AI-agent eller RPA for automatiseringen deres?
RPA og AI-agenter løser ulike problemer. RPA er riktig når prosessen er deterministisk: samme steg, samme system, hver gang. AI-agenter håndterer det RPA ikke klarer, nemlig ustrukturert innhold, tolkning og unntak. RPA-roboter er dessuten skjøre når grensesnitt endres. Stadig flere lander på et hybridmønster der agenten orkestrerer og RPA utfører de repetitive stegene.
Mange organisasjoner som investerte i RPA for fem til ti år siden, står nå overfor det samme spørsmålet: Erstatter AI-agenter robotene, eller er agentene bare neste hype? Svaret er verken eller. RPA og AI-agenter er to generasjoner automatisering med ulike styrker, og det sterkeste mønsteret akkurat nå er å kombinere dem.
To generasjoner, to logikker
RPA (Robotic Process Automation) automatiserer ved å etterligne brukeren: Roboten klikker, kopierer og limer inn gjennom de samme stegene hver gang, ofte direkte i brukergrensesnittet på systemer som mangler API-er. Styrken er determinisme: Samme inndata gir samme utfall, sporbart og forutsigbart.
AI-agenten automatiserer ved å forstå: Den leser ustrukturert innhold, avgjør hva som må gjøres, og bruker verktøy i flere steg mot et mål. Styrken er skjønn. Prisen er at utfallet ikke er deterministisk og derfor krever rammer, logging og evaluering.
Der RPA er sterkest, og der svakhetene ligger
RPA er fortsatt riktig verktøy når prosessen er regelstyrt og stabil: flytte felt fra system A til system B, registrere standardiserte underlag, kjøre månedsrutiner med faste formater. Høye volumer, lav variasjon, tydelige regler: Der er en robot billig og pålitelig.
Svakhetene sitter i kantene. RPA håndterer ikke ustrukturert innhold, som e-poster som beskriver problemet med egne ord, vedlegg i skiftende formater og saker som ikke følger malen. Unntakene havner i en manuell kø. Og robotene er skjøre: Fordi mange styrer via grensesnittet, går de i stykker når en knapp flyttes eller et felt får nytt navn. Vedlikeholdet av robotparken blir med årene en egen kostnadspost som sjelden var med i det opprinnelige regnestykket.
Der agenten tar over
AI-agenten begynner der reglene slutter. Den leser e-posten i fritekst, forstår at kunden vil heve et kjøp selv om ordet aldri nevnes, henter ordren, vurderer saken mot retningslinjene og foreslår eller utfører handlingen. Den håndterer variasjonen som ville krevd hundrevis av regler i en RPA-prosess, og unntakene som ellers havner hos en saksbehandler.
Skjørheten ser også annerledes ut: Agenter som arbeider via API-er, påvirkes ikke av at knapper flyttes. For dem er risikoen i stedet kvalitetsdrift, altså at svar og beslutninger blir dårligere uten at noen alarm går. Det er grunnen til at evaluering og logging er obligatoriske deler av en seriøs agentløsning, ikke valgfrie tillegg.
Kostnadene over tid
| Kostnadspost | RPA og AI-agent |
|---|---|
| Investering | RPA: utvikling per prosess. AI-agent: bygging av agenten, integrasjoner og guardrails |
| Løpende | RPA: lisenser per robot og miljø. AI-agent: tokenkostnad per kall |
| Vedlikehold | RPA: reparasjon når grensesnitt endres. AI-agent: evaluering, overvåking og vedlikehold av prompter |
| Skjult post | RPA: unntakene som håndteres manuelt. AI-agent: kvalitetsdrift uten tydelig alarm |
Regn alltid på totalkostnaden over et par år. En robot med lav lisenskostnad, men førti vedlikeholdstimer per kvartal, er dyrere enn den ser ut. En agent med lav tokenkostnad, men uten evalueringsbudsjett, er billigere enn den burde være, helt til den feiler uten at noen merker det.
Hybridmønsteret: agenten orkestrerer, RPA utfører
Den mest praktiske løsningen på lang sikt for organisasjoner som allerede har RPA, er hybriden. Et scenario fra fakturaflyten viser logikken.
Leverandørfakturaer kommer inn som PDF-er i skiftende formater, noen med fritekstmerknader om avvik. I dag klarer RPA-roboten de standardiserte fakturaene, kanskje mesteparten av volumet, og resten går til manuell behandling. I hybridmodellen tar en agent imot hele flyten: Den tolker hver faktura uansett format, matcher den mot innkjøpsordren, avgjør om avviket kan forklares, og velger deretter vei. Standardtilfellene sendes til den eksisterende RPA-roboten for registrering, avvikene håndterer agenten selv via API der det er trygt, og tvilstilfellene eskaleres til et menneske med et ferdig beslutningsgrunnlag.
Resultatet: Den manuelle restposten krymper til tilfellene som faktisk krever skjønn, RPA-investeringen fortsetter å gjøre nytte, og agenten gjør bare det den alene klarer. Hver teknologi har sin plass i kjeden.
Slik velger dere vei
Kartlegg prosessene deres, og del dem i tre hauger. Regelstyrte prosesser med stabile systemer: Behold eller bygg RPA. Tolkningstunge prosesser med ustrukturert innhold: kandidater for agent. Og blandede prosesser med stor manuell restpost: Start der, for det er der hybriden betaler seg raskest. Vi i Weapp bygger AI-løsninger som spiller sammen med eksisterende automatisering i stedet for å rive den, så ta kontakt hvis dere vil gå gjennom prosessene deres sammen med oss.
Ofte stilte spørsmål
Erstatter AI-agenter RPA-investeringen vi allerede har gjort?
Sjelden fullt ut. Velfungerende RPA-prosesser med stabile systemer og høye volumer gjør fortsatt jobben sin til lav marginalkostnad. Det kloke er å la agenter ta prosessene RPA aldri har klart, altså ustrukturert innhold og unntak, og vurdere enkeltroboter på nytt først når vedlikeholdet av dem begynner å koste mer enn de sparer.
Hvorfor går RPA-roboter så ofte i stykker?
Fordi mange av dem styrer programmer via brukergrensesnittet: De klikker på knapper og leser felt på skjermen. Når leverandøren flytter en knapp eller gir et felt nytt navn, finner roboten ikke lenger frem. Hver oppdatering av systemene roboten berører, er dermed en potensiell driftsforstyrrelse som krever vedlikehold.
Er AI-agenter pålitelige nok for forretningskritiske prosesser?
Med riktige rammer, ja, men på en annen måte enn RPA. Agenten er ikke-deterministisk og kan feile uventet, så den trenger tilgangsgrenser, logging, evaluering og menneskelig godkjenning for sensitive handlinger. I kritiske prosesser starter man assistert og gir agenten mer autonomi gradvis, med data som grunnlag.
Hvordan skiller driftskostnadene seg?
RPA har lisenskostnader per robot eller prosess, pluss vedlikeholdet når grensesnitt endres, som ofte er den skjulte storposten. Agenter koster per kall i tokens, pluss løpende evaluering og overvåking. Regn på totalkostnaden over et par år inkludert vedlikeholdstimer, ikke bare på lisens- eller tokenprisen.
Hva betyr det at agenten orkestrerer og RPA utfører?
Agenten står for tolkning og beslutning: Den leser det ustrukturerte underlaget og avgjør hva som skal gjøres, og i hvilken rekkefølge. Selve utførelsen delegeres til det som er mest stabilt for hvert steg: et API-kall, en eksisterende RPA-robot eller et menneske ved sensitive beslutninger. Hver del gjør det den er best på.