先说个真事。
去年11月的一个周三，凌晨两点，手机炸了。
客户——深圳一家跨境电商，日订单 3000+。我给他们搭了一套RPA：Shopify自动抓订单 → 录ERP → 生成发货单。上线第一周稳如老狗，客户群里连发三天红包。🤑
第二周周三下午，运维扔来一张截图。机器人卡在登录页不动了。原因？Shopify把 "Export Orders" 从顶部导航挪到了侧边栏下拉菜单里。
就一个按钮。整个流程报废。😤
接下来两周，我每周改两三次流程——不是按钮位置变了，就是表格列顺序调了，再不就是弹窗样式换了。运维原话："这哪是自动化，这是自动化制造麻烦。"
今年3月，我咬咬牙，把架构推倒重来。
底层还是RPA：打开网页、点击按钮、填写表单、保存提交。这些 确定性动作，RPA又快又稳。
上层接了GPT-4o：判断地址异常、识别客户投诉、决定要不要拉人工介入。这些 需要"理解"的事，交给AI。
🤝
RPA 动手，AI 动脑 —— 各司其职，谁也不抢谁的饭碗
到现在跑了快四个月。说个让我自己都意外的数据：流程自主修复率超 80%，人工介入从每周十几次降到每月两三次。最妙的是AI会在日志里写："本次异常疑似Shopify页面微调所致，建议核对元素定位"——比运维还上心。😏
🔥核心认知：这个时代的正确答案，不是"RPA 还是 AI"，而是——
怎么让它们 搭伙干活。
🧩 第一章：先搞清楚，谁该干什么
去年底接了个案子，算是帮我把"边界"这俩字彻底想通了。
某头部律所，全国前十。每年立案材料超 5万 份。格式那叫一个五花八门：PDF扫描件、手机拍的身份证、Word版起诉状、还有当事人用备忘录截的图。🤯
更头疼的是分类逻辑——身份证正反面区分、机动车登记证核心页识别、证件有效日期核验。过去全靠实习生一份份看，一份份分。一天撑死300份，错误率8%以上——人盯久了眼花，没办法。
我搭的方案简单到有点粗暴，但管用：
- 1RPA 负责"拿来"和"放回"—— 从邮件、OA、微信各渠道自动抓文件，灌进处理队列。管你什么格式，RPA不挑。处理完的结果自动写回案件管理系统。
- 2AI 负责"看"和"判"—— 多模态大模型逐份分析：这是正面还是反面？找到登记证核心页了吗？证件过期了没？一条条标出来。
- 3人工只做抽查—— 置信度低于95%的，推待办让人确认；高于95%的，直接归档。👌
上线当天跑了个测试：2000 份材料，2小时 处理完，分类准确率 100%。律所合伙人在群里发语音："这玩意儿一天干的活，顶我以前招六个实习生干一周。" 🎉
单份处理成本：从 2元 → 8分钱。AI调用一次几分钱，RPA跑一天不花一分钱。
💡实战心得：别一个工具打天下。
重复性工作给RPA — 填表、搬运、登录、下载，规则越明确RPA越稳。
判断性工作给AI — 看懂内容、理解意图、分析异常，场景越模糊AI越强。
我早期犯过一个血亏的错误。给一家金融公司做发票审核，脑子一热把所有逻辑都塞给AI——发票真假让AI判、金额异常让AI判、连"这张发票拍照角度有没有问题"都让AI判。😅
结果翻车了。同一张发票问AI两次，一次说"正常"，一次说"疑似PS痕迹"。大模型本质是概率系统，推理路径每次都可能不一样。金融场景要确定性，AI给概率性——纯属错配。
后来老老实实分层：RPA管OCR提取、格式校验、金额比对；AI只在"内容是否合理""供应商是否在黑名单"这种需要语义理解的节点介入。准确率直接从 70%+ 飙到 99%+。
📌把确定性还给RPA，把灵活性留给AI。这句话学费交了十万块。
🔄 第二章：升级打法，三段式流水线
边界画清了，下一步是把它们串成流水线。
