从外面看，UiPath、Automation Anywhere、Blue Prism 这类 RPA 平台和 AI智能体平台像是同一类产品。两者都自动化工作。两者都把人力成本换成软件成本。两者向同一类买家给出同一类承诺。但内部完全不同，给错任务选错工具，会烧掉一笔 procurement 委员会两年都不会忘的预算。
RPA：模型
RPA 是确定性的。它执行规则。要么是 scrape 屏幕，像人一样点击 UI，但更快、不用吃午饭，要么直接和 API 通信。优势是精度：只要发生这个事件，就执行这个动作，每一次，零偏差。弱点是脆弱。机器人没有任何关于"为什么要点这个按钮"的模型。UI 一变，机器人就坏。出现新的 edge case，机器人会信心满满地做错事。
RPA 在输入结构化、规则清晰、相关系统不常变动的场景下表现卓越。
AI智能体：模型
AI智能体是非确定性的。它们理解语言。它们对新颖输入进行推理并决定该做什么，包括在不确定时决定升级。优势是稳健性：表单变了、客户用新方式表述问题、出现 edge case 时，智能体处理的方式和一个能干的人类一样。弱点是方差：同一个问题的回答措辞可能不同，逐字一致的执行保证不再适用。
RPA 胜出的场景
在已知系统之间高吞吐、确定性的数据传输。invoice 模板固定、ERP 字段映射稳定的 invoice processing。Payroll 运行。定时报表生成。数据 reconciliation 作业。任何能用没有歧义分支的流程图来描述的工作。
如果你能用一页规范写下规则，并且这些规则明年仍然成立，那么 RPA 比让 AI智能体 做同样的工作更便宜、更可预测。
AI智能体胜出的场景
任何涉及人类语言的工作。Customer support。Sales outreach。资格判定。内容生成。正确动作取决于上下文的多系统推理。文案需要随情境调整的营销活动。每个候选人形态都不同的招聘工作流。Edge case在这里就是工作本身的常态，不是例外。
混合堆栈：企业真正在跑的东西
大多数现代企业自动化都两者并用。RPA 负责确定性的管道：在 SAP、Salesforce、NetSuite 和数据仓库之间搬运数据。AI智能体负责上层的语言与判断，客户对话、lead qualification、活动执行、support tickets。两层不竞争；它们位于堆栈的不同高度。
成本对比
RPA 的经济学是 license 加开发。你按 bot 付费、按 studio seat 付费，还要为构建和维护 workflow 的实施团队付费。对于高吞吐、稳定的 ETL 任务，每条处理记录的成本非常低，规模化下是几分钱。
正确的问题是哪个模型契合工作的形态，而不是哪个在 license 行里看起来更便宜。
如何开始：决策框架
对每个候选 workflow 问三个问题。输入是否有固定结构？规则在未来十二个月内是否稳定？输出是二元正确的，还是基于判断的？三个"是"指向 RPA。任何一个"否"指向 AI智能体。答案混合则指向混合方案：结构化阶段用 RPA，模糊阶段用 AI智能体。
想知道您业务中的哪些工作适合交给AI智能体，可以看看 现成解决方案，或者打开 与 Mai 的对话 描述您的工作流程：她会告诉您哪部分适合交给智能体，哪部分更适合留给固定规则。