传统RPA的发展瓶颈，与新一代智能自动化的升级方向

先给结论：传统RPA并没有过时，但它越来越难覆盖企业的核心复杂业务。真正的瓶颈不在自动点击和搬运数据，而在于业务环境已经从固定规则、低波动、单系统，演变为多规则、多例外、多系统、强合规的新常态。对应的升级方向，也不是简单给RPA外接一个大模型，而是形成一套具备感知、理解、推理、执行、审计闭环的新一代智能自动化体系。

图源：AI生成示意图

一、先把概念说清：传统RPA卡住的不是技术起点，而是业务复杂度终点

传统RPA的核心价值，是把人类在电脑上的标准化操作脚本化，例如登录系统、复制粘贴、下载报表、录入字段、触发审批。它在早期数字化阶段非常有效，尤其适合以下场景：

• 流程稳定：步骤长期不变，界面变化少
• 规则明确：判断条件可以提前穷举
• 数据结构化：字段位置、格式和来源固定
• 异常较少：大部分任务不需要人工临场判断

但当企业把自动化从边缘岗位推进到财务、供应链、风控、客服、运营等核心环节时，问题就出现了：系统能执行，不代表系统能理解；能跑通流程，不代表能处理变化。

二、传统RPA的发展瓶颈，集中体现在4个层面

1. 规则依赖过强，业务一复杂就出现规则爆炸

传统RPA依赖预先定义好的判断分支。业务一旦从单一路径变成多条件、多地区、多组织、多制度，流程脚本就会迅速膨胀。企业经常遇到的情况是：

• 一个业务类型对应十余种审核规则
• 同一集团内不同区域标准不完全一致
• 政策变化、价格变化、组织调整会不断改写脚本

结果是，自动化上线越多，维护负担越重，后期成本反而上升。

2. 例外处理能力弱，遇到非标准输入就需要人工接管

现实业务里，真正耗时的往往不是标准件，而是例外件。比如附件缺失、发票字段模糊、合同条款表达不一致、页面提示信息不规范。传统RPA面对这些情况通常只有两种结果：

1. 卡住并报错
2. 绕开复杂判断，把任务退回人工

这意味着它更像一个高效执行器，而不是一个能承担结果责任的业务助手。

3. 跨系统能力有限，数据孤岛无法真正打通

很多企业不是没有系统，而是系统太多。ERP、OA、CRM、财税系统、邮件、网页、扫描系统、SAP等并存，字段口径还可能不一致。传统RPA虽然能跨界面点击，但它通常缺少语义理解和全局校验能力，难以完成：

• 非结构化文档识别
• 跨系统字段映射
• 金额、预算、合同、单据的一致性判断
• 前后文关联后的风险拦截

4. 运维成本高，规模化复制越来越难

传统RPA常见的问题不是做不出第一个流程，而是做不稳第十个、做不动第一百个。一旦出现界面变更、按钮位移、权限调整、网络延迟，脚本就可能失效。企业最后会发现，自动化收益并不只取决于开发速度，更取决于长期维护、版本治理和异常恢复能力。

这也是为什么行业关注点正在变化。McKinsey在2023年报告《Generative AI and the future of work in America》中指出，生成式AI可使当前工作活动中约60%至70%具备自动化潜力；但潜力不等于落地，企业真正需要的是把理解、判断和执行连接起来的体系。与此同时，Gartner在2024年发布的《Top Strategic Technology Trends for 2025》中将Agentic AI列为关键方向之一，本质上也反映了自动化正在从执行层走向决策协同层。

三、新一代智能自动化，升级的不是一个功能，而是一整套能力栈

如果说传统RPA解决的是照着步骤做，那么新一代智能自动化要解决的是先理解任务，再决定怎么做，最后稳定做完并可审计。它通常包含4层能力：

1. 感知层：让系统看得懂业务材料

• OCR识别票据、合同、报销单、截图
• IDP提取关键信息并做版式理解
• 屏幕语义理解识别按钮、字段、状态提示
• 对语音、文本、附件做统一输入处理

2. 推理层：让系统知道为什么这么做

• 结合大模型理解自然语言任务
• 把复杂任务自动拆成可执行子步骤
• 调用规则引擎完成刚性校验
• 结合知识库做场景化判断与异常解释

3. 行动层：让系统真的把事情办完

• 通过RPA执行桌面与网页操作
• 通过API对接业务系统
• 在跨系统场景下自动搬运、核对、回填和触发流程
• 支持人机协同，将争议任务转人工复核

4. 治理层：让自动化可控、可查、可持续

• 权限隔离与身份管理
• 全链路日志和审计追踪
• 异常回退与自主修复
• 私有化部署与合规控制

从这个角度看，RPA不会消失，而是会成为新一代智能自动化中的行动执行层。像实在Agent这类企业级方案，价值不在于再做一个脚本工具，而在于把大模型推理能力、屏幕理解、CV、NLP、IDP与超自动化执行真正打通，让自动化从被动触发升级为一句指令后的全流程交付。

