RPA与大模型的深度融合技术，与传统RPA的核心差异

直接结论：RPA与大模型的深度融合，不是给脚本加一个聊天窗口，而是让自动化从按步骤执行升级为按目标完成。它把语义理解、任务规划、屏幕认知、跨系统操作、异常处置、结果回传接成闭环，因此与传统RPA的差异，本质上是固定规则执行与可理解任务并自主推进的差异。

一、先说本质：传统RPA是流程执行器，融合后是可交付结果的数字员工

如果用最短的话概括，传统RPA更像听话的执行者；融合大模型后的系统更像能听、看、想、做的数字员工。前者擅长确定性流程，后者开始处理半结构化、跨系统、含判断的复杂流程。

• 传统RPA：依赖预先录制或配置的固定步骤，适合按钮位置稳定、规则稳定、输入稳定的流程。
• 融合方案：先理解自然语言或文档意图，再拆解任务、调用工具、跨系统执行，并在异常时选择重试、切换路径或转人工。
• 能力边界变化：从自动点按钮，升级为自动办成事；从只处理结构化表单，升级为处理邮件、PDF、聊天指令、知识文档、网页界面等多种输入。

为什么这不是小升级

McKinsey测算，生成式AI每年可为全球经济增加2.6万亿至4.4万亿美元价值；Gartner公开预测显示，到2028年33%的企业软件将内置Agentic AI能力，15%的日常工作决策将由AI自主完成。企业竞争正在从有没有自动化，转向有没有可治理的自主执行能力。

二、深度融合不是拼接口，而是把大脑、眼睛、手脚和记忆接成一套系统

真正可落地的融合架构，通常不是单一模型，也不是单一RPA，而是把大模型的大脑与超自动化的手脚深度结合。数字员工本质上是将大模型大脑与超自动化执行层深度结合的软件机器人，具备听、看、想、做能力。

一套常见的企业级技术栈

1. 意图理解层：把员工一句自然语言指令、邮件内容或文档要求，转成可执行目标。
2. 任务规划层：由大模型完成步骤拆解、条件判断、优先级排序和结果校验。以TARS这类垂直大模型能力为代表，重点解决复杂任务拆解与长链路推理。
3. 屏幕语义理解层：通过ISSUT这类技术看懂页面结构、字段含义和操作区域，弥补老旧系统、无API系统、信创终端无法直接集成的问题。
4. 执行层：由RPA、API、MCP、多技能调用共同完成点击、录入、下载、上传、回写、通知等动作。
5. 文档与知识层：结合OCR、IDP、知识检索和跨文档推理，处理合同、发票、白皮书、招标文件等非结构化内容。
6. 治理层：包括权限隔离、审计留痕、人工复核、私有化部署与安全合规，保证系统不是会说话的演示，而是能上线的生产力。

在需要把自然语言指令转成跨系统闭环、又要兼顾稳定性与审计链的场景里，实在Agent这类企业级方案的价值，不在于回答更漂亮，而在于把理解、执行、校验和回传放进同一条生产链路里。

三、与传统RPA的核心差异，不在于会不会点击，而在于能不能理解、应变并闭环

三条最容易被忽略的差异

• 从录流程变成拆任务：传统RPA要求人先把每一步想清楚；融合后，系统能先理解目标，再拆步骤。
• 从处理表格变成处理语义：例如从一份长PDF招标文件里抓关键字段，传统RPA只能搬运文本，融合后才具备阅读与提炼能力。
• 从局部自动化变成业务闭环：真正难的不是点击，而是读取输入、判断规则、进入系统、完成录入、回写结果、通知责任人这一整串动作。

