近期，在技术圈的交流中，大模型与人工智能（AI）无疑是最热门的话题，而这股热潮如今也蔓延到了自动化领域。曾经，机器人流程自动化（RPA）是自动化领域的明星，它通过模拟人类在电脑上的操作，如点击鼠标、敲击键盘，承担起报表录入、订单处理等重复性任务，帮助企业节省了大量人力成本，也让众多RPA厂商赚得盆满钵满。
大模型的出现为行业带来了新的希望。它具备理解自然语言、处理非结构化数据以及推理和生成的能力。将大模型的“认知力”与RPA的“执行力”相结合，似乎能够打造出一个更强大的数字员工——智能体。在理想状态下，用户只需一句话，如“帮我整理上个月的销售报告，并挑出表现最好的三款产品”，智能体就能理解指令、分析数据、执行操作，并将结果整理好呈现给用户。对于RPA厂商而言，这不仅是技术的升级，更是从“工具”到“伙伴”的身份转变。
不过，从概念到现实，RPA厂商在转型智能体的道路上并非一帆风顺，而是遭遇了诸多挑战。
技术整合是第一个难题。部分厂商采用了“拉郎配”式的整合方式，让RPA抓取数据后交给大模型处理，再将结果返回。这种看似成功的组合在实际应用中却问题频出，大模型可能产生“幻觉”，导致结果不稳定，进而打断流程。例如，来也科技选择了平台化路线，将RPA、文档识别、对话机器人等功能集成在一起，如同一个“工具超市”。虽然功能全面，但复杂度高，需要专业团队进行整合和维护，普通企业难以轻松落地。
相比之下，另一些厂商则选择聚焦痛点场景。金智维并未急于打造一个“万能体”，而是将AI技术应用于最难啃的“骨头”——帮助大企业自动化老旧系统。例如，银行和电信运营商使用的几十年历史的黑底绿字界面，传统RPA根本无法应对。金智维通过AI与RPA的结合，让智能体能够像人类一样识别这些古老界面，快速完成操作。原本需要数周才能上线的流程，现在几小时就能完成。这种务实的打法虽然不够花哨，但却切实解决了企业的实际问题。
价值量化是转型智能体的第三个挑战。智能体与传统RPA的商业逻辑截然不同。RPA通过销售“机器人数量”来盈利，数量越多收益越高；而智能体更像“全能员工”，其工作范围广泛，难以简单按数量计价。Gartner在2024年的报告中指出，企业在评估智能体价值时，越来越关注“业务影响指标”，如缩短流程周期、减少人工干预次数、提升合规率等，而非单纯计算节省的人力成本。这意味着，厂商必须更清晰地证明智能体落地后为客户带来的具体提升。像金智维这类注重交付的厂商，更倾向于通过具体场景复盘来量化价值，而非停留在模糊的ROI口号上。
