RPA automates a task by driving the screens a person would use: it logs in with its own account, finds the button by a selector or its position, types into the field and clicks Save. An AI agent automates the same task by calling a tool the system exposes for machine callers, with a name, a typed input and a permission check behind it. The difference is the interface, and the interface decides how the automation behaves when something changes.
RPA remains the right choice when the system has no interface for machines at all: a legacy desktop application, a terminal emulator, a supplier portal you do not control. Where a system exposes its actions as tools, an agent calling them is less brittle, acts under the permissions of the person it represents, and can handle variation a bot would have to be scripted for. The RPA vendors themselves now describe robots as an execution layer that agents call on, which is the accurate picture.
Wat een bot daadwerkelijk doet
Begin met de architectuur, want de vergelijking van AI-agenten versus RPA wordt daarmee vastgesteld. UiPath, de grootste RPA-leverancier, beschrijft zijn software-robots als "het nabootsen van menselijke acties bij interactie met schermen en systemen" om "herhalende, op regels gebaseerde taken zoals het invoeren van gegevens, het verplaatsen van bestanden of het verwerken van transacties" af te handelen. De desktopflows van Microsoft, zijn RPA-product binnen Power Automate, zeggen hetzelfde in mechanische termen: je kunt "interageren met de machine door gebruik te maken van UI-elementen van de applicatie, afbeeldingen of coördinaten", tegen "legacy-applicaties, zoals terminalemulators, moderne web- en desktopapplicaties, Excel-bestanden en mappen". Een bot kan begeleid draaien, naast een persoon aan het bureau, of ongecontroleerd, op een eigen machine.
Neem een concrete taak: het boeken van een goederenontvangst in een ouder voorraad systeem zonder API. De bot opent de applicatie, navigeert door het menu naar het ontvangstformulier, zoekt de inkooporder, tabt naar het hoeveelheidveld voor elke regel, typt het nummer in en drukt op de Opslaan-toets. Een persoon heeft die stappen eenmaal vastgelegd; de bot speelt ze duizenden keren af, sneller en zonder cijfers om te draaien. Voor een stabiele applicatie met een hoog volume en geen andere toegang is dat een goede ruil, en het heeft zichzelf terugbetaald in veel financiële en operationele teams.
De leveranciers geven aan waar het past, en ze hebben gelijk. UiPath's eigen kader is "hoogvolume, repetitieve, op regels gebaseerde taken, vooral die welke meerdere systemen overspannen": volume, determinisme en bereik in systemen die niets anders bieden. Een eerlijke vergelijking houdt die op tafel.
Waarom het faalt, en waarom dat geen defect is
Een scherm is een contract met een persoon. De indeling, labels, tabvolgorde en de positie van de Opslaan-knop zijn beloftes aan ogen en een aanwijzer, en geen van deze is beloofd aan een machine. Wanneer de leverancier het hoeveelheidveld naar een nieuw tabblad verplaatst, een bevestigingspop-up toevoegt of een menu hernoemt, past de persoon zich in seconden aan zonder het te merken. De bot faalt, of erger, typt de hoeveelheid in het verkeerde veld en slaat op. Die fout zegt niets over de competentie van de RPA-leverancier; de interface die de bot kreeg, komt naar voren.
The same limitation follows a language model when it is made to drive screens. Anthropic's computer use gives Claude "screenshot, mouse, and keyboard control of a desktop environment", and it is genuinely useful where nothing else exists. But Anthropic's own documentation steers you away from it wherever a tighter interface is available, recommending its browser tool for work that stays inside a web page, and asks for "a human to confirm decisions that might result in meaningful real-world consequences", naming financial transactions among them. A model driving a screen inherits the screen's brittleness and adds its own variability on top. That is the least attractive combination of the two categories, and it is what many "AI-powered RPA" pitches amount to.
