Снаружи RPA-платформы вроде UiPath, Automation Anywhere и Blue Prism выглядят как одна и та же продуктовая категория с AI-агентами. И те и другие автоматизируют работу. И те и другие меняют стоимость места на стоимость софта. И те и другие питчат один и тот же исход одному и тому же покупателю. Внутренности же совершенно разные, и выбор не того инструмента под не ту задачу сжигает бюджет, который procurement-комитет будет помнить года два.
RPA: модель
RPA: детерминированный. Он исполняет правила. Либо скрейпит экран, кликает по UI точно так же, как кликал бы человек, только быстрее и без обеда, либо общается с API напрямую. Сильная сторона: точность: если случилось это событие, сделай это действие, всегда, без отклонений. Слабая сторона: хрупкость. У бота нет модели того, зачем он жмёт кнопку. Меняется UI: бот ломается. Появляется новый edge case: бот уверенно делает не то.
RPA блистает там, где входы структурированы, правила чёткие, а задействованные системы меняются редко.
AI-агенты: модель
AI-агенты недетерминированы. Они понимают язык. Они рассуждают о новых входах и решают, что делать, в том числе решают эскалировать, когда не уверены. Сильная сторона, устойчивость: меняется форма, клиент формулирует вопрос по-новому, появляется edge case, агент справляется так же, как справился бы компетентный человек. Слабая сторона: вариативность: ответ на один и тот же вопрос может отличаться в формулировках, гарантии идентичного исполнения здесь нет.
Где выигрывает RPA
Высокообъёмная детерминированная передача данных между известными системами. Обработка инвойсов, где шаблон инвойса фиксирован и карта полей ERP стабильна. Запуски payroll. Регулярная генерация отчётов. Сверки данных. Всё, что можно описать как блок-схему без двусмысленных ветвей.
Если вы можете записать правила на одной странице спеки, и они останутся актуальными в следующем году, RPA дешевле и предсказуемее AI-агента, делающего ту же работу.
Где выигрывают AI-агенты
Всё, что касается человеческого языка. Customer support. Sales outreach. Квалификация. Генерация контента. Многосистемные рассуждения, где правильное действие зависит от контекста. Маркетинговые кампании, где копирайт должен адаптироваться. Recruiting workflow, где каждый кандидат: другая форма. Всё, где edge cases: не исключение, а сама работа.
Гибридные стеки: что реально крутится в enterprise
Большинство современных корпоративных автоматизаций крутят обе модели. RPA держит детерминированную сантехнику: перекладывает данные между SAP, Salesforce, NetSuite и хранилищем. AI-агенты держат слой языка и суждений сверху, клиентские разговоры, квалификацию лидов, исполнение кампаний, support-тикеты. Эти два слоя не конкурируют; они на разных высотах стека.
Сравнение по стоимости
Экономика RPA: лицензия плюс разработка. Платите за бота, за seat в studio и за команду внедрения, которая строит и поддерживает workflow. Для высокообъёмной стабильной ETL-задачи стоимость на обработанную запись очень низкая, копейки в масштабе.
Правильный вопрос: какая модель подходит под форму работы, а не какая выглядит дешевле в строке лицензии.
С чего начать: фреймворк решения
Для каждого кандидата-workflow задайте три вопроса. Имеет ли вход фиксированную структуру? Стабильны ли правила следующие двенадцать месяцев? Является ли выход бинарно-правильным или зависит от суждения? Три «да»: RPA. Любое «нет»: AI-агенты. Смешанный ответ: гибрид: RPA для структурированных стадий, AI-агенты для неоднозначных.
Чтобы понять, какая работа в вашем бизнесе подходит ИИ-агентам, посмотрите готовые решения или откройте чат с Mai и опишите процесс: она подскажет, какая часть это работа для агентов, а какую лучше оставить жёстким правилам.