Agent AI vs RPA: kiedy boty, a kiedy agenci?

RPA (Robotic Process Automation) automatyzuje oparte na regułach, zawsze identyczne procesy za pomocą botów UI i stałych skryptów, deterministycznie i bez rozumienia treści. Agent AI wykorzystuje (duży) model językowy, aby autonomicznie realizować cel: planuje wieloetapowo, dynamicznie dobiera narzędzia i dostosowuje swoje działanie. Praktyczna zasada: RPA do ścieżek, które da się zaplanować, agent do zadań, których przebiegu nie można ustalić z góry.

Najpierw szybka odpowiedź:

• RPA = z góry określona ścieżka. Bot klika, kopiuje i wpisuje dokładnie te kroki, które programista raz ustalił. Bez decyzji, bez rozumienia, z pełną powtarzalnością.
• Agent AI = dynamiczna decyzja. LLM ocenia sytuację, planuje kroki pośrednie, samodzielnie dobiera narzędzia i koryguje swój plan, aż cel zostanie osiągnięty albo zadanie przerwane.
• Połączenie = podział pracy. Agent odpowiada za interpretację i decyzję, a bot RPA za niezawodne, ustandaryzowane wykonanie.

RPA i agent AI: dwie różne logiki działania

RPA odtwarza ludzkie sekwencje kliknięć. Robot programowy obsługuje aplikacje przez ich interfejs: odczytuje pola, kopiuje wartości między systemami, wypełnia formularze. Działa to doskonale, dopóki proces jest stabilny i w pełni opisywalny regułami: „Gdy wpłynie faktura, przenieś kwotę, datę i dostawcę do systemu ERP”. Logika to deterministyczny skrypt; przy identycznych danych wejściowych zawsze powstaje identyczny wynik.

Agent AI działa zupełnie inaczej. Jego rdzeniem jest LLM działający w pętli rozumowania (Perceive → Reason → Act → Observe): odbiera zadanie, zastanawia się nad kolejnym sensownym krokiem, wywołuje narzędzie lub API, obserwuje wynik i ponownie podejmuje decyzję. Kolejność kroków i wybór narzędzi nie są ustalone z góry, lecz powstają w czasie działania. Właśnie to sprawia, że agenci są elastyczni przy zadaniach z wieloma rozgałęzieniami, nieustrukturyzowanymi danymi wejściowymi (e-maile, pliki PDF, dowolny tekst) i nieprzewidywalnymi wyjątkami.

Bezpośrednie porównanie

Kluczowa linia podziału: RPA podąża ścieżką, którą można w pełni zaplanować z góry. Agent ma sens dopiero wtedy, gdy ścieżki rozwiązania nie da się ustalić z góry, czyli gdy potrzebna jest ocena, interpretacja lub dobór narzędzi zależnie od sytuacji.

Konkretny przykład: przetwarzanie faktur

Przychodzące faktury od dostawców mają zostać zaksięgowane w systemie ERP.

• Czysty przypadek RPA: wszystkie faktury przychodzą jako ustrukturyzowany plik XML/EDI, zawsze w tym samym formacie. Bot RPA odczytuje pola, sprawdza je według stałych reguł i księguje. Szybko, tanio, bezbłędnie i powtarzalnie. Agent byłby tu przerostem formy nad treścią i kosztowałby więcej.
• Przypadek dla agenta AI: faktury trafiają jako PDF, zdjęcie lub załącznik e-mail w zmiennych układach, niektóre są niekompletne, inne wymagają wyjaśnień. Agent odczytuje dokument za pomocą LLM, porównuje go z danymi zamówienia, wykrywa rozbieżności, w razie niejasności formułuje pytanie i dopiero wtedy przekazuje fakturę do zaksięgowania.
• Połączenie (standard w praktyce): agent odpowiada za odbiór, klasyfikację i decyzję; bot RPA następnie niezawodnie wykonuje w ERP ustandaryzowaną, podlegającą audytowi ścieżkę kliknięć księgowania. Dzięki temu część niedeterministyczna ogranicza się do interpretacji, a krytyczna transakcja pozostaje deterministyczna i możliwa do prześledzenia.

Kiedy RPA, kiedy agent, a kiedy połączenie obu?

Wybierz RPA, gdy: proces jest stabilny i ma duży wolumen, dane są ustrukturyzowane, ścieżkę da się w pełni opisać regułami, a liczy się pełna powtarzalność i łatwy audyt (typowo w finansach, onboardingu HR i zarządzaniu danymi podstawowymi).

