去年底接了一个加工型企业的项目，对方两年前花了将近三十万买了一套 RPA，跑了 12 条流程，主要是从供应商邮箱里抠 PDF 订单、从银行网银下流水、给老 ERP 录单。今年初他们老板看了一波 AI Agent 的演示，突然觉得「这玩意儿是不是把我那套 RPA 干掉了」，让 IT 给个说法。IT 负责人很为难——RPA 跑得好好的，每天处理几百单，错误率低于 0.5%，但确实有些流程，比如审单时要看附件判断业务规则的，RPA 越调越累、维护成本越来越高。最后我们陪着他们做了一轮盘点：12 条流程里，4 条继续留给 RPA，3 条改用 AI Agent，5 条做成 RPA + Agent 混合架构。这个比例很有代表性，今年我们接的 RPA 改造项目里，类似的「保留四成、AI 化三成、混合三成」分布是普遍现象。
2026 年这个时点上，RPA 没有死，但确实被 AI Agent 蚕食了大约 1/3 的市场。如果你正在用 RPA、或者正准备买，下面这套判断框架可能比厂商话术更有用——我们会先聊 RPA 残存价值的 4 类场景，再给出 RPA vs AI Agent 的客观对比表，最后回答「已经买了要不要换」的决策问题。
RPA 现在的处境：被蚕食，但还没死
2024 年是 RPA 估值的高点，2025 年开始进入分化期。一方面，AI Agent 的能力快速进步，能搞定的「带判断流程」越来越多——读邮件、看附件、做归类、跨系统对账，这些原本是 RPA 的拳头场景，现在被 LLM 一两个提示词就解决了。另一方面，RPA 在「确定性、稳定性、可审计」这三个维度的优势依然稳固，AI Agent 在 2026 年的成熟度还不足以全面接管。
从我们今年盘的几个项目看，RPA 真实的存量盘子大概是这样的分布：
| 流程类型 | 2024 年占比 | 2026 年现状 | AI Agent 蚕食率 |
|---|---|---|---|
| 财务对账/银行流水 | 25% | 20% | 偏低，稳定性优先 |
| 邮件订单录入 | 18% | 6% | 高，LLM 抽取更稳 |
| ERP 跨系统过单 | 15% | 12% | 偏低，受老系统约束 |
| HR/工资计算 | 10% | 8% | 中，规则类被 AI 化 |
| 报表汇总/抓取 | 12% | 5% | 高，AI 直接出报表 |
| 操作录屏类（无 API） | 10% | 12% | 极低，反而升值 |
| 合规审单/双人复核 | 8% | 10% | 极低，合规要求人审 |
| 其他长尾 | 2% | 27% | 混合，难分割 |
可以看到，被 AI Agent 蚕食最厉害的是「邮件处理」「报表抓取」这类带语义理解的场景，而「操作录屏」「合规审单」反而占比上升——不是绝对量增加，而是 AI 啃不动，残存价值就显出来了。
RPA 真有不可替代的 4 类场景
我们今年在做 RPA + AI Agent 项目时，反复推过一套场景分类，最后归纳出 4 类 RPA 在 2026 年依然不可替代的场景。这不是为厂商背书，而是从工程实现角度看，AI Agent 在这几类任务上要么做不到、要么成本太高。
第一类：老系统没有 API、UI 还偶尔变动
不少 2000 年代上的 ERP、HIS、银行核心系统，至今没有对外开放的 API，所有操作都得在客户端或网页 UI 上完成。这种场景下，AI Agent 要做的事情和 RPA 一样——识别屏幕、点按钮、填字段。但 RPA 已经在这上面打磨了十年，元素识别、异常重试、UI 变动后的快速重录，工具链非常成熟。AI Agent 用 Vision 模型去做同样的事情，token 成本是 RPA 的 5-20 倍，且稳定性还不如 RPA 的传统元素定位。
第二类：银行级稳定性要求的批处理
财务对账、银行流水拉取、批量过单这类任务，每天可能要跑几千甚至几万次，要求 99.9% 以上的成功率。AI Agent 现在的「幻觉」「漂移」问题在批量场景下会被放大——一次幻觉可能影响几百单。RPA 的脚本是确定性的，跑一千次结果都一样，这在财务、银行场景是刚需。今年我们见过一家公司用 AI Agent 替代 RPA 跑对账，跑了一周发现 0.3% 的差错率，按他们的体量一周漏掉了几十万的差异，被财务总监直接打回去了。
