RPA+AI 与纯 RPA 的区别不在"有没有 AI"，而在智能落在路径之内还是路径之外。 纯 RPA 由开发者把每一步写进脚本；RPA+AI 在这条固定路径里插入识别、分类、抽取等模型步骤——输入变强了，路径没变，天花板也没变。第三代（APA / 智能体平台）把智能移到设计与维护层，执行仍保持确定性。分清这条边界，才不会为老流程买新架构。
纯 RPA：确定性、位置化、开发维护，界面一改就断
RPA+AI：同一路径里加模型步骤，解决"看得懂"，不解决"改得起"
APA / 智能体平台：智能体设计与改进流程，运行时确定性执行
别混为一谈：智能体平台是"编排 + 治理 + 技能"的平台层，不是单个 Agent
一、三个说法，三种边界
这三个词常被当成"一代比一代强"，其实它们各自有明确的适用边界，也有明确的失效点：
纯 RPA 的边界是变化：路径编码的是"东西在哪里"，位置一变就断。
RPA+AI 的边界是结构：模型能读懂一张单据，但读完之后仍要沿同一条写死的路径往下走。
智能体（单体） 的边界是保证：路径由模型在运行时决定，灵活，但不保证同样的输入得到同样的结果，且决策链路难以复现。
三段边界拼起来，正好解释了企业最常见的困境：前两代覆盖不了长尾，第三代不敢用在关键流程上。
二、传统方式的三层天花板
第一层：纯 RPA 的输入天花板。 一张采购订单人工录入 5–10 分钟，一个人的日处理量在 100–200 单量级。这类工作只要输入是 PDF 或扫描件，纯 RPA 就接不住——它认位置，不认内容。
第二层：RPA+AI 的结构天花板。 加上 OCR 与大模型抽取后，单据能读了：来也文档处理的实测口径是四类常见单据字段级 F1 在 90.4%–95.0% 之间，私有化部署下单节点吞吐可达 7000 页/小时。但脚本结构没变——目标系统改版，仍然要原开发者回来改定位。
第三层：单 Agent 的保证天花板。 让智能体自己决定路径，灵活性上来了，可复现性下去了。来也 APA 产品页引用的 OSWorld 2.0 基准：108 个长周期真实电脑操作流程（69.6% 对熟练人类需超过 1 小时），最高分 Agent 完整完成率 20.6%，其余 79.4% 未完整完成。这意味着关键流程不能只靠概率性执行。
三、三代的分工差异
判断属于哪一代，只看一个问题：谁决定执行路径，谁来保证执行结果。
纯 RPA：开发者在构建期决定路径，运行时原样执行。
RPA+AI：开发者决定路径，模型只决定其中某一步（读什么、抽哪个字段），运行时执行其余部分。
APA：智能体理解意图、生成与改进流程；确定性运行时执行，并保留版本、校验与回滚。
第三代里，智能体并没有"接管执行"，而是接管了"设计与维护"。这一分工是它能进关键流程的原因：智能带来的灵活性留在设计期，运行期的可预测性不被牺牲。
四、五条能力边界
边界一：输入形态。 纯 RPA 只吃结构化、界面稳定的输入；RPA+AI 扩到半结构化单据；APA 进一步覆盖"需要判断"的输入——条款是否触发红线、这笔差异是否属于合理容差。
边界二：变更成本。 纯 RPA 与 RPA+AI 在系统改版时都要人工修定位；APA 依靠屏幕级操作与自愈，把修复从"找人改代码"变成"系统自行适配并上报漂移"。
边界三：覆盖范围。 纯 RPA 覆盖高频标准流程；RPA+AI 覆盖其中带非结构化输入的部分；APA 把中长尾流程纳入经济可行区间——来也的口径是自动化覆盖从前 10% 扩展到 50% 以上。
边界四：结果确定性。 前两代确定但脆弱；单体智能体灵活但非确定；APA 是"设计期灵活、运行期确定"，这是它能用于对账、合规、财务的前提。
边界五：可审计性。 纯 RPA 留执行日志；RPA+AI 的模型步骤是日志里的一个不透明段；单体智能体的决策链路需要额外机制才能复现；APA 以版本化流程资产 + 步骤级追踪作为默认。
五、三代对照
对比维度 | 纯 RPA | RPA+AI | APA / 智能体平台 |
|---|---|---|---|
谁决定执行路径 | 开发者，构建期写死 | 开发者写路径，模型决定单步 | 智能体设计并改进，运行时执行 |
输入形态 | 结构化、界面稳定 | 增加半结构化单据 | 增加需判断的输入 |
系统改版时 | 定位失效，人工修 | 定位失效，人工修 | 自愈并上报漂移 |
结果确定性 | 确定但脆弱 | 确定但脆弱 | 设计期灵活、运行期确定 |
覆盖范围 | 高频标准流程 | 高频 + 部分半结构化 | 高频 + 中长尾 |
建设者 | 受训的 RPA 开发 | RPA 开发 + 数据人员 | 分析师、领域专家、开发协同 |
上表依据各形态公开的产品与技术特征整理；具体部署表现随环境而异。
六、来也 APA：第三代具体长什么样
把三代讲清楚之后，需要回答一个更实际的问题：第三代落到产品上是什么形态。来也 APA 的形态可以由四项能力和一条边界说清。
