AI Agent在自动化领域产生影响，自主智能体引领超自动化领域的新潮流_智能体:ai agent拉开超自动化智能体时代帷幕

随着大型语言模型的出现，RPA（机器人流程自动化）也迎来了新的发展方向。在此背景下，自主智能体(AI Agent)正逐渐成为超自动化的新趋势。那么，这样的变化对超自动化领域又带来了哪些影响呢？

RPA凭借其高效地自动化大批量、低复杂性的重复任务，赢得了广泛的欢迎，其24小时不间断的工作能力和高度准确性使得员工得以从日常琐碎中解放，专注于更具增值的工作，为企业降低成本。

从处理事务、操作数据，到响应查询和进行跨系统通信，RPA机器人均能够胜任。例如，银行通过RPA自动处理电子邮件，医疗保健公司运用RPA处理大量发票。

对于许多长期依赖传统自动化技术的大型企业，RPA成为了一个刷新旧技术、降低新技术投资的有效选择。因此，在金融、公共部门和能源等领域得到了显著的应用。

RPA的面临的问题与超自动化的应对

近几年，机器人流程自动化(RPA)以超过16%的复合增长率快速上升。然而，尽管其在自动化领域的影响日益扩大，由于其连接特性，RPA被许多人戏称为“创可贴”或“粘结剂”。这恰恰反映出RPA在稳定性上的短板。一些用户指出，RPA机器人的维护工作量巨大，对微小的数据样式变动高度敏感，如在表单中增加新项目便可能导致工作中断。

尽管业务需求不断发展，RPA的脆弱性确实给维护团队带来了压力。这也导致了许多厂商将目光转向AI技术，力图打造端到端的超自动化解决方案。超自动化，是一个全面的集合体，集RPA、流程挖掘、智能业务流程管理于一身。它不仅代表着一系列技术和工具的结合，而且是智能流程自动化和集成自动化概念的进一步发展。这种架构注重人的中心地位，确保人、应用、服务之间的无缝连接。

然而，即便超自动化已经尝试涵盖了从发现到重新评估的各个关键步骤，RPA仍然面临稳定性问题。尤其是在业务需求快速变化的环境中，即使引入了AI技术，RPA的稳定性仍旧难以得到保障。

随着大语言模型近期的重大突破，AI Agent与RPA的结合为整个行业带来了新的可能性，让人们看到了光明的未来。

RPA进入自主智能体时代

随着技术的快速进步，大语言模型（LLM）已成为众多技术供应商和组织的焦点。在这样的技术大背景下，自主智能体（Autonomous Agent）作为一种AI Agent，正在为自动化带来革命。

AI智能体（AI Agent）是一种具备环境感知、决策制定和行动执行能力的智能存在。与传统AI的主要区别在于其能够针对目标进行思考、决策和行动。只需一个目标，它就能自行规划和实施策略，利用外界反馈和自我思考实现任务。

从分类角度看，AI智能体大致可分为两类：自主智能体和生成智能体。其中，像Auto-GPT这样的自主智能体可以准确地理解和响应人类用自然语言提出的需求，它们更多地像是为人类服务的高级工具。利用大型语言模型如GPT-4，这些AI智能体能够规划和执行指定任务，而且能够根据之前的任务成果，自主设定工作流优先级。它们能够利用长短期记忆，以旧有的查询为上下文并保存之前的成果。这些智能体的最大优势是能够从错误中“学习”并优化任务策略。

目前，开源社区已推出多种基于LLM的AI智能体工具和框架，如编程的GPT-Engineer和订披萨的HyperWrite。AutoGPT、BabyGPT和MetaGPT等架构为开发者们打造特定业务场景的AI智能体提供了平台。

国际上，投资研究界已将自主智能体定义为新一代自动化，预示RPA的未来趋势。

RPA技术的四阶段进化

随着人工智能的发展，当代RPA技术正在经历着一场革命。从简单的任务自动化到复杂的决策支持，RPA正不断进化，适应更多的应用场景。DeltalogiX的数字化转型研究指出，智能流程自动化（IPA）目前已经经历了四个主要的进化阶段。

1. RPA：简单任务自动化

RPA专为简单和重复性的任务设计。例如，处理员工费用报销单这样的常规任务，只需要遵循预定义的规则，就可以由RPA机器人自动完成。

2.认知自动化：适应性进程与培训

进一步融合人工智能技术，RPA逐步进化为认知自动化，或被称为IPA。这允许机器人处理非结构化的数据，例如电子邮件、文档和图像。

认知自动化结合历史与新数据，为产品或服务需求提供适应性预测。利用机器学习与历史销售数据，模型能分析旧模式以识别趋势。

此模型还可因应因素如季节性、促销和经济状况进行调整，为业务如生产、库存和营销策略提供高效预测。

其持续学习能力使其适应市场变化，甚至少量AI也能显著提高流程的自主性和准确性。

3.数字助手：自然语言交互

随着深度的AI整合，尤其是大语言模型的应用，IPA现已发展为数字助手。这些助手，例如ChatGPT。

认知自动化系统具备处理和理解人类语言的能力，即自然语言处理（NLP）。因此可以与用户进行自然语言交互，提供智能响应。这种技术的应用正在革命性地改变客户服务和企业交互。

4.自主智能体：决策支持

最先进的自动化阶段涉及到深度数据分析和决策制定。数字智能体在这一阶段能够进行深入的数据分析，并基于此进行决策。这种决策支持在供应链优化、风险分析和财务规划等领域中具有巨大的潜力。得益于其日益增强的处理能力和积累的知识，该机器人可以为业务主管提供及时且准确的建议，辅助其决策过程。

智能体超自动化时代开启

按照IPA的发展路径，第四阶段的自主智能体不仅仅是传统的流程自动化的延伸，更多的是基于LLM的超自动化智能体。

现有的RPA厂商不太可能放弃他们现有的产品形态，而是以自主智能体为核心开展新的AI Agent产品线。

目前，现在的AI Agent尚无法兼容所有的企业管理系统，因此更可能的是RPA、流程挖掘、BPA、ERP等企业管理软件厂商将结合LLM和现有管理软件来构建企业级的自主智能体。

所以，厂商有可能在自研LLM及现有产品架构中引入AI Agent，或者开发一个能够与现有自动化技术相结合的AI Agent。

而且，智能体已经被认为是RPA的未来，而AI智能体则被视为通向通用人工智能（AGI）的桥梁。

即便厂商暂不融合AI Agent，客户仍会基于降本增效的需求，在LLM和RPA的基础上进一步探索。受市场需求驱动，技术供应商终将走向智能体的发展。自大模型兴起，众多RPA厂商已采纳生成式AI，主流厂商达到数字助手阶段，而部分厂商正探索AI智能体。

据王吉伟频道的报道，国内已有数家RPA厂商正在进行这方面的研究，预计将很快推出相关产品。

Gartner预测，到2025年，90%的RPA供应商将提供生成式AI支持的自动化服务，而在生成式AI的驱动下，RPA市场将持续高速增长。

从IPA的发展趋势看，未来每家RPA厂商及超自动化厂商都可能向超自动化智能体方向发展。