能满足严格审计。
什么时候该用 RPA，什么时候该用 Agent
优先选 RPA 的场景：流程稳定、界面固定、量巨大、要求结果可复现——比如财务月末结账、数据搬运、批量录入。这类任务用 Agent 反而是杀鸡用牛刀，还要承担模型不确定性的风险。
优先选 Agent 的场景：输入不规整、需要理解语义、需要动态决策、任务会变化——比如客户邮件分拣回复、合同要点提取、跨系统信息汇总分析、知识库问答。RPA 在这些场景根本接不住，因为连「从哪一步开始」都得先读懂内容才知道。
一个简单的判断：把流程交给实习生，他照着 SOP 就能干 → RPA；必须靠老师傅的经验判断 → Agent。
现实里最常见的是 RPA + Agent 混搭
别把 RPA 和 Agent 当成二选一。现实中跑得好的自动化项目，大多数是混搭：RPA 负责「手脚」（稳定的系统操作、数据搬运），Agent 负责「大脑」（理解需求、做判断、处理异常）。
典型形态：Agent 读邮件 → 提取关键信息 → 判断该走哪个流程 → 调用 RPA 去系统里执行 → RPA 做完把结果回给 Agent 汇总汇报。Agent 管「做什么、怎么做」，RPA 管「照做」。
这种架构的好处是各自发挥长处：RPA 的确定性保住核心操作不出错，Agent 的灵活性处理边界情况。权限上也要分开管——RPA 的操作权限、Agent 的 权限管理 各自最小化，别给 Agent 一个万能账号（安全七道防线 里讲过，权限越大、出事越狠）。
四步选型法：照着判断就行
拿到一个流程，按四步走就能得出结论：
第一步，问「输入是不是固定格式？」固定 → 偏 RPA；不固定（邮件、语音、图片）→ 偏 Agent。
第二步，问「处理逻辑会不会变？」死流程 → RPA；需要动态判断 → Agent。
第三步，问「出错能不能接受重来？」可复现、可重跑 → RPA；错了代价大、需要实时纠偏 → Agent 或混搭。
第四步，问「要跟人怎么交互？」只要结果 → RPA 够用；要理解上下文、要解释原因 → Agent。
四步里有一半以上指向 Agent，就考虑 Agent 或混搭；基本全是指向 RPA，就别折腾 Agent 了。
优缺点与适合人群
RPA 的优点：部署快、成本可控、结果确定、审计友好；缺点：脆（界面一变就废）、只能干「会干的事」、维护成本随流程数量线性增长。
Agent 的优点：能处理非结构化任务、能适应变化、一套能力复用多个场景；缺点：有不确定性、需要提示词和工程框架持续调优、成本模型更复杂（token 按量计费）。
适合：财务、运营、客服、行政这类流程多、重复操作多的部门做选型时，把这篇当参考；正在规划自动化平台的技术负责人，可以直接拿五维对比和四步选型法做评审模板。不适合：已经明确就是纯数据搬运的场景还纠结 Agent——先用 RPA 把活干了再说。
总结
AI Agent 和 RPA 不是替代关系，是分工关系：RPA 执行流程、Agent 完成目标；RPA 处理确定、Agent 处理不确定。选型就看四件事——输入固定不固定、逻辑变不变、出错代价多大、要不要理解人。现实落地里，RPA 做手脚、Agent 做大脑的混搭架构，往往才是性价比最高的方案。先把能力边界画清楚，工具自然就选对了。
