RPA automatizē uzdevumu, vadot ekrānus, kurus izmantotu cilvēks: tas piesakās ar savu kontu, atrod pogu pēc selektora vai tās pozīcijas, ieraksta laukā un noklikšķina uz Saglabāt. AI aģents automatizē to pašu uzdevumu, izsaucot rīku, ko sistēma piedāvā mašīnu izsaucējiem, ar nosaukumu, ierakstītu ievadi un identitātes pārbaudi aiz tā. Atšķirība ir saskarne, un saskarne nosaka, kā automatizācija uzvedas, kad kaut kas mainās.
RPA joprojām ir pareizā izvēle, kad sistēmai vispār nav saskarnes mašīnām: novecojusi galddatora lietojumprogramma, termināla emulatora, piegādātāja portāls, kuru jūs nekontrolējat. Kur sistēma piedāvā savas darbības kā rīkus, aģents, kas tās izsauc, ir mazāk trausls, darbojas saskaņā ar personas, kuru tas pārstāv, atļaujām un var tikt galā ar variācijām, kurām botam būtu jābūt ieprogrammētam. RPA piegādātāji paši tagad raksturo robotus kā izpildes slāni, ko aģenti izsauc, kas ir precīza aina.
Ko robots patiesībā dara
Sāciet ar arhitektūru, jo salīdzinājums starp AI aģentiem un RPA tiek noteikts ar to. UiPath, lielākais RPA piegādātājs, raksturo savus programmatūras robotus kā "mimicējošus cilvēku darbības, mijiedarbojoties ar ekrāniem un sistēmām", lai apstrādātu "atkārtotus, noteikumu balstītus uzdevumus, piemēram, datu ievadi, failu pārvietošanu vai darījumu apstrādi". Microsoft desktop plūsmas, tās RPA produkts Power Automate iekšienē, saka to pašu mehāniskos terminos: jūs varat "mijiedarboties ar mašīnu, izmantojot lietojumprogrammu UI elementus, attēlus vai koordinātas", pret "novecojušām lietojumprogrammām, piemēram, termināla emulatoriem, mūsdienu tīmekļa un galddatora lietojumprogrammām, Excel failiem un mapēm". Bots var darboties klātienē, blakus cilvēkam pie galda, vai attālināti, uz savas mašīnas.
Paņemiet konkrētu uzdevumu: preču saņemšanas rezervēšana vecākā krājumu sistēmā, kurai nav API. Bots atver lietojumprogrammu, pārvietojas caur izvēlni uz saņemšanas veidlapu, meklē pirkuma pasūtījumu, pāriet uz katra rinda daudzuma lauku, ieraksta skaitli un nospiež Saglabāt taustiņu. Cilvēks reģistrēja šos soļus vienreiz; bots tos atkārto tūkstošiem reižu, ātrāk un bez ciparu pārvēršanas. Stabilai lietojumprogrammai ar augstu apjomu un bez citas piekļuves, tas ir labs darījums, un tas ir atmaksājies daudzās finansu un operāciju komandās.
Piegādātāji saka, kur tas iederas, un viņi ir pareizi. UiPath pašu ietvars ir "augsta apjoma, atkārtoti, noteikumu balstīti uzdevumi, īpaši tie, kas aptver vairākas sistēmas": apjoms, determinisms un piekļuve sistēmām, kas nepiedāvā neko citu. Godīgs salīdzinājums saglabā tos uz galda.
Kāpēc tas sabojājas, un kāpēc tas nav defekts
Ekrāns ir līgums ar personu. Tā izkārtojums, etiķetes, cilņu secība un Saglabāt pogas pozīcija ir solījumi acīm un rādītājam, un neviens no tiem nav solīts mašīnai. Kad piegādātājs pārvieto daudzuma lauku jaunā cilnē, pievieno apstiprinājuma uznirstošo logu vai pārdēvē izvēlni, persona pielāgojas sekundēs, nepamanot. Bots neizdodas, vai vēl sliktāk, ieraksta daudzumu nepareizajā laukā un saglabā. Šī neveiksme neko nesaka par RPA piegādātāja kompetenci; interfeiss, ko bots saņēma, iznāk gaismā.
