AI-agent eller RPA til jeres automatisering?
RPA og AI-agenter løser forskellige problemer. RPA er det rigtige valg når flowet er deterministisk: de samme trin, de samme systemer, hver gang. AI-agenter håndterer det RPA ikke kan klare: ustruktureret indhold, fortolkning og undtagelser. RPA-robotter er desuden skrøbelige når brugerflader ændres. Stadig flere ender med et hybridmønster hvor agenten orkestrerer og RPA udfører de gentagne trin.
Mange organisationer der investerede i RPA for fem–ti år siden, står nu med det samme spørgsmål: Erstatter AI-agenter robotterne, eller er agenterne bare den næste hype? Svaret er hverken eller. RPA og AI-agenter er to generationer af automatisering med forskellige styrker, og det stærkeste mønster lige nu er at kombinere dem.
To generationer, to logikker
RPA (Robotic Process Automation) automatiserer ved at efterligne brugeren: Robotten klikker, kopierer og indsætter sig gennem de samme trin hver gang, ofte direkte i brugerfladen på systemer der mangler API’er. Styrken er determinisme: De samme inputdata giver det samme udfald, sporbart og forudsigeligt.
AI-agenten automatiserer ved at forstå: Den læser ustruktureret indhold, afgør hvad der skal gøres, og bruger værktøjer i flere trin mod et mål. Styrken er dømmekraft. Prisen er at udfaldet ikke er deterministisk og derfor kræver rammer, logning og evaluering.
Hvor RPA er stærkest, og hvor det kommer til kort
RPA er stadig det rigtige værktøj når flowet er regelstyret og stabilt: flytte felter fra system A til system B, registrere standardiserede bilag, køre månedlige rutiner med faste formater. Høje volumener, lav variation, klare regler: Dér er en robot billig og pålidelig.
Manglerne ligger i kanterne. RPA kan ikke håndtere ustruktureret indhold: mails der beskriver problemet med egne ord, vedhæftede filer i skiftende formater, sager der ikke følger skabelonen. Undtagelserne ender i en manuel kø. Og robotterne er skrøbelige: Fordi mange styrer via brugerfladen, går de i stykker når en knap flyttes eller et felt omdøbes. Med årene bliver vedligeholdelsen af robotparken en selvstændig omkostningspost, som sjældent stod i den oprindelige business case.
Hvor agenten tager over
AI-agenten begynder hvor reglerne slutter. Den læser mailen i fritekst, forstår at kunden vil hæve et køb selvom ordet aldrig nævnes, henter ordren, vurderer sagen i forhold til politikken og foreslår eller udfører handlingen. Den håndterer den variation der ville kræve hundredvis af regler i et RPA-flow, og de undtagelser der ellers lander hos en sagsbehandler.
Skrøbeligheden ser også anderledes ud: Agenter der arbejder via API’er, påvirkes ikke af at knapper flyttes. Deres risiko er i stedet kvalitetsdrift, altså at svar og beslutninger bliver dårligere uden en tydelig alarm. Det er grunden til at evaluering og logning er obligatoriske dele af en seriøs agentløsning og ikke tilvalg.
Omkostningsbilledet over tid
| Omkostningspost | RPA over for AI-agent |
|---|---|
| Investering | Udvikling pr. proces over for udvikling af agent, integrationer og guardrails |
| Løbende | Licenser pr. robot og miljø over for tokenomkostning pr. kald |
| Vedligeholdelse | Reparation når brugerflader ændres over for evaluering, overvågning og vedligeholdelse af prompts |
| Skjult post | Undtagelserne der håndteres manuelt over for kvalitetsdrift uden tydelig alarm |
Regn altid på totalomkostningen over et par år. En robot med en lav licens, men fyrre vedligeholdelsestimer i kvartalet er dyrere end den ser ud. En agent med en lav tokenomkostning, men uden budget til evaluering er billigere end den burde være, indtil den fejler uden at nogen opdager det.
Hybridmønstret: Agenten orkestrerer, RPA udfører
Det mest praktiske slutpunkt for organisationer med eksisterende RPA er hybriden. Et scenarie fra fakturaflowet viser logikken.
Leverandørfakturaer kommer ind som PDF’er i skiftende formater, nogle med fritekstnoter om afvigelser. I dag klarer RPA-robotten de standardiserede fakturaer, måske størstedelen af volumen, og resten går til manuel behandling. I hybridmodellen tager en agent imod hele flowet: Den fortolker hver faktura uanset format, matcher den mod indkøbsordren, afgør om afvigelsen kan forklares, og vælger derefter vej. Standardtilfældene sender den videre til den eksisterende RPA-robot til registrering, afvigelserne håndterer den selv via API hvor det er forsvarligt, og tvivlstilfældene eskalerer den til et menneske med et færdigt beslutningsgrundlag.
Resultatet: Den manuelle restpost skrumper til de tilfælde der faktisk kræver dømmekraft, RPA-investeringen fortsætter med at arbejde, og agenten gør kun det som den alene kan klare. Hver teknologi på sin plads i kæden.
Sådan vælger I vej
Del jeres flows op i tre bunker. De regelstyrede med stabile systemer: Behold eller byg RPA. De fortolkningstunge med ustruktureret indhold: kandidater til en agent. Og de blandede flows med en stor manuel restpost: Begynd dér, for det er dér hybriden tjener sig hurtigst hjem. Hos Weapp bygger vi AI-løsninger der spiller sammen med eksisterende automatisering i stedet for at rive den ned. Kontakt os hvis I vil gennemgå jeres kortlægning af flows sammen med os.
Ofte stillede spørgsmål
Erstatter AI-agenter vores eksisterende investering i RPA?
Sjældent fuldstændigt. Velfungerende RPA-flows med stabile systemer og høje volumener gør stadig deres arbejde til en lav marginalomkostning. Det kloge er at lade agenter tage de flows som RPA aldrig har kunnet klare, altså ustruktureret indhold og undtagelser, og først tage de enkelte robotter op til revision når vedligeholdelsen af dem begynder at koste mere end de sparer.
Hvorfor går RPA-robotter så ofte i stykker?
Fordi mange af dem styrer programmer via brugerfladen: De klikker på knapper og læser felter på skærmen. Når leverandøren flytter en knap eller omdøber et felt, kan robotten ikke længere finde det rigtige sted. Hver opdatering af de systemer robotten berører, er dermed en potentiel driftsforstyrrelse der kræver vedligeholdelse.
Er AI-agenter pålidelige nok til forretningskritiske flows?
Med de rigtige rammer, ja, men på en anden måde end RPA. Agenten er ikke-deterministisk og kan fejle uventet, så den har brug for grænser for rettigheder, logning, evaluering og menneskelig godkendelse af følsomme handlinger. I kritiske flows starter man assisteret og giver gradvis mere autonomi, med data som grundlag.
Hvordan adskiller driftsomkostningerne sig?
RPA medfører licensomkostninger pr. robot eller proces plus vedligeholdelse når brugerflader ændres, og vedligeholdelsen er ofte den store skjulte post. Agenter koster pr. kald i tokens plus løbende evaluering og overvågning. Regn på totalomkostningen over et par år inklusive vedligeholdelsestimer, ikke kun på licens- eller tokenprisen.
Hvad betyder det at agenten orkestrerer og RPA udfører?
Agenten står for fortolkning og beslutninger: Den læser det ustrukturerede materiale og afgør hvad der skal gøres, og i hvilken rækkefølge. Selve udførelsen uddelegeres til det der er mest stabilt i hvert trin: et API-kald, en eksisterende RPA-robot eller et menneske ved følsomme beslutninger. Hver del gør det den er bedst til.