去年给一家医药集团做财务自动化，那真是把"配合"玩明白了。💊
这家集团 64 家开户银行、900+ 个对公账户。每个月财务部要下载全部回单，跟NC系统里的记账凭证逐笔匹配。听着简单？你试试——64套网银系统、64种登录方式、64种回单格式。有的横版有的竖版，金额位置每家不一样，日期格式更是放飞自我。
过去全靠人工。8个财务同事，每月花 整整一周 对账。更吓人的是人工疲劳导致的漏配错配，年底审计查出好几次合规风险。😰
我设计了一套 三段式流水线：
- 1🔵 RPA前场 · 自动采集—— 挨个登录64家网银，下载900+账户电子回单。这个活人干不了，RPA正好。一轮不到两小时。
- 2🟢 AI中场 · 智能解析—— 各色回单丢给大模型，"看懂"金额在哪、日期在哪、对方户名是什么，统一输出结构化数据。注意重点：RPA已经把不同格式都抓回来了，AI只管"理解内容"。
- 3🔵 RPA后场 · 自动入账—— AI解析完的结构化数据批量录入NC系统，跟凭证逐条匹配。异常的自动生成差异报告推给财务复核。
上线后数据：每月自动下载超 27000 份回单，省了 100+ 小时人工，匹配准确率 99.7%。
财务总监跟我说了句话，我记到现在："以前月底对账那几天，我都不敢请假。现在到月底我该出差出差。" 😎
💎 核心套路
RPA是手，AI是眼和脑。光有手看不见也看不懂，只能做最简单的搬运。光有眼和脑没有手，看懂了也落不了地。
前场采集 → 中场判断 → 后场执行，这套三段式是目前投入产出比最高的模式。
再讲个制造业的。🏭
一家做车载摄像头的企业，要给全国 15000 多辆公交车做定期巡检。每辆车4-6个摄像头，逐帧查黑屏、花屏、画面歪斜。以前靠8个监控专员盯着屏幕看，这活儿枯燥到——他们离职率是全公司第一。
方案的精髓在 成本控制。
如果直接把每个摄像头画面丢给AI分析，API调用费是个天文数字。他们的处理很聪明：RPA先把每辆车6个摄像头画面抓出来，拼成1张大图，再一次性丢给多模态AI分析。
6合1 这一招，AI调用成本直接砍了 5/6。
⚠️ 真实翻车记录
上线第三天，AI把一辆车6个摄像头全判为"黑屏"。运维吓一跳跑去现场——🚗💨
结果是这车停在地下车库，环境本身就是黑的。AI没有"这是地下车库"的常识。
后来加了前置规则：RPA先读GPS和光照传感器数据，判定为地下/夜间环境自动切换判断阈值。这个坑踩一次，重新定义了整个预处理逻辑。
🚀 第三章：终极形态——给AI装上手脚
如果"各司其职"是 1.0，"前后接力"是 2.0——那现在正在发生的事，是 3.0。
Agent 直接指挥 RPA。
你不再拖组件、画流程、配参数。对着屏幕说句话，AI大脑自己拆解任务、编排步骤、调度RPA执行。
我在内部实验环境跑过一个场景，印象深刻：
给Agent下了一条指令——
📋 指令
"帮我审核上个月的差旅报销，重点关注住宿超标、餐费单人单日超200的情况，异常项生成汇总表发我。"
传统做法？打开RPA设计器 → 新建流程 → 拖"登录OA"组件 → 配用户名密码 → 拖"打开报销模块" → 配筛选条件 → 配数据提取 → 配判断分支 → 配异常标记 → 配导出格式…… 没两三个小时下不来。 😵💫
Agent方案：它自己理解了"审核差旅报销"意味着登录OA、拉取数据、逐条比对；理解了"住宿超标"意味着查询住宿标准表做金额匹配；理解了"餐费单人单日超200"意味着按人按日聚合餐费再比对；理解了"生成汇总表"意味着做Excel自动发邮件。
然后Agent把这一长串意图拆成RPA能执行的原子步骤，一个一个调度执行。跑完直接把汇总表推到钉钉上。