四、哪些场景最先体现价值：规则和判断同时存在的地方

最适合优先做融合改造的，不是最简单的流程，而是那些高频重复、跨系统切换、夹杂文本理解或规则判断的流程。

典型高价值场景

• 员工入离职办理：OA、HR、邮箱、权限开通与注销需要跨系统执行，且权限规则多。
• IT工单自动处理：读取工单意图后自动重置密码、分配资源、回写结果。
• 财务报销流转：发票验真、合规检查、ERP录入、异常单据回退。
• 订单自动录入：从邮件提取订单信息，自动录入进销存或ERP。
• 培训考核与学情分析：读取白皮书生成试题、统计错题分布、为不及格员工生成复习计划。
• 招投标信息处理：抓取平台公告、下载长PDF、提取关键字段、推送提醒并支持后续投标决策。

客户实践一：某建筑企业的招投标信息获取与文件解析

在某建筑企业的经营部门场景中，系统每日自动抓取公共资源交易中心发布的招标计划、预公示、招标公告，下载多页PDF文件后，再利用大模型完成段落切分与关键字段提取，例如项目名称、预算金额、投标时间、保证金、资质条件等，并把结果结构化入库后推送给相关人员。这里的难点并不是下载文件，而是如何从长文本、格式不一的招标文件中稳定提炼出可用于决策的核心要点。

客户实践二：某建筑企业的人力流程自动化

在人力场景中，该企业已将多类事务纳入自动化：一是通过RPA登录招聘平台，抓取岗位信息和简历，按岗位要求做初筛，再调用模型给出评分与依据并结构化入库；二是社保、医保增减员自动申报，并持续监听审批状态，发现通过后自动更新状态；三是员工可直接通过自然语言查询考勤状态并发起补卡申请，系统按规则校验后自动生成补卡单。这里体现的核心不是单点提效，而是把查询、判断、办理、回写串为完整链路。

数据及案例来源于实在智能内部客户案例库。

五、企业落地时，别把所有流程都交给模型，正确做法是分层协同

很多企业接入大模型后效果一般，原因通常不是模型不够强，而是架构错了。成熟做法不是让模型替代一切，而是把确定性步骤交给RPA，把理解、规划、判断交给模型，再把权限、审计、人工复核纳入统一治理。

可执行的落地顺序

1. 先挑三类流程：邮件驱动型、PDF驱动型、跨多个系统的录入回写型。
2. 拆出高波动环节：把文档理解、意图识别、异常判断交给模型，把稳定点击和回写交给RPA。
3. 设置置信阈值：高风险节点必须保留人工复核，低风险节点才自动放行。
4. 补齐知识底座：把制度、白皮书、历史问答、系统规则沉淀成可检索知识库，避免模型空想。
5. 建立审计链：记录指令来源、执行步骤、引用依据和最终输出，满足合规与追责需要。

一个简单判断法

• 纯RPA优先：规则稳定、界面稳定、数据结构化、变更少。
• 融合方案优先：文档多、邮件多、系统多、没有API、需要判断与解释依据。
• 人机协同优先：涉及金额审批、合规风控、外部报送等高风险业务。

🤖 FAQ

Q1：传统RPA会被淘汰吗？

A：不会。规则稳定、界面稳定、输入结构化的场景，传统RPA仍然是成本低、上线快、结果稳的选择。大模型的价值主要在于补足理解、判断和应变能力，而不是替代全部自动化。

Q2：为什么很多企业接了大模型，仍然做不到全流程闭环？

A：因为大模型只有推理能力，不等于天然具备执行器、屏幕理解、系统连接和审计机制。没有RPA、API、知识库、人审和权限控制，模型往往只能回答问题，不能真正把业务办完。

Q3：哪类场景最容易看到ROI？

A：优先看三类：第一，邮件或PDF驱动的流程；第二，跨多个老旧系统的流程；第三，需要规则校验后再录入并回写结果的流程，例如报销、招投标、招聘初筛、社保申报、IT工单与订单录入。

参考资料：McKinsey Global Institute，2023年6月，《The economic potential of generative AI: The next productivity frontier》；Gartner，2024年，《Top Strategic Technology Trends for 2025: Agentic AI》及公开预测口径。文中行业趋势数据以公开资料为准。