Wybierz agenta AI, gdy: ścieżka rozwiązania jest zmienna, trzeba interpretować dane nieustrukturyzowane, wyjątki są częste lub kilka narzędzi trzeba łączyć zależnie od sytuacji. Praktyczna zasada: agent opłaca się dopiero wtedy, gdy ścieżki nie da się zaplanować z góry; w przeciwnym razie RPA jest tańsza i stabilniejsza.

Połącz oba podejścia, gdy: proces ma „miękki”, wymagający wielu decyzji początek (klasyfikacja, ekstrakcja, ocena) i „twarde”, ustandaryzowane zakończenie (zawsze ta sama transakcja). Agent orkiestruje i decyduje, RPA wykonuje. To często najbardziej opłacalna i najbardziej przyjazna dla compliance architektura, ponieważ krytyczny krok pozostaje deterministyczny.

Inteligentna automatyzacja: RPA plus AI

Inteligentna automatyzacja (Intelligent Automation) oznacza połączenie RPA z komponentami AI, takimi jak modele językowe, uczenie maszynowe i rozumienie dokumentów. RPA zapewnia deterministyczne wykonanie, a AI przejmuje interpretację i decyzję. Pojęcie to opisuje wzorzec architektury, a nie odrębną kategorię oprogramowania: właśnie połączenie bota i agenta, o którym mowa w tym artykule.

Różnica w jednym zdaniu: RPA to narzędzie do wykonania, agent AI to narzędzie do podejmowania decyzji, a inteligentna automatyzacja to pojęcie nadrzędne dla systemów, które łączą jedno i drugie. Pokrewnym pojęciem jest hiperautomatyzacja; obejmuje ona dodatkowo process mining i systematyczne wyszukiwanie kolejnych procesów nadających się do automatyzacji.

• Warstwa wykonawcza: boty RPA lub workflowy oparte na API deterministycznie realizują zawsze takie same transakcje.
• Warstwa rozumienia: modele językowe i OCR odczytują e-maile, pliki PDF i dowolny tekst, przekształcając je w dane ustrukturyzowane.
• Warstwa decyzyjna: agent AI lub klasyfikator ML wybiera kolejny krok, łącznie z eskalacją do ludzi.
• Orkiestracja: silnik workflowów, taki jak n8n, łączy warstwy i rejestruje każdy krok.

W praktyce szukanie inteligentnej automatyzacji sprowadza się do tego samego pytania co porównanie RPA i agenta: która część procesu daje się zaplanować, a która wymaga interpretacji? Omówienie tego, kiedy wystarcza klasyczna automatyzacja, znajdziesz w tekście Kiedy agentowa AI, a kiedy klasyczna automatyzacja.

Koszty, ryzyko i zderzenie z rzeczywistością

Agenci nie są automatycznie lepszymi botami. Generują wyższe i trudniejsze do oszacowania koszty (tokeny, kroki rozumowania), działają niedeterministycznie i wymagają obserwowalności, limitów pętli oraz, przy nieodwracalnych działaniach takich jak płatności, human-in-the-loop. Kto zastępuje stabilny proces oparty na regułach agentem, często zamienia niezawodność na złożoność.

Rynek pokazuje, że ten odruch jest ryzykowny: według Gartnera (czerwiec 2025) ponad 40% projektów agentowej AI zostanie prawdopodobnie przerwanych do końca 2027 roku. W badaniu McKinsey State of AI 2025 23% respondentów twierdzi, że ich firma skaluje co najmniej jeden system agentowej AI. Jednak w żadnej pojedynczej funkcji odsetek respondentów, którzy deklarują skalowanie agentów, nie przekracza 10%. Trzeźwa interpretacja: RPA pozostaje narzędziem pierwszego wyboru dla procesów, które da się zaplanować, a agenci celują w przypadki, których RPA ze względu na swoją konstrukcję nie jest w stanie rozwiązać.

Podsumowanie

RPA i agenci AI konkurują ze sobą rzadziej, niż sugeruje marketing. RPA to deterministyczny specjalista od stałej ścieżki; agent to elastyczny generalista od otwartej ścieżki. Decyzja zaczyna się od jednego pytania: Czy ścieżkę rozwiązania da się w pełni zaplanować z góry? Jeśli odpowiedź brzmi tak, RPA niemal zawsze jest tańsza i bezpieczniejsza. Jeśli nie, agent pokazuje swoją siłę, najlepiej z RPA jako niezawodnym ramieniem wykonawczym w tle.