⚡
整个过程中，我没有碰过任何一行流程配置。
某财务共享中心真实环境测试：传统RPA方案从设计到跑通需 4小时，Agent从下指令到拿结果——15分钟。🎯
有人会问：那直接让AI操作网页不行？
不行。区别在稳定性。AI直接操作网页，每次都要"理解"界面——按钮在哪、输入框是哪个——依赖视觉识别，换个皮肤就可能翻车。但Agent+RPA方案里，界面操作还是RPA用确定性元素定位执行，AI只管"做什么"不管"怎么做"。
🎯AI决定做什么（决策层），RPA负责怎么做（执行层）。
IDC预测2026年中国RPA+AI方案市场突破 70亿元，企业采用率从20%飙到58%。当"指挥机器人"的门槛降到"说句话"，用的人就从程序员扩展到了所有人。
🕳️ 第四章：三个亲身踩过的大坑
讲完了光鲜的，说几个真实血泪史。🩸
🕳️ 坑一：过度迷信AI，丢了RPA的确定性
去年给一家电商做客服自动化，项目负责人坚持把所有逻辑交大模型——意图识别用AI、情感分析用AI、回复生成用AI、甚至"要不要退款"也让AI拍板。理由："RPA太死了，AI才智能。"
跑了一个月，问题全爆。同一个客户问"我的快递到哪了"，AI三次给了三种风格——一次热情、一次冷淡、一次建议"耐心等待或直接退货"。退货率莫名其妙涨了 3个点。😱
🤦我们后来重新设计：RPA负责查单号、调轨迹、取状态——100%确定。AI只负责把结果用自然语言说给客户听。稳定性立马回来了。确定的事让确定的工具干。
🕳️ 坑二：追求全自动，忘了人工兜底
给律所做合同审核自动化，客户一开始要求"全部自动化，不要人工"。我心里咯噔一下。
合同审核——涉及金额、违约责任、知识产权归属——让AI全自动拍板？出问题的代价是 几十万甚至几百万 的法律风险。跟法务总监聊了一下午，最后达成共识：人机协同。
AI做首轮筛查、标风险条款、给出修改建议。置信度低于85%或涉及核心条款的，自动推到待办让人复核。
✅ 解决方案
Human-in-the-loop，人在回路。效率有了，安全底线也守住了。别想着一步到位全自动，聪明的人都在设计"人机协同"而不是"机器替人"。
🕳️ 坑三：不看成本，AI费用跑冒滴漏
AI API按token计费。一个没留神，月底账单让你倒吸凉气。💸
我见过一个项目：2000家门店每日销售报告，每份把全天销售明细全文丢给AI生成摘要。一天 2000次API调用，每次几千token。第一个月账单一出来——AI费用比RPA授权费还高两倍。
优化简单到离谱：RPA先做数据聚合——该分类分类、该汇总汇总，把半天数据压成一张统计表；AI只在这张表上做趋势解读和异常标注。
让RPA做预处理，压缩AI输入量。 优化后单次调用成本降了 80%，效果完全不受影响。
💰省钱铁律：前面讲的摄像头6合1拼接、财务回单批量处理——都是同一个道理。不是技术多高明，是脑子多转了个弯。
🎬 最后的话
回到最初那个问题：RPA和AI，到底选哪个？
🤔
这根本不是技术选型题。
这是认知题。
觉得它俩互斥的人，把它们当两个独立工具做取舍——这个场景用RPA，那个场景用AI，泾渭分明。
真正跑过项目的人知道：它们是一套工具的两个零件。这个环节RPA顶上，那个环节AI接入。前后接力、互相补位，才是效率最大化的 唯一解。
自动化已经不再是"帮人干活"那么简单了。它正在变成一种 新的工作方式：你把工作拆成 确定的 和 需要判断的 两部分，然后用不同的工具各取所长。
⏱️ 确定的 → RPA 像钟表一样精确运转
🧠 判断的 → AI 像大脑一样灵动决策
💪 合在一起 → 能扛事的数字员工
RPA + AI
我都要 👊
⚡ ⚡ ⚡