Wat een agent in plaats daarvan oproept
Een agent die een bedrijfsysteem beheert dat voor agents is gebouwd, ziet nooit een scherm. Hij vraagt het systeem wat hij mag doen en ontvangt een lijst met tools, elk met een naam, een beschrijving geschreven voor het model, een schema voor zijn invoer en optionele annotaties die aangeven of het alleen leest, of het gegevens kan vernietigen en of het veilig is om het twee keer aan te roepen. Het Model Context Protocol standaardiseert deze uitwisseling: de cliënt stuurt een verzoek om tools op te sommen, het model kiest er een, de cliënt roept deze aan met getypte argumenten, en de server voert deze uit en retourneert een resultaat. De specificatie vereist dat servers "alle toolinvoeren valideren" en "juiste toegangscontroles implementeren", en vertelt cliënten om "toolgebruik voor auditdoeleinden te loggen". Hier is de vorm van zo'n tool, met gebruik van de goederenontvangst van eerder.
{
"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 }
}Een MCP-tooldefinitie in de vorm die de specificatie beschrijft, voor dezelfde goederenontvangst waar de bot in een formulier aan het typen was. De veldnamen zijn illustratief; het punt is dat een tool een contract is, en een contract kan op manieren die een scherm niet kan, worden geversioneerd, gevalideerd en geautoriseerd.
Vergelijk wat er gebeurt bij verandering. De leverancier herontwerpt het scherm voor ontvangstbewijzen: de bot breekt, de tool blijft onaangeroerd. De leverancier voegt een verplicht veld toe aan de tool: dat is een geversioneerde wijziging van een gepubliceerd contract, aangekondigd in de lijst met tools, en de agent leest het nieuwe schema bij de volgende oproep. Vergelijk identiteit. De bot logt in als een serviceaccount met welke toegang iemand het jaren geleden heeft gegeven. De agent roept de tool aan als de persoon die hij vertegenwoordigt, en de toegangscontrole wordt binnen de tool uitgevoerd, bij elke oproep, tegen de rol van die persoon.
Deterministisch versus probabilistisch: de handel die niemand zou moeten verbergen
Er zijn kosten aan de agentzijde, en de RPA-leveranciers geven dit nauwkeurig aan in hun eigen agentdocumentatie: robots "volgen gestructureerde logica en vaste regels", terwijl agents "een probabilistische benadering hanteren om beslissingen te nemen op basis van patronen en realtimegegevens". Een bot die dezelfde stappen herhaalt, geeft hetzelfde resultaat voor dezelfde invoer, en dat kan worden bewezen. Een agent met dezelfde intentie volgt een verdedigbare weg, meestal dezelfde, maar niet altijd. Voor een gereguleerde stap waarbij herhaalbaarheid moet worden aangetoond, of voor een miljoen identieke transacties per maand, is de deterministische optie de betere keuze, en anders zeggen zou verkopen zijn.
Het voordeel van de agent is beperkt tot variatie. Wanneer de ontvangst niet overeenkomt met de bestelling, wanneer de leverancier twee leveringen tegen één regel heeft gestuurd, wanneer de hoeveelheid plausibel is maar de eenheid verkeerd is, heeft de bot geen tak daarvoor en stopt, of doet het zelfverzekerd het verkeerde. De agent leest de discrepantie, controleert de bestelling, boekt wat overeenkomt en vraagt een persoon naar de rest. Dat is het werk dat vroeger een wachtrij van uitzonderingen op iemands bureau was, en het is het werk waarvoor een agent is.
Kies voor RPA wanneer, kies voor een agent wanneer
| Vraag | Bereik voor RPA | Bereik voor een agent |
|---|---|---|
| Stelt het systeem acties bloot aan machines? | Nee: alleen schermen, een legacy desktopapplicatie, een terminal | Ja: een API of een MCP-server met getypte tools |
| Beheert u het systeem? | Nee, en het zal niet voor jou veranderen. | Ja, of de leverancier publiceert en versieert zijn tools. |
| Hoeveel varieert de taak? | Zeer weinig: dezelfde velden in dezelfde volgorde. | Elke zaak vereist lezen en een oordeel. |
| Moet dezelfde invoer altijd dezelfde uitvoer geven? | Ja, en je moet het kunnen bewijzen. | Een verdedigbaar resultaat met een volledig logboek is voldoende. |
| Als wie handelt het? | Een serviceaccount met zijn eigen inlog. | De persoon die het vertegenwoordigt, onder hun rechten. |
| Wat breekt het? | Een verplaatst veld, een hernoemd menu, een onverwachte pop-up | Een gewijzigd toolcontract, dat is geversioneerd en aangekondigd |
| Volume en kosten per run | Zeer hoge volumes tegen bijna nul kosten per run | Gemiddeld volume met een modeloproep per uitvoering |
| Waar uitzonderingen naartoe gaan | Aan een persoon, als een mislukte run | De agent verzoent wat hij kan en vraagt naar de rest |
De eerste rij bepaalt de meeste gevallen. Alles in de tabel volgt uit de vraag of het systeem is gebouwd met een machine-aanroep in gedachten.
