AI-agendid vs RPA

Mida bot tegelikult teeb

Alusta arhitektuurist, sest AI agentide ja RPA võrdlus on selle kaudu lahendatud. UiPath, suurim RPA müüja, kirjeldab oma tarkvararoboteid kui "inimese tegevuste jäljendamist ekraanide ja süsteemidega suhtlemisel", et tegeleda "korduvate, reeglite alusel toimingutega, nagu andmete sisestamine, failide liigutamine või tehingute töötlemine". Microsofti lauavood, selle RPA toode Power Automate'is, ütleb sama mehaanilistes tingimustes: sa saad "suhelda masinaga, kasutades rakenduse UI elemente, pilte või koordinaate", pärandrakenduste, nagu terminali emulaatorid, kaasaegsed veeb- ja lauaarvutirakendused, Exceli failid ja kaustad vastu. Bot saab töötada kohalolekuga, koos inimesega laua taga, või ilma, oma masinas.

Võta konkreetne ülesanne: kaupade vastuvõtu broneerimine vanemasse varude süsteemi, millel pole API-d. Bot avab rakenduse, liigub menüüs vastuvõtude vormi, otsib ostutellimust, tabab iga rea koguse välja, kirjutab numbri ja vajutab Salvesta nuppu. Inimene salvestas need sammud kord; bot kordab neid tuhandeid kordi, kiiremini ja ilma numbrite ümberpaigutamiseta. Stabiilse rakenduse jaoks, millel on suur maht ja pole muud sissepääsu, on see hea vahetus ja see on end paljude rahanduse ja operatsioonide meeskondade jaoks ära tasunud.

Müüjad ütlevad, kuhu see sobib, ja nad on õiged. UiPathi enda raamistik on "suure mahuga, korduvad, reeglite alusel toimingud, eriti need, mis ulatuvad mitmesse süsteemi": maht, determinism ja juurdepääs süsteemidele, mis ei paku midagi muud. Aus võrdlus hoiab need laual.

Miks see puruneb ja miks see ei ole defekt

Ekraan on leping inimesega. Selle paigutus, sildid, vahekaartide järjekord ja Salvesta nupu asukoht on lubadused, mis on antud silmadele ja osutajale, ja ükski neist ei ole lubatud masinale. Kui müüja viib koguse välja uude vahekaardile, lisab kinnituse hüpikakna või nimetab menüü ümber, kohandub inimene sekunditega, märkamatult. Bot ebaõnnestub või veel hullem, kirjutab koguse valesse välja ja salvestab. See ebaõnnestumine ei ütle midagi RPA müüja pädevuse kohta; liides, mille bot sai, paistab läbi.

Sama piirang järgneb keelemudelile, kui see on tehtud ekraanide juhtimiseks. Anthropic'i arvutikasutus annab Claude'ile "ekraanipildi, hiire ja klaviatuuri kontrolli lauaarvuti keskkonnas", ja see on tõeliselt kasulik seal, kus midagi muud ei eksisteeri. Kuid Anthropic'i enda dokumentatsioon suunab sind sellest eemale, kus iganes on saadaval tihedam liides, soovitades oma brauseri tööriista tööks, mis jääb veebilehe sisse, ja küsib "inimest, et kinnitada otsuseid, mis võivad põhjustada olulisi reaalse maailma tagajärgi", nimetades nende hulka rahandustehingud. Ekraani juhtiv mudel pärib ekraani habrasuse ja lisab sellele oma variatiivsuse. See on kahe kategooria kõige vähem atraktiivne kombinatsioon ja see on see, millele paljud "AI-põhised RPA" pakkumised tuginevad.

Mida agent selle asemel kutsub

Agendi, mis töötab agentidele mõeldud ärisüsteemi, ei näe kunagi ekraani. See küsib süsteemilt, mida see võib teha, ja saab nimekirja tööriistadest, millest igaühel on nimi, mudelile kirjutatud kirjeldus, sisendite skeem ja valikulised annotatsioonid, mis ütlevad, kas see ainult loeb, kas see võib andmeid hävitada ja kas selle kutsumine kaks korda on ohutu. Mudeli konteksti protokoll standardiseerib selle vahetuse: klient saadab taotluse tööriistade loetlemiseks, mudel valib ühe, klient kutsub selle välja tüpiseeritud argumentidega ja server käivitab selle ning tagastab tulemuse. Spetsifikatsioon nõuab serveritelt "kõikide tööriistade sisendite valideerimist" ja "õigete juurdepääsukontrollide rakendamist" ning ütleb klientidele, et nad "logiksid tööriistade kasutamist auditi eesmärkidel". Siin on ühe sellise tööriista kuju, kasutades varasemast kaupade vastuvõtust.

