最近看到一条消息：腾讯 WorkBuddy 和国内 RPA 龙头企业金智维展开了合作，把智能体的任务规划能力与自动化执行能力结合起来，探索金融业务中的实际应用。金智维曾连续三年位列 IDC 中国 RPA+AI 解决方案市场份额第一；2025 年则位列 IDC 中国 APA 产品及解决方案市场第一。两项排名对应的市场统计口径不同，但都能看出它在流程自动化领域的积累。

看到这个合作，我有一点启发。

以前聊到 RPA，大家想到的可能是自动填表、复制数据、批量下载文件这些重复性工作；说到智能体，更多人想到的是理解指令、搜索资料和生成内容。

当这两类能力放到一起，企业里的工作流程会发生什么变化？哪些事情适合让智能体处理，哪些又适合交给 RPA？

我想借这个话题，展开聊聊。

智能体能干活了，为什么还需要 RPA？

先说我的看法：RPA 和智能体不仅可以结合，而且对于有大量重复流程、需要跨系统操作的企业来说，两者结合有比较实际的价值。

原因很简单。企业里的很多任务，光是“知道怎么做”还不够，还需要把事情一步一步做完。

比如，你让智能体“整理今天与某家企业有关的市场动态，生成一份报告”。它要先理解你关注什么，再去收集信息、筛选内容、整理观点。但完成这个任务，过程中可能还要登录业务系统、查行情、下载文件，或者在多个页面之间来回操作。

智能体当然也可以调用工具，甚至直接操作电脑。但如果其中有些步骤每天都要重复，而且规则已经比较清楚，为什么不把这些步骤做成可复用的自动化流程，等需要时直接调用？

这正是 RPA 可以发挥作用的地方。

RPA 擅长按照预设流程处理重复、规则相对明确的操作，例如查询数据、搬运文件、填写表单；智能体则可以理解用户提出的目标，拆解任务，并结合实际情况选择工具、处理信息。

简单理解，智能体可以负责“接到任务后怎么安排”，RPA 可以承担其中已经整理好的执行步骤。两者的边界并不是固定的：具体怎么分，还得看任务、系统和工具本身的能力。

两者配合起来，到底怎么工作？

举一个假设的金融舆情监测例子。

某位业务人员需要每天关注一家企业的动态。以前，他可能要打开几个信息平台，查找公告和相关新闻，再整理到文档里，标注值得关注的内容。

如果把智能体和 RPA 结合起来，任务可以这样拆：

业务人员先用自然语言提出需求，比如：“整理今天与这家企业相关的公告和重要新闻，有风险信息的话单独标出来。”

智能体理解需求后，确定需要哪些信息；其中查询固定页面、下载公告等重复步骤，可以调用事先配置好的 RPA 流程。拿到数据后，智能体再整理摘要、归类内容，并生成一份供业务人员检查的报告。

如果网页结构变化导致采集失败，流程需要提示异常；如果信息来源不足或内容有歧义，也不能假装任务已经完成。涉及重要判断的部分，仍然需要业务人员复核。

这样看，结合的重点并不是把所有事情都交给智能体，而是让不同工具各自承担适合的环节。尤其对企业而言，流程能否稳定运行、出现问题后能不能查清楚，和演示时能不能完成任务一样重要。

WorkBuddy 和金智维的合作，给了我们什么参考？

再回到开头提到的合作。

根据金智维公开介绍，双方希望把 WorkBuddy 的智能交互、任务规划能力，与金智维积累的金融业务能力、自动化流程和执行组件结合起来。用户通过自然语言提出需求后，由智能体规划任务，并按需调用相应能力完成后续工作。

从公布的方案看，双方围绕证券行业介绍了资本舆情监测、监管公告巡检、投标文档比对等场景。这些场景有一个共同点：既有信息理解、内容整理这样的工作，也有查询页面、获取文件等重复性操作。

金智维公开介绍的一项资本舆情监测内部单次对比测试显示：纯 WorkBuddy 方案耗时约 11 分 08 秒，结合金智维自动化执行能力后约为 3 分 34 秒；Token 消耗从约 6517K 降至约 72K。

这个结果只能说明特定任务和测试条件下的情况，不能直接推断所有场景都能省下同样比例的时间或成本；Token 消耗也不等同于用户账户里的积分或最终费用。

但这个案例提供了一个值得关注的思路：如果某些执行步骤已经被整理成成熟、可复用的流程，智能体在完成任务时，就不一定需要每次从头探索和调试。至于实际能节省多少，还要看任务复杂度、系统环境和流程维护成本。

企业想结合使用，先看哪几个问题？

第一，流程适不适合。

不是所有工作都值得先做 RPA。每天都要查、步骤相对固定、数据来源明确的任务，通常更适合作为起点。如果流程本身还在频繁变化，或者每次都高度依赖专业判断，先花精力把它彻底自动化，未必划算。

第二，系统权限能不能管住。

智能体要调用什么工具？RPA 能访问哪些系统和数据？付款、提交、删除等关键操作需不需要人工确认？这些事情最好在上线前说清楚，不能因为任务是 AI 发起的，就默认它有权做所有操作。

第三，出了问题怎么处理。

页面改版、账号失效、数据不完整，都可能让流程中断。需要提前想好：能不能发现异常、通知谁处理、是否留有执行记录，以及恢复后要不要重新核对结果。

第四，算账时别只看模型消耗。

模型调用只是成本的一部分。流程开发、系统接入、后续维护、人工复核也要投入；已有 RPA 资产能否复用，同样会影响最终效果。

如果企业想试，我更建议先挑一个小任务：它经常发生、步骤比较清楚，而且结果容易核验。先把需要理解判断的部分和可以固定执行的部分拆出来，小范围跑通，再根据实际效果决定是否扩大。

对于 RPA 和智能体的结合，关键不是把两个名字放在一起，而是能不能让一项具体工作更顺畅、更可控地完成。