第三类：操作录屏类、流程极其固定
有些场景就是「打开软件、点这里、填这个、按确定」，整个流程毫无判断、毫无变化。比如某些政府申报系统、税务系统、海关单证系统的录入。这类任务用 AI Agent 是杀鸡用牛刀，且任何 LLM 调用都会引入不确定性。RPA 录一遍、跑一年，反而是最省心的方案。我们今年还在为客户新建 RPA 流程的，几乎都集中在这一类。
第四类：强合规、必须留痕的人审环节
银行、保险、医疗、电力等行业，很多流程被监管要求「必须有人工复核环节」「必须留可追溯日志」。RPA 的执行日志格式标准、可审计，监管方很熟。AI Agent 的思考过程虽然也能记录，但「LLM 输出是否可信」「能不能作为合规证据」目前还在监管观望期。这类场景里，把 AI Agent 当辅助、把 RPA 当执行人，是合规友好的姿势。
如果你手上的 RPA 流程基本属于这 4 类，2026 年不用动，继续跑。属于其他类的，可以认真评估 AI 化。这种分类盘点的思路，和我们在 AI Agent 落地路线图 里讲的「先做能力分箱、再决定改造顺序」是一致的。
RPA vs AI Agent：四个维度的客观对比
为了让对比更具体，我们整理了一张 2026 年的能力对比表。这里不站队、不贬低，只列工程现实：
| 维度 | RPA | AI Agent | 评注 |
|---|---|---|---|
| 稳定性 | 高，确定性脚本 | 中，受模型漂移影响 | RPA 仍是批量场景首选 |
| 单次执行成本 | 低，无 token 费用 | 中高，按 token 计费 | 高频任务 RPA 优势明显 |
| 开发成本 | 中，需录制+调试 | 中低，自然语言定义 | AI Agent 起步快 |
| 维护成本 | 高，UI 一变就坏 | 低，模型适应力强 | AI Agent 长期省心 |
| 处理判断类任务 | 弱，规则地狱 | 强，原生擅长 | 带语义理解优先 Agent |
| 处理录屏类任务 | 强，工具链成熟 | 弱，成本高且不稳 | 录屏类优先 RPA |
| 跨系统集成 | 一般，靠桌面操作 | 强，能调 API | API 充足时 Agent 完胜 |
| 可审计性 | 强，日志标准 | 中，思考过程可记录但难审 | 强监管行业 RPA 占优 |
| 部署形态 | 桌面/服务器 RPA | 云端/混合云 | Agent 部署更轻 |
| 扩容能力 | 受机器数限制 | 弹性强 | 突发流量 Agent 优 |
把这张表打印出来贴在墙上，下次再有人问「RPA 是不是要被 AI 干掉了」，你就指着表说「看场景」。
已经上了 RPA 的企业，3 类不同处境
接下来回答最实际的问题：已经买了 RPA、跑了一段时间，现在要不要换。我们按企业现状分三类。
第一类：跑得稳、流程多、合同还有 2 年以上
代表企业：金融机构、大型制造、合规要求高的行业。建议：续费照样续，新建流程按上面 4 类场景分流——属于 RPA 强项的继续上 RPA，属于 AI 强项的引入 AI Agent。重点是别让两套系统彼此孤岛，给它们建一个统一的「自动化中台」，统一调度、统一监控、统一日志。
第二类：跑得马马虎虎、流程不多、合同快到期
代表企业：中型企业当初追风口上了 RPA。建议：到期前做一次彻底盘点，把现有 6-10 条流程逐条分析。能 AI 化的转 AI，剩下的如果不超过 3-4 条，可以考虑不续费、改成「按需开发」的 AI Agent + 轻量 RPA 工具组合，每年成本能砍掉一半以上。
第三类：买回来基本没跑起来、人都走了
代表企业：当初被销售忽悠或老板拍板买的，落地不顺。建议：直接退出 RPA 赛道，剩余预算全部转向 AI Agent。这类企业当初 RPA 跑不起来的根因不是工具问题，是流程不够稳定、IT 能力不够。AI Agent 的「容错性」反而能让这种企业第二次尝试自动化时少踩坑——AI 可以处理「不太规整」的输入，对流程稳定性要求低很多。
这三类对应不同的预算分配。我们在 企业 AI 成本失控 里讨论过怎么避免「自动化越买越贵」的陷阱，这里同样适用：续费决策前先盘存量，别让旧工具吃掉新预算。