Tā pati ierobežojuma sekas seko valodas modelim, kad tas tiek izmantots ekrānu vadīšanai. Anthropic datora izmantošana dod Claude "ekrānuzņēmumu, peles un tastatūras kontroli darbvirsmas vidē", un tas ir patiešām noderīgi, kur nekas cits neeksistē. Bet Anthropic pašu dokumentācija novirza jūs prom no tā, kur vien ir pieejams ciešāks interfeiss, ieteicot savu pārlūkprogrammas rīku darbam, kas paliek iekšpusē tīmekļa lapas, un prasa "cilvēku, lai apstiprinātu lēmumus, kas var radīt nozīmīgas reālās pasaules sekas", nosaucot finanšu darījumus starp tiem. Modelis, kas vada ekrānu, manto ekrāna trauslumu un pievieno tam savu variabilitāti. Tas ir vismazāk pievilcīgais divu kategoriju apvienojums, un tas ir tas, uz ko daudzi "AI vadītie RPA" piedāvājumi attiecas.
Ko aģents sauc citādi
Aģents, kas darbojas biznesa sistēmā, kas izveidota aģentiem, nekad neredz ekrānu. Tas jautā sistēmai, ko tas var darīt, un saņem rīku sarakstu, katram ar nosaukumu, aprakstu, kas rakstīts modelim, shēmu tā ievadēm un opciju anotācijas, kas norāda, vai tas tikai lasa, vai var iznīcināt datus, un vai tā zvanīšana divreiz ir droša. Model Context Protocol standartizē šo apmaiņu: klients nosūta pieprasījumu sarakstīt rīkus, modelis izvēlas vienu, klients to izsauc ar rakstītām argumentiem, un serveris to izpilda un atgriež rezultātu. Specifikācija prasa serveriem "validēt visus rīku ievades" un "īstenot pareizu piekļuves kontroli", un norāda klientiem "reģistrēt rīku izmantošanu audita nolūkiem". Šeit ir viena šāda rīka forma, izmantojot iepriekšējo preču saņemšanu.
{
"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 rīka definīcija formā, kādu apraksta specifikācija, attiecībā uz to pašu preču saņemšanu, kurā bots rakstīja formā. Lauku nosaukumi ir ilustratīvi; būtība ir tāda, ka rīks ir līgums, un līgums var tikt versēts, validēts un piešķirts atļaujas veidos, kādos ekrāns to nevar.
Salīdziniet, kas notiek izmaiņu gadījumā. Piegādātājs pārveido saņemšanas ekrānu: bots sabojājas, rīks paliek neskarts. Piegādātājs pievieno obligāto lauku rīkam: tas ir versēts izmaiņas publicētajā līgumā, paziņots rīku sarakstā, un aģents nākamajā zvanā lasa jauno shēmu. Salīdziniet identitāti. Bots piesakās kā pakalpojuma konts ar jebkādu piekļuvi, ko kāds tam piešķīra pirms gadiem. Aģents izsauc rīku kā persona, kuru tas pārstāv, un atļaujas pārbaude tiek veikta rīkā, katrā zvanā, pret šīs personas lomu.
Deterministiskais pret probabilistisko: darījums, ko nevienam nevajadzētu slēpt
Aģenta pusē ir izmaksas, un RPA piegādātāji to precīzi norāda savā aģenta dokumentācijā: roboti "seko strukturētai loģikai un fiksētām noteikumiem", kamēr aģenti izmanto "probabilistisku pieeju, lai pieņemtu lēmumus, pamatojoties uz modeļiem un reāllaika datiem". Bots, kas atkārto tos pašus soļus, dod to pašu rezultātu par to pašu ievadi un to var pierādīt. Aģents, kuram ir tāda pati nodoma, izvēlas aizsargājamu ceļu, parasti to pašu, ne vienmēr. Regulētā solī, kur atkārtojamība ir jādemonstrē, vai miljonam identisku darījumu mēnesī, deterministiskā opcija ir labāka izvēle, un teikt pretēji būtu pārdošana.
