近期，在技術(shù)圈的交流中，大模型與人工智能（AI）無(wú)疑是最熱門的話題，而這股熱潮如今也蔓延到了自動(dòng)化領(lǐng)域。曾經(jīng)，機(jī)器人流程自動(dòng)化（RPA）是自動(dòng)化領(lǐng)域的明星，它通過模擬人類在電腦上的操作，如點(diǎn)擊鼠標(biāo)、敲擊鍵盤，承擔(dān)起報(bào)表錄入、訂單處理等重復(fù)性任務(wù)，幫助企業(yè)節(jié)省了大量人力成本，也讓眾多RPA廠商賺得盆滿缽滿。

大模型的出現(xiàn)為行業(yè)帶來(lái)了新的希望。它具備理解自然語(yǔ)言、處理非結(jié)構(gòu)化數(shù)據(jù)以及推理和生成的能力。將大模型的“認(rèn)知力”與RPA的“執(zhí)行力”相結(jié)合，似乎能夠打造出一個(gè)更強(qiáng)大的數(shù)字員工——智能體。在理想狀態(tài)下，用戶只需一句話，如“幫我整理上個(gè)月的銷售報(bào)告，并挑出表現(xiàn)最好的三款產(chǎn)品”，智能體就能理解指令、分析數(shù)據(jù)、執(zhí)行操作，并將結(jié)果整理好呈現(xiàn)給用戶。對(duì)于RPA廠商而言，這不僅是技術(shù)的升級(jí)，更是從“工具”到“伙伴”的身份轉(zhuǎn)變。

不過，從概念到現(xiàn)實(shí)，RPA廠商在轉(zhuǎn)型智能體的道路上并非一帆風(fēng)順，而是遭遇了諸多挑戰(zhàn)。

技術(shù)整合是第一個(gè)難題。部分廠商采用了“拉郎配”式的整合方式，讓RPA抓取數(shù)據(jù)后交給大模型處理，再將結(jié)果返回。這種看似成功的組合在實(shí)際應(yīng)用中卻問題頻出，大模型可能產(chǎn)生“幻覺”，導(dǎo)致結(jié)果不穩(wěn)定，進(jìn)而打斷流程。例如，來(lái)也科技選擇了平臺(tái)化路線，將RPA、文檔識(shí)別、對(duì)話機(jī)器人等功能集成在一起，如同一個(gè)“工具超市”。雖然功能全面，但復(fù)雜度高，需要專業(yè)團(tuán)隊(duì)進(jìn)行整合和維護(hù)，普通企業(yè)難以輕松落地。

相比之下，另一些廠商則選擇聚焦痛點(diǎn)場(chǎng)景。金智維并未急于打造一個(gè)“萬(wàn)能體”，而是將AI技術(shù)應(yīng)用于最難啃的“骨頭”——幫助大企業(yè)自動(dòng)化老舊系統(tǒng)。例如，銀行和電信運(yùn)營(yíng)商使用的幾十年歷史的黑底綠字界面，傳統(tǒng)RPA根本無(wú)法應(yīng)對(duì)。金智維通過AI與RPA的結(jié)合，讓智能體能夠像人類一樣識(shí)別這些古老界面，快速完成操作。原本需要數(shù)周才能上線的流程，現(xiàn)在幾小時(shí)就能完成。這種務(wù)實(shí)的打法雖然不夠花哨，但卻切實(shí)解決了企業(yè)的實(shí)際問題。

價(jià)值量化是轉(zhuǎn)型智能體的第三個(gè)挑戰(zhàn)。智能體與傳統(tǒng)RPA的商業(yè)邏輯截然不同。RPA通過銷售“機(jī)器人數(shù)量”來(lái)盈利，數(shù)量越多收益越高；而智能體更像“全能員工”，其工作范圍廣泛，難以簡(jiǎn)單按數(shù)量計(jì)價(jià)。Gartner在2024年的報(bào)告中指出，企業(yè)在評(píng)估智能體價(jià)值時(shí)，越來(lái)越關(guān)注“業(yè)務(wù)影響指標(biāo)”，如縮短流程周期、減少人工干預(yù)次數(shù)、提升合規(guī)率等，而非單純計(jì)算節(jié)省的人力成本。這意味著，廠商必須更清晰地證明智能體落地后為客戶帶來(lái)的具體提升。像金智維這類注重交付的廠商，更傾向于通過具體場(chǎng)景復(fù)盤來(lái)量化價(jià)值，而非停留在模糊的ROI口號(hào)上。