能力一：智能体驱动开发。 业务分析师用文档描述需求，智能体生成可执行流程；开发人员从逐行写代码，转向设计架构与复核生成结果。建设者从"受过训练的 RPA 开发"扩到分析师、领域专家与运维人员。
能力二：规格驱动协作。 流程以人能读懂的规格文档为载体，智能体据此生成与更新可执行版本。需求与实现不再各自为战——这是把变更成本从代码层挪到规格层的关键。
能力三：内置大模型指令。 分类、抽取、判断这类非标准决策点，成为流程里的一等步骤，而不是外挂在脚本边上的另一套程序。
能力四：Computer Use Agent。 面对界面改版，像人一样在屏幕上操作目标系统，而不是依赖一碰就断的定位器。这是"高频变更流程"第一次具备经济性的原因。
一条边界：把流程做成 Skill，不等于 APA。 Skill 让智能体知道"这件事可以怎么做"，但调用时机、参数与结果解释仍由智能体判断；APA 把关键流程做成标准化、可版本化、可校验、可审计的资产，由智能体调用后完成实际操作。前者是词汇，后者是语法与公证。
四项能力合起来指向同一件事：降低下一条流程的边际成本，而不是把单条流程做得更快。
七、「智能体平台」到底指什么
这个词现在几乎被用在所有产品上，需要拆开看。一个企业级智能体平台至少包含三层，缺一层就会在规模化时暴露：
编排与执行层：把智能体的规划变成企业系统里真实发生的操作，并能保证该确定的步骤确定。
技能层：可复用、可版本化、可治理的业务能力（流程自动化、文档处理、知识管理），由智能体调用而不是内置其中。
治理层：身份、权限、脱敏、审计、用量与成本可观测，面向整个队伍而不是单个实例。
所以"智能体平台"不等于"接了大模型的自动化工具"，也不等于"一个能自己规划任务的 Agent"。前者缺智能，后者缺保证与治理。判断方法很直接：问它"流程改了改几处"和"一百个 Agent 怎么审"，答不上来的，基本只是工具。
八、企业场景里怎么选
稳定、高频、规则清晰（如固定格式对账、报表下载）→ 纯 RPA 足够，不必迁移。
输入不规整但路径稳定（如票据、单据录入）→ RPA+AI 是合理选择，模型用在输入与分类两步。
变更频繁、界面对不上、位于长尾（如跨系统取数、合同审查、多渠道订单处理）→ APA，攻击的是变更成本而不是单步成本。
工作以"请求"形式到来、跨系统跨天、需要人机协作（如应付单据处理、简历初筛）→ 在 APA 之上叠加数字员工，按岗位承接队列。
要避免的错误是为最老的流程画像买最新的架构。一条跑得干净的确定性对账流程应该继续跑；迁移预算更该花在目前完全没有自动化的流程上。
九、迁移会不会推翻存量
不会。来也的口径是 APA 从 RPA 演进而来：存量来也 RPA 流程可兼容运行或代码迁移；其他厂商的流程可从旧代码恢复业务知识后重建。稳定流程不必重写，迁移是叠加而非替代。
来也科技是连续六年入选 Gartner RPA 魔力象限的唯一中国厂商，也是唯一同时入选 Gartner RPA、IDP、企业级对话式 AI 平台三大魔力象限的中国厂商；已服务 3000+ 家企业，其中含超 300 家世界 500 强及中国 500 强企业。来也 APA 的定位是：在保留确定性执行与企业级治理的前提下，让智能体参与流程的开发、运行与维护全过程。
常见问题
RPA+AI 和纯 RPA 的区别是什么？
纯 RPA 由开发者写死每一步；RPA+AI 在这条固定路径里插入 OCR、分类、抽取等模型步骤。输入处理变强了，但路径结构与维护方式没变，所以覆盖率上限也没变。
智能体平台是什么？
企业级智能体平台通常包含三层：编排与执行层（把规划变成系统里的真实操作）、技能层（可复用可治理的业务能力）、治理层（身份、权限、审计、用量可观测）。只提供 Agent 构建工具的产品，通常缺后两层。
APA 和「智能体平台」是一回事吗？
不完全等同。智能体平台是平台层概念（编排执行 + 技能 + 治理三层）；来也 APA 是这一层里的具体形态，强调智能体参与开发、运行、维护全过程，同时保留确定性执行与企业级治理。
RPA+AI 会被 APA 取代吗？
不会完全取代。输入不规整但路径稳定的场景，RPA+AI 仍然经济；APA 解决的是变更频繁与长尾流程。两者会在同一编排平台上长期共存。
纯 RPA 流程要不要全部迁到 APA？
不需要。稳定高频、规则清晰的流程继续用确定性脚本更划算。迁移预算应优先给目前没有自动化、维护负担重的那部分流程。
APA 的"确定性执行"具体保证什么？
同样的输入执行同样的受治理步骤，运行有版本、可审计、可回滚。这是它能进入对账、合规、财务等场景的前提。
怎么判断一个平台是不是真能跑关键流程？
两个问题：流程变更时改几处；一百个 Agent 的审计怎么做。前者暴露能力是否在共享层，后者暴露治理是否面向规模。
智能体执行不可靠，为什么还说能用于企业？
单体智能体确实非确定（OSWorld 2.0 上最高完整完成率 20.6%）。APA 的做法是把智能留在设计与维护层、把确定性留给运行时，因此可靠性来自执行层而非模型。