Aģenta priekšrocība ir ierobežota uz variācijām. Kad saņemšana nesakrīt ar pasūtījumu, kad piegādātājs ir nosūtījis divas piegādes pret vienu rindu, kad daudzums ir ticams, bet vienība ir nepareiza, bots tam nav zarojuma un apstājas vai pārliecinoši dara nepareizo lietu. Aģents lasa neatbilstību, pārbauda pasūtījumu, rezervē to, kas sakrīt, un jautā personai par pārējo. Tas ir darbs, kas agrāk bija izņēmumu rinda uz kāda galda, un tas ir darbs, kam aģents ir paredzēts.
Izmanto RPA, kad, izmanto aģentu, kad
| Jautājums | Sazinieties ar RPA | Sazinieties ar aģentu |
|---|---|---|
| Vai sistēma atklāj darbības mašīnām? | Nē: tikai ekrāni, novecojusi darbvirsmas lietojumprogramma, termināls | Jā: API vai MCP serveris ar tipizētām rīkiem |
| Vai jūs kontrolējat sistēmu? | Nē, un tas nemainīsies jūsu labā | Jā, vai piegādātājs publicē un versē savus rīkus |
| Cik daudz uzdevums atšķiras? | Ļoti maz: tie paši lauki tajā pašā secībā | Katram gadījumam nepieciešama lasīšana un spriedums |
| Vai tam pašam ievadam vienmēr jāsniedz tas pats izvads? | Jā, un jums jāspēj to pierādīt | Aizstāvams rezultāts ar pilnu žurnālu ir pietiekams |
| Kādu lomu tas ieņem? | Servisa konts ar savu pieteikšanos | Persona, kuru tas pārstāv, saskaņā ar viņu atļaujām |
| Kas to izjauc? | Pārvietots lauks, pārdēvēts izvēlnes vienums, negaidīts uznirstošais logs | Mainīts rīka līgums, kas ir versiju un paziņots |
| Apjoms un izmaksas par izpildi | Ļoti liels apjoms ar gandrīz nulles izmaksām par izpildi | Mērens apjoms ar modeļa izsaukumu par izpildi |
| Kur nonāk izņēmumi | Uz personu, kā neizdevusies izpilde | Aģents saskaņo to, ko var, un jautā par pārējo |
Pirmais rinda nosaka lielāko daļu gadījumu. Viss pārējais tabulā izriet no tā, vai sistēma tika veidota ar mašīnas izsaucēju prātā.
Izmantojot abus, un ko sistēma zem tā nosaka
Modelis, ko tagad apraksta piegādātāji, un tas, kas praksē darbojas, ir tāds, ka aģents pieņem lēmumus, bet bots izpilda uz sistēmām, kurām nav nekā cita. UiPath to formulē kā robotus, kas spēlē "papildu lomu izpildes slānī" blakus aģentiem. Šajā izkārtojumā bots ir viens no aģenta rīkiem: ietverts, deterministisks darbība pret mantojuma ekrānu, ar aģentu, kas atbild par to, kad to izsaukt, un par to, kā rīkoties ar to, ko bots atgriež. Laika gaitā roboti pensionējas viens pēc otra, kad sistēmas aiz viņiem iegūst savus rīkus, un nekas aģenta pusē nav jāmaina, kad tas notiek.
