以 Agentic 自动化提升效能

自诞生起，自动化故事是线性进步。从机器人流程自动化（RPA）到智能文档处理（IDP），每项创新都让企业更高产、盈利、敏捷。

但现在，更大变革正发生。新技术——Agentic 自动化——打破增量改进循环，解锁前所未见的工作流重塑。

Agentic 自动化不聚焦单一任务，而是利用机器人、AI、编排从头到尾攻克整个工作流。其核心是 AI 代理——能感知环境、导航未知领域、即时决策的自主软件实体。

捕获 Agentic 自动化价值蓝图是我们近期季度网络研讨会 UiPath Live：通往 Agentic 自动化之路的主题。我们有幸采访全明星小组——AI 科学家、自动化专家、企业领袖——探讨此变革对企业今昔未来的意义。

大多数领导者尚未领会 Agentic 自动化潜力规模。但已悟极少数人已蓄势待发，准备从这项颠覆性技术收割最大红利。

Agentic 自动化重塑工作方式的三大领域

传统自动化对结构化、规则任务仍关键，但 Agentic 自动化在不可预测领域大显身手。看它如何跨越曾似不可逾越的鸿沟。

1. 从规则到推理

你多少业务流程依赖多变格式输入？有多少不完美数据？

对多数组织，答案是太多。

历史上，自动化难应对数据不一致。若信息未以结构化标准包到达，员工必须介入——在系统间翻译数据、清洗差异、手工重格式化。他们的时间本可更好利用，但这些不规则让他们别无选择。直到 AI 代理登场。

AI 代理在模糊中茁壮。它们不需要完美数据运行。UiPath AI 战略主管 Dr. Edward Challis 对 UiPath Live 主持人 Mary Tetlow 与 Geoff Anderson 解释：“代理提供强大方式处理数据持续变化的任务。”代理不需员工手工结构化每个输入，能接收高层目标并确定处理混乱、不完整、不一致数据的最佳方式。

此技能在数据格式差异大的行业尤为宝贵。以 WEX 为例，全球金融科技提供商每天处理海量医疗理赔。结构化理赔——标准字段的干净数字提交——易由 RPA 处理。但大量以更乱格式到达，如医生手写笔记、模糊表单。过去员工必须人工理清混乱才能处理理赔，导致客户挫败延迟、WEX 成本上升。

现在，AI 代理自动处理这种变异性。它们提取关键细节、交叉核对合规要求、仅将最复杂案例升级给人工团队。

2. 从任务自动化到工作流重塑

多变输入非企业广泛自动化唯一障碍。还有压倒性流程复杂性。过多条件“如果”、过多变体、过多例外……在某临界点，尝试用传统方法自动化此类工作流变得笨重。“为自动化定义每个场景要运行的流程太耗时，”Dr. Challis 指出。

Agentic 自动化采取根本不同路径。代理不遵循脚本，而是推理问题——判断什么重要、什么需关注、什么可自主处理。

但它们不孤军奋战。AI 代理在融合人类直觉、机器人精度、代理适应性的生态系统中最强。例如，代理可能将复杂工作流拆解为子任务：RPA 机器人做数据录入、API 拉取实时市场价、人处理边缘案例。

Dr. Challis 比作烤蛋糕。“执行食谱时，你有很多选择：用哪黄油、怎么拿黄油、用哪碗，”他说。“所以在能动性与该流程如何完成的定义惯例间有那种灵活性。”

这种结构与适应性平衡适合许多顽固企业挑战。反洗钱（AML）系统是金融机构安全框架核心部分。但远非完美——传统工具倾向用误报淹没合规团队。某些情况误报高达 90%，迫使团队在噪音中筛选真实风险。

AI 代理擅长过滤误报识别真实威胁。它们分析结构化与非结构化数据——发现如小额重复转账等信号真实风险模式。如 Live 嘉宾 Craig Le Clair，Forrester 副总裁兼首席分析师指出，代理已证明能在该流程中减少 60% 误报。这释放合规团队聚焦高优调查而非陷于不必要审查。

3. 从编码到协作

为实现 AI 代理作为协作伙伴的全部价值，员工需能用自然语言与其沟通。ChatGPT 等大语言模型（LLM）本应解锁此类伙伴关系，但对非程序员现实更复杂。

虽 LLM 响应纯语言提示，但让它们交付正确结果仍需编程知识——即深度理解问题分解与代码验证。简单说，知晓问什么只是半边仗。你还需知道返回结果是否正确。

我是程序员，若 LLM 回 100 行代码，我能读懂并判断是否真做我想要的事。但我非程序员朋友试同事，很难搞清输出是否真为她所要。你需要大量专业知识甚至才能检查。
— Dr. Sarah E. Chasins, UiPath 首席应用科学家

Agentic 自动化消融此壁垒。员工可描述目标——哪怕模糊——让代理将指令转化为行动。这对 WEX 变革巨大，团队无需再将业务需求转为刚性逻辑。

我不必花周数走遍每个确定性场景，我能向开发者传达我想要的目标。我要找的业务产出是什么？然后我能真看到这些协同工作。所以它在产品与技术团队间创造了过去传统编码未有的开放性。
— Emily Krohne, WEX 企业自动化负责人

这些能力令人印象深刻……但如何确保 AI 代理不失控？

直面屋里的大象：代理能跨系统、跨流程运作，如何确保它们做我要它们做的事？

合理担忧。代理非确定性，固有不可预测性正是其强大之源。安全实施 Agentic 自动化需正确护栏确保代理可靠、安全、透明运行。

保持人在环

代理以一定自主性运行，但不意味应放任不管。多数企业用例中，它们将作为决策支持工具而非完全自主行动者。Dr. Challis 明确：“未来几年，代理将做些研究、提提案，但人需审查。任何大变更前，我们将设人工检查点。”

持续监控

可见性即一切。为确保 AI 代理按预期运行，组织需设计期与运行期的实时监控。

UiPath 产品管理高级经理 Zach Eslami 强化此点：“[透明度]是确保你的代理在孤岛环境与外部世界良好运行的关键方面。”组织需可见代理如何决策，以随时间绩效、确保其与业务目标对齐。

将 AI 代理与确定性 RPA 机器人配对是保持控制最佳方式之一。代理适应并做上下文驱动决策，RPA 机器人遵循严格规则逻辑——在灵活性与可预测性间创造平衡。“我们相信我们的代理展示新级受控能动性，因它们不只是与工具应用交互，”Eslami 解释。“它们不自我生成计划。它们能利用人与机器人创造新级确定性输出，确保按用户与客户期望方式运行。”

与受信供应商合作

信任是有效企业自动化基石。不只是技术信任，更是将技术落地的伙伴关系信任。Krohne 提到 WEX “与 UiPath RPA 工具的历史让我们更快扩展代理。”

当 AI 代理建立在现有自动化基础设施之上，它们不觉破坏性。反而成为企业已在做之事的自然延伸——增强工作流而非彻底改造。Eslami 强化此点：“最终，我们见代理能构建在现有 UiPath Platform™ 之上。意味着它们能利用我们所有可用的惊人自动化工具。”

但打地基只是第一步。为释放 Agentic 自动化全部潜力，企业需大规模构建、部署、管理 AI 代理的方式。

UiPath Agent Builder 给团队工具设计贴合业务需求的代理。内置监控与治理，企业可自信部署 AI 代理——知从首日即按预期工作。立即加入 Agent Builder 等候名单，成为探索自动化新纪元的首批人。

为更深入剖析 Agentic 自动化当下与未来，点播观看完整 UiPath Live：通往 Agentic 自动化之路。