Beide gebruiken, en wat het onderliggende systeem beslist
The pattern the vendors now describe, and the one that works in practice, is that the agent decides and the bot executes on systems that have nothing else. UiPath puts it as robots playing "a complementary role in the execution stack" alongside agents. In that arrangement the bot is one of the agent's tools: a wrapped, deterministic action against a legacy screen, with the agent responsible for choosing when to call it and for handling whatever the bot returns. Over time the bots retire one by one as the systems behind them gain tools of their own, and nothing on the agent side has to change when they do.
Which brings the decision back to the business system. Sois is built so that the bot is never needed against it: a workspace is an MCP server, every action a person can take is exposed as a named tool, and the agent you already use, Claude, ChatGPT or any MCP client, connects by adding the workspace address and signing in once. Tools are filtered by the person's role before the agent sees them and checked again when they run, so access fails closed; spend is capped per integration; every call is logged with its inputs and its result. Where you still run a legacy system beside it, the bot stays on that system and the agent treats it as one more tool.
Als uw kernsysteem alleen schermen heeft, is RPA de brug en daar is niets mis mee. De beslissing die ertoe doet, is of het volgende systeem dat u koopt er een nodig heeft.
Vragen die mensen stellen
Is RPA nu verouderd nu AI-agenten bestaan?
Nee. Voor werk met hoge volumes en op regels gebaseerde taken tegen systemen die alleen een scherm tonen, is een bot nog steeds de goedkoopste deterministische optie, en de RPA-leveranciers positioneren hun robots nu als de uitvoeringslaag waar agenten op kunnen rekenen. Wat is veranderd, is dat systemen die zijn gebouwd met getypte tools helemaal geen bot meer nodig hebben.
Kan een AI-agent een scherm aansturen zoals een RPA-bot dat doet?
Ja. Het computergebruik van Anthropic geeft Claude controle over screenshots, muis en toetsenbord, en het is nuttig waar geen strakkere interface bestaat. Het erft de kwetsbaarheid van het scherm en voegt de variabiliteit van het model toe, en de richtlijn van Anthropic is om waar mogelijk strakkere tools te verkiezen en een persoon belangrijke acties te laten bevestigen.
Is RPA goedkoper dan een AI-agent?
Per uitvoering, meestal: een bot herhaalt opgenomen stappen tegen bijna nul marginale kosten, terwijl een agent elke keer een modeloproep kost. De vergelijking verandert wanneer je de onderhoudskosten meerekent die elke schermwijziging de bot oplegt en de uitzonderingen die de bot niet kan afhandelen, die nog steeds op een persoon terechtkomen.
Kunnen RPA-bots en AI-agenten samenwerken?
Ja, en dit is het patroon dat de leveranciers beschrijven. De agent leest, beslist en roept tools aan; waar een systeem geen tools heeft, voert een bot die als een deterministische actie is verpakt de uitvoering op dat scherm uit. Naarmate systemen hun eigen tools krijgen, gaan de bots met pensioen zonder de agent te veranderen.
- UiPath: wat is robotic process automation de eigen definitie van de leverancier van RPA, de taken waarvoor het geschikt is, en robots als een aanvullende uitvoeringslaag voor agenten
- Microsoft Learn: introductie tot desktop flows RPA in Power Automate: UI-elementen, afbeeldingen of coördinaten, tegen legacy en moderne applicaties
- Anthropic: computer gebruikstool schermcontrole voor Claude, de aangegeven limieten en de richtlijnen om gevolgen van acties te bevestigen
- Model Context Protocol specificatie: tools tooldefinities, annotaties, ontdekking en oproepberichten, en de beveiligingseisen voor servers en clients
Dit artikel wordt herzien wanneer de producten die het beschrijft veranderen. Volgende geplande herziening: 4 december 2026.