Tas atgriež lēmumu atpakaļ uz biznesa sistēmu. Sois ir izstrādāts tā, lai bots nekad nebūtu nepieciešams pret to: darba vieta ir MCP serveris, katra darbība, ko persona var veikt, tiek izcelta kā nosaukts rīks, un aģents, ko jūs jau izmantojat, Claude, ChatGPT vai jebkurš MCP klients, savienojas, pievienojot darba vietas adresi un reģistrējoties vienreiz. Rīki tiek filtrēti pēc personas lomas pirms aģents tos redz, un vēlreiz pārbaudīti, kad tie tiek izpildīti, tāpēc piekļuve tiek slēgta; izdevumi tiek ierobežoti katrai integrācijai; katrs izsaukums tiek reģistrēts ar tā ievadiem un rezultātu. Ja jūs joprojām izmantojat mantojuma sistēmu blakus, bots paliek uz šīs sistēmas, un aģents to uzskata par vēl vienu rīku.
Ja jūsu pamat sistēma ir tikai ekrāni, RPA ir tilts, un tajā nav nekas kauns. Svarīgais lēmums ir tas, vai nākamajai sistēmai, ko jūs iegādājaties, būs nepieciešams viens.
Cilvēki uzdod jautājumus
Vai RPA ir novecojusi, tagad, kad pastāv AI aģenti?
Nē. Augstas apjoma, noteikumu balstītai darbībai pret sistēmām, kas atklāj tikai ekrānu, bots joprojām ir lētākais deterministisks risinājums, un RPA piegādātāji tagad pozicionē savus robotus kā izpildes slāni, uz kuru aģenti atsaucas. Tas, kas ir mainījies, ir tas, ka sistēmām, kas izstrādātas ar tipizētiem rīkiem, vairs nav nepieciešams bots vispār.
Vai AI aģents var vadīt ekrānu tā, kā to dara RPA bots?
Jā. Anthropic datora izmantošana dod Claude ekrāna attēlu, peles un tastatūras kontroli, un tas ir noderīgi, kur nav pieejama ciešāka saskarne. Tas manto ekrāna trauslumu un pievieno modeļa mainīgumu, un Anthropic vadlīnijas ir dot priekšroku ciešākiem rīkiem, kur tie ir pieejami, un ļaut personai apstiprināt būtiskās darbības.
Vai RPA ir lētāka nekā AI aģents?
Par izpildi, parasti: bots atkārto ierakstītās darbības ar gandrīz nulles robežizmaksām, kamēr aģents katru reizi maksā par modeļa izsaukumu. Salīdzinājums mainās, kad jūs ņemat vērā apkopi, ko katra ekrāna izmaiņa uzliek botam, un izņēmumus, ko bots nevar apstrādāt, kas joprojām nonāk pie personas.
Vai RPA roboti un AI aģenti var strādāt kopā?
Jā, un šis ir modelis, ko apraksta piegādātāji. Aģents lasa, pieņem lēmumus un izsauc rīkus; kur sistēmai nav rīku, bots, kas ietverts kā deterministiska darbība, veic izpildi uz šī ekrāna. Kad sistēmas iegūst savus rīkus, roboti pensionējas, nemainot aģentu.
- UiPath: kas ir robotizētā procesu automatizācija pārdevēja paša definīcija par RPA, uzdevumiem, kuriem tas ir piemērots, un roboti kā papildinoša izpildes slāņa daļa aģentiem
- Microsoft Learn: ievads darbvirsmas plūsmās RPA Power Automate: UI elementi, attēli vai koordinātas, pret mantojumā esošām un mūsdienu lietojumprogrammām
- Anthropic: datora lietošanas rīks ekrāna kontrole Claude, tā noteiktie ierobežojumi un norādījumi, lai apstiprinātu sekas rīcībām
- Model Context Protocol specifikācija: rīki rīku definīcijas, anotācijas, atklāšana un zvanu ziņojumi, kā arī drošības prasības serveriem un klientiem
Šis raksts tiek pārskatīts, kad mainās tajā aprakstītie produkti. Nākamais plānotais pārskats: 2026. gada 4. decembris.