從 RPA 到智慧代理：打通自動化的最後一哩路

多數自動化計畫都會在同一個地方停滯不前。以規則為基礎的工作——在系統之間搬移資料、核對紀錄、填寫表單——很快就能自動化，往往一兩季內就能回本。可是接下來，待辦積壓就不再繼續縮減了。剩下的，是那些幾乎符合規則、卻又差了一點的情形：版面陌生的發票、把三個需求塞進一封信裡的客戶來函、需要有人親自閱讀、權衡脈絡再做決斷的例外。

價值正是在這最後一哩路悄然流失，也正是在這裡，團隊選擇放棄，轉而招募更多人手勉強應付。令人不安的是，這裡往往從一開始就是成本的主要來源。乾淨、可預測的交易從來都不是昂貴的那一塊——例外才是。

RPA 的極限在哪裡

機器人流程自動化（RPA）在其被設計來處理的場景中表現出色：確定性高、量大、輸入穩定且結構化的任務。只要欄位固定、位置不變，它就能比任何人處理得更快、更準，全天候運轉，毫無怨言。對於這類工作，它依然是正確的工具，本文也無意主張把它連根拔除。

它恰恰會在現實世界變得雜亂的地方失靈——非結構化文件、含糊不清的意圖、仰賴脈絡而非查表就能得出的決策。常見的因應方式，是不斷往機器人上加裝更多例外處理規則。每條規則單看都合情合理；但層層疊加之後，就成了一套脆弱、誰也不敢輕易更動的系統，維護負擔最終會反超它帶來的節省。這就是多數計畫撞上的天花板。

智慧代理帶來了什麼

AI 代理帶來了 RPA 所缺少的三樣東西。它能讀取非結構化輸入並從中萃取意義。它能朝著目標推理，而不是照本宣科地執行固定腳本。它還能呼叫工具——包括你既有的 RPA 機器人、API 與工作流程——真正把事情辦成。

有用的思維模型不是「用代理取代 RPA」，而是分層。讓代理負責判斷，讓確定性自動化在其底層承擔機械性的執行工作——在那裡它依然更便宜、更可預測。代理決定該做什麼；你信賴的底層管路負責把它落實。

• 讀取與分類：將一封電子郵件、一份 PDF 或一則聊天訊息轉化為結構化的意圖。
• 決策：結合政策與脈絡選定下一步動作，並說明理由。
• 執行：呼叫真正完成任務的 RPA 機器人、API 或工作流程。
• 升級轉交：辨識出信心不足的情形，連同脈絡一併轉交給人處理。

最後一哩路，落到實處

以發票處理為例。RPA 已經把乾淨的發票鍵入完畢。而那些例外——行項目對不上、缺少 PO 編號、陌生的供應商——則堆積在佇列裡，等著人工逐筆處理。代理會閱讀每一筆例外，對照政策與 ERP 加以核查，把自己有把握的直接解決，把真正含糊的連同一句話摘要與一項建議動作一併轉交給人。過去要處理整條佇列的員工，如今只需把時間花在那些真正需要判斷的情形上。

同樣的模式遠不只適用於財務——為客服工單分級、在文件進入工作流程前檢查其完整性、核對那些始終對不齊的紀錄。凡是在一套已上線的自動化背後堆著一列「幾乎符合」情形的地方，通常都有一段值得打通的最後一哩路。

一條務實的路徑

你無須推倒重建整套自動化資產才能起步。找出成本最高的那條例外佇列，用一個代理把其中的判斷環節包起來，底下繼續沿用你早已信賴的確定性管路。先在一條佇列上驗證成效，誠實地衡量它——有把握自動解決的比例，以及被升級轉交內容的品質——然後憑證據而非雄心去擴大適用範圍。

安全地推上正式環境

一個會對你的系統採取實際動作的代理，理應受到與任何正式環境軟體同等的紀律約束，外加若干針對 AI 的專屬管控。給它收緊的、最小權限的工具授權，讓它只能做被允許做的事。上線前用真實的歷史案例對它進行評測，而不是幾個一切順利的展示。設定失效即安全的信心門檻——當代理沒有把握時，它會轉交給人，而不是靠猜。並記錄每一項決策及其推理過程，使其行為可稽核、可持續改進。

這樣做，代理就不再是一個研究性專案，而會成為最終填平那道落差的那塊拼圖——那道確定性自動化憑一己之力永遠無法填平的落差。

← 所有觀點 →