四、真实场景里，升级方向为什么会落到财务共享与跨系统审核

某大型能源电力集团的财务共享实践

从内部客户实践看，财务共享中心是观察传统RPA瓶颈的典型窗口。该集团在完成数字化财务共享中心建设后，开始进入智能化升级阶段，但很快遇到四类难题：

• 业务类型繁杂：涉及超百种业务类型，标准化难度极高
• 规则链条很长：单一业务类型包含十余种审核规则
• 组织差异显著：下辖4个省份、188家分子机构，制度执行口径存在差异
• 人工压力大：单据量大，人工审核效率与准确率难以兼顾

这类场景中，传统RPA之所以难以全面覆盖，不是因为不会点按钮，而是因为它很难同时处理文档识别、材料完整性判断、规则校验、跨系统核验和例外流转。

升级后的做法是把数字员工嵌入扫描、识别、校验和穿透核验链路中：

1. 自动完成附件扫描、单据类型识别与OCR关键信息提取
2. 智能判断报销材料是否齐全
3. 基于IDP与规则引擎校验报销周期、商品名称、单价、单位、总价等关键字段
4. 直连SAP等系统，穿透核验金额一致性、合同金额及预算科目归属
5. 将标准件自动流转，将争议件交由共享中心人员做最终决策

这种模式的变化很关键：人不再被大量基础校验工作绑住，而是转向处理异常、复核风险和沉淀规则。自动化也不再是孤立工具，而是开始成为可持续积累业务知识的组织能力。

数据及案例来源于实在智能内部客户案例库。

五、企业真正该关注的升级方向，不是更炫的AI，而是更稳的闭环

如果企业正在评估自动化平台，建议不要只问能否演示一个流程，而要重点看以下5个问题：

1. 能不能处理非结构化输入

没有文档理解、票据识别、屏幕语义理解，自动化很快会卡在入口。

2. 能不能把规则和推理结合起来

只有大模型，没有规则约束，容易出现结果不稳定；只有规则，没有理解能力，又难以应对变化。最优路径是规则确定性与模型弹性结合。

3. 能不能跨系统闭环

企业真正需要的不是单点提效，而是从接收任务、查数、比对、处理、回填到通知的端到端完成。

4. 能不能人机协同

成熟的系统不是追求百分之百无人，而是把标准件自动化、把争议件升级处理、把最终责任留在可审计流程中。

5. 能不能长期稳定运行

包括私有化部署、权限管理、日志审计、自主修复、信创适配和多模型灵活接入，这些才决定能否进入生产环境。

归根结底，传统RPA的发展瓶颈，是企业业务复杂度上升后的必然结果；新一代智能自动化的升级方向，则是把感知、推理、执行和治理统一起来。未来被淘汰的不是RPA，而是只会按脚本做事、无法面向复杂业务闭环的自动化形态。

💬 FAQ

Q1：传统RPA现在还有必要上吗？

A：有必要。对于高频、稳定、规则清晰的流程，传统RPA仍然具备很高性价比。问题不在于要不要用RPA，而在于不要再把它当作唯一答案。更合理的方式是把RPA放到新一代智能自动化体系里，承担执行层角色。

Q2：大模型接上RPA，是否就等于智能自动化升级完成？

A：不等于。单纯接入大模型，只是让系统有了更强的理解能力，但如果缺少规则引擎、知识库、系统连接、审计机制和异常处理，仍然很难进入企业级生产场景。真正的升级是全链路能力升级，而不是单点能力增强。

Q3：哪些业务最适合优先升级到新一代智能自动化？

A：优先看三类场景：一是跨系统、多环节、人工搬运严重的流程；二是票据、合同、表单等非结构化信息占比高的流程；三是审核规则复杂、例外处理频繁、合规要求高的流程，例如财务共享、采购审核、运营对账和客服工单流转。

参考资料：McKinsey，2023年，《Generative AI and the future of work in America》；Gartner，2024年，《Top Strategic Technology Trends for 2025》。