{
  "name": "receiveStock",
  "description": "Book goods received against a purchase order into a warehouse location. Fails if the order is closed or the caller cannot receive at that location.",
  "inputSchema": {
    "type": "object",
    "properties": {
      "order_ref": { "type": "string", "description": "Purchase order reference" },
      "location_id": { "type": "string", "description": "Warehouse location to receive into" },
      "lines": {
        "type": "array",
        "items": {
          "type": "object",
          "properties": {
            "sku": { "type": "string" },
            "quantity": { "type": "integer", "minimum": 1 }
          },
          "required": ["sku", "quantity"]
        }
      }
    },
    "required": ["order_ref", "lines"]
  },
  "annotations": { "readOnlyHint": false, "destructiveHint": false, "idempotentHint": false }
}

MCP tööriista määratlemine spetsifikatsioonis kirjeldatud kujul, sama kaupade vastuvõtu jaoks, kuhu bot vormi tippis. Väli nimed on illustratiivsed; oluline on see, et tööriist on leping ja lepingut saab versioonida, valideerida ja õigustada viisil, mida ekraan ei saa.

Võrdle, mis juhtub muutuse korral. Müüja kujundab ümber kviitungite ekraani: bot katkeb, tööriist jääb puutumatuks. Müüja lisab tööriistale nõutava välja: see on versioonitud muudatus avaldatud lepingus, mis kuulutatakse tööriistade loendis, ja agent loeb uue skeemi oma järgmisel kõnel. Võrdle identiteeti. Bot logib sisse teenusekontona, millele keegi andis juurdepääsu aastaid tagasi. Agent kutsub tööriista välja isikuna, keda ta esindab, ja õiguste kontroll toimub tööriista sees, igal kõnel, selle isiku rolli suhtes.

Deterministlik versus tõenäosuslik: kaubandus, mida keegi ei peaks varjama

Agendi poolel on kulud ja RPA müüjad väljendavad seda täpselt oma agentide dokumentatsioonis: robotid "järgivad struktureeritud loogikat ja fikseeritud reegleid", samas kui agendid võtavad "tõenäosusliku lähenemise, et teha otsuseid mustrite ja reaalajas andmete põhjal". Bot, mis kordab samu samme, annab sama tulemuse sama sisendi jaoks ja seda saab tõestada. Agent, kellel on sama kavatsus, valib kaitstava tee, tavaliselt sama, kuid mitte alati. Reguleeritud sammu puhul, kus korduvust tuleb demonstreerida, või miljoni identse tehingu puhul kuus, on deterministlik valik parem valik ja vastupidise ütlemine oleks müümine.

Agendi eelis piirdub variatsiooniga. Kui kviitung ei vasta tellimusele, kui tarnija on saatnud kaks kohaletoimetamist ühe rea kohta, kui kogus on usutav, kuid ühik on vale, ei ole botil selle jaoks haru ja see peatub või teeb vale asja enesekindlalt. Agent loeb lahknevust, kontrollib tellimust, broneerib, mis sobib, ja küsib inimeselt ülejäänud kohta. See on töö, mis varem oli kellegi laua peal erandite järjekord, ja see on töö, mille jaoks agent on.

Kasuta RPA-d, kui, kasuta agenti, kui

Kasutades mõlemat, ja mida süsteem allpool otsustab

Muster, mida müüjad nüüd kirjeldavad ja mis praktikas toimib, on see, et agent otsustab ja bot täidab ülesandeid süsteemides, kus pole midagi muud. UiPath väljendab seda kui roboteid, kes mängivad "täiendavat rolli täitmise kihis" koos agentidega. Sellises korralduses on bot üks agendi tööriistu: mähitud, deterministlik tegevus pärandiekraani vastu, kus agent vastutab selle eest, millal seda kutsuda, ja selle eest, kuidas käsitleda kõike, mida bot tagastab. Aja jooksul retireeruvad botid üksikute kaupa, kui nende taga olevad süsteemid saavad oma tööriistu, ja agendi poolel ei pea midagi muutuma, kui nad seda teevad.

See toob otsuse tagasi äri süsteemi. Sois on ehitatud nii, et bot ei ole kunagi vajalik: tööruum on MCP server, iga tegevus, mida inimene saab teha, on esitatud nimega tööriistana, ja agent, mida te juba kasutate, Claude, ChatGPT või mõni MCP klient, ühendub, lisades tööruumi aadressi ja logides sisse üks kord. Tööriistad filtreeritakse inimese rolli järgi enne, kui agent neid näeb, ja kontrollitakse uuesti, kui nad töötavad, nii et juurdepääs ebaõnnestub suletult; kulutused on piiratud iga integratsiooni kohta; iga kõne logitakse koos oma sisendite ja tulemusega. Kui te ikka töötate selle kõrval pärand süsteemiga, jääb bot sellele süsteemile ja agent käsitleb seda kui veel ühte tööriista.

Kui teie põhisisu on ainult ekraanid, on RPA sild ja selles pole midagi häbiväärset. Oluline otsus on see, kas järgmine süsteem, mille te ostate, vajab ühte.

Küsimused, mida inimesed esitavad

Seda artiklit vaadatakse üle, kui kirjeldatud tooted muutuvad. Järgmine planeeritud ülevaatus: 4. detsember 2026.