Agentic 工作流與傳統自動化 / RPA 有什麼不同?自動化的四個世代

一句話先講清楚:Agentic 工作流是由 AI 代理 (agent) 自己判斷目標、規劃步驟、呼叫工具、再依結果動態調整的做事方式;傳統 RPA 則是照著人預先寫死的規則,一步一步重播固定的螢幕操作。 前者會思考「該怎麼達成」,後者只會執行「你叫我按的那顆按鈕」。

這個差別聽起來抽象,但在現場很致命。上一季我們接到一家製造業客戶,他們兩年前導了一整套 RPA,自動抓 ERP 報表、貼到 Excel、再寄出。那套流程跑得很穩——直到供應商換了系統版面,欄位往右移了一格。RPA 沒有報錯,它照舊抓,只是抓錯了欄位,錯誤資料連寄了三週才被發現。問題不在 RPA 做得爛,而在於它本來就不會「看懂」畫面,只會照座標點。

Agentic 工作流 vs RPA:先搞懂你在問哪一層

很多企業主的疑惑是:「我不是已經有 RPA 了嗎,幹嘛還要 Agent?」會這樣問,通常是把兩者當成同一條路上的先進版和陽春版。其實它們解決的是不同世代的問題。要看清楚,最好的方式是把企業自動化的歷史攤開成四個世代。

自動化的四個世代

第一代:腳本 (Script)。 最早的自動化就是一段寫死的程式——排程半夜跑批次、把 A 資料庫的資料搬到 B、產一份固定格式的報表。它的世界觀很簡單:輸入固定、規則固定、輸出固定。只要環境不變,它可以跑十年不出錯;但只要有一個欄位改名,它就整條垮掉。腳本適合工程團隊維護的後端流程,不適合天天變動的業務場景。

第二代:RPA (機器人流程自動化)。 RPA 的突破,是讓「不會寫程式的人」也能自動化。它用錄製的方式模擬人在畫面上的點擊、輸入、複製貼上,跨越了那些沒有 API 的老舊系統。這是它最大的價值,也是它最大的天花板:RPA 本質上是在模仿人的手,不是模仿人的腦。它能重複你教它的動作,但一遇到沒教過的狀況——彈出一個新視窗、畫面改版、資料格式不符——它不會變通,只會停在那裡或默默做錯。RPA 擅長的是「高頻、規則明確、幾乎不變」的搬運工作。

第三代:AI 輔助 (AI-assisted / Copilot)。 大型語言模型出現後,自動化第一次有了「理解」能力。它能讀懂一封語意混亂的客訴信、從一份 PDF 合約裡抽出關鍵條款、把一段會議錄音整理成待辦。但這一代的關鍵字是「輔助」:AI 給建議、給草稿、給分類,最後按下確認的還是人。它把人從打字裡解放出來,卻沒有真正接手整條流程。人依然是流程的引擎。

第四代:Agentic 工作流。 到了這一代,AI 不再只是回答,而是行動。你給它一個目標——「處理這筆退貨申請」——它會自己拆解:先查訂單、判斷是否符合退貨政策、如果金額超過門檻就轉人工、否則開退款單並回信通知客戶。過程中它會呼叫不同的工具 (API、資料庫、內部系統),根據每一步的結果決定下一步,遇到不確定時還能停下來問人。它處理的不是「固定動作」,而是「有判斷空間的任務」。

回到那家製造業客戶:同樣是抓報表,Agent 不靠座標,它「讀」畫面、確認欄位標題是不是對的、發現版面變了會自己適應或示警。RPA 會照錯,Agent 會發現不對勁。

下面把最常被拿來比較的 RPA 和 Agentic 工作流並排:

那我的 RPA 白買了嗎?

沒有。這是我們最想澄清的一點。四個世代不是後浪拍死前浪,而是各有守備範圍。那些真正穩定、規則清楚、每天跑幾千次的搬運工作,RPA 依然是最划算的工具,硬要換成 Agent 反而是殺雞用牛刀,又貴又慢。真正該升級的,是那些「例外多到 RPA 每週都要有人手動救火」的流程——退貨審核、跨部門對帳、客訴分派、供應商資料清洗。這些流程的共同點是:規則講得出七成,剩下三成永遠在變。RPA 卡的就是那三成。

我們的判斷準則很土:如果一個流程的維護時間快追上它省下的時間,它就該從 RPA 畢業,交給 Agent。反過來,如果它三年沒改過一次,那就別動它。

也別以為上了 Agent 就一勞永逸。Agentic 系統有它自己的代價:它會犯的錯更像人的錯——看似合理但方向錯了,所以權限邊界、人工覆核點、可稽核的操作紀錄一個都不能少。我們踩過的雷是,一開始把太多決策權一次給到 Agent,結果它「很有自信地」做錯,反而比 RPA 更難追查。後來我們的做法是先讓 Agent 跑「建議 + 待人確認」,累積到信任了再逐步放開自動執行的範圍。

說到底,判斷用哪一代不是技術選型,是流程診斷。我們在 Tenten 進場時做的第一件事,往往不是寫 Agent,而是把客戶現有的自動化攤在桌上,一條條問它卡在第幾代、為什麼卡。Demo 裡的 Agent 都很聰明;要讓它真的在你的退貨流程裡穩定跑上三個月、還有人願意用,那才是我們真正在扛的事。