混合架构：RPA 执行 + AI Agent 决策
2026 年最成熟的姿势不是「替换」，而是「混合」——让 RPA 留在执行端，让 AI Agent 做决策端。这套架构的核心拆分如下：
| 层级 | 主力工具 | 职责 |
|---|---|---|
| 接入层 | AI Agent | 读邮件、看附件、识别语义、提取字段 |
| 决策层 | AI Agent + 规则引擎 | 判断业务规则、做分支、调用人工复核 |
| 执行层 | RPA | 在老系统点按钮、填表单、生成单据 |
| 监控层 | 统一编排平台 | 全流程日志、异常告警、重试调度 |
| 反馈层 | AI Agent | 异常分析、流程优化建议、生成报表 |
这种架构的好处是：AI Agent 发挥语义理解能力，RPA 发挥稳定执行能力，互不抢戏。一个典型的例子，订单处理流程：AI Agent 从邮箱里抓订单 → 看 PDF/Excel 附件提字段 → 判断是否符合开单规则 → 决定走 A 客户的流程还是 B 客户的流程 → 调用 RPA 在老 ERP 里录入 → RPA 回传结果 → AI Agent 写入主数据并通知销售。
落地这种架构时，AI Coding 让定制开发的成本不再等比例贵——以前要把 AI Agent 和 RPA 串起来，光做对接工作就要花几十人天。今年用 Claude Code 类工具配合，类似的对接活基本能压到原来的 1/3，复杂业务规则的代码化也快了 2-3 倍。这让「混合架构」从大企业专利变成了百人级中小企业也能用得起的方案。
RPA 厂商在 2026 年的转型路径
最后聊聊主要 RPA 厂商在做什么。这里只做客观描述，不评价好坏。
UiPath 在 2024 年推出了 Autopilot，把 LLM 能力嵌进了自家产品线，2025 年又在做 Agent Builder，路线很清晰——从 RPA 平台往「智能自动化平台」转，目标是不让客户因为 AI Agent 跑去别家。来也、艺赛旗等国产厂商也在补 AI 能力，部分做了自家小模型和 LLM 路由层，覆盖国内合规要求。影刀 RPA 这两年在中小企业市场跑得很快，主打「快速上手 + 价格亲民」，今年也在加 AI 调用能力。
观察 RPA 厂商的健康度有几个指标可以看：一是 AI 化的产品路线图是否清晰，二是开发者社区活跃度，三是大客户续费率，四是新签合同里「纯 RPA」和「RPA + AI」的比例。如果你要选型，把这几个指标问清楚，比看官网宣传材料有用得多。这套尽调思路在我们 软件厂商尽调 里讲过更细的版本。
决策卡：要不要继续/启动 RPA
把上面所有内容收口成一张决策卡，五个问题回答完，结论基本能出来：
| 问题 | 选 RPA 加分项 | 选 AI Agent 加分项 |
|---|---|---|
| 主要场景有 API 吗？ | 无 API +1 | 有 API +1 |
| 任务要带判断吗？ | 几乎不带 +1 | 必须带 +1 |
| 每天执行频次？ | 千次以上 +1 | 百次以下 +1 |
| 合规留痕要求？ | 强监管 +1 | 一般 +1 |
| 团队 IT 能力？ | 有 RPA 经验 +1 | 团队懂 AI 工程 +1 |
5 个问题里 RPA 得 3 分以上，继续/启动 RPA；AI Agent 得 3 分以上，主选 AI Agent；如果两边都拿到 2 分，那就上混合架构，让两者各干各的。
如果你正纠结老 RPA 怎么过渡，可以再看一眼 AI Agent vs RPA vs 低代码的能力边界 和 AI 工作流自动化案例，里面有更多落地细节。
结语
RPA 在 2026 年依然有它的位置，但不是过去那个「一上就管一切自动化」的角色，而是退守到了 4 类场景里——老系统没 API、银行级稳定性、操作录屏类任务、合规人审。AI Agent 接管了「带判断」的那部分，两者一起组成新的自动化形态。
对企业来说，现在的关键不是「换或不换」，是「盘清楚现有流程归到哪一类」，然后再做续费/新建/退出的决策。买方一旦把眼光从单一工具升级到「自动化全景图」，预算花在刀刃上的概率会高很多。AI Agent 接业务出结果可衡量、RPA 留在执行端稳如老狗，这两件事在 2026 年是可以共存的。
