企业做RPA+AI，模型、机器人和流程平台怎么搭配？
企业讨论RPA+AI时，最容易陷入一种采购思路：模型要不要换更强的，机器人要不要再多买一些，流程平台是不是也该补上。名单越列越长，架构图越画越满，到了业务现场，却还是有人盯着机器人跑、有人核对模型答案、有人在群里催审批。三类工具都在，流程并没有真正接起来。
问题通常不在某个产品不够先进，而在分工没有划清。大模型擅长理解含义、处理模糊信息；RPA机器人擅长按照确定规则操作系统；流程平台负责安排顺序、控制权限、处理异常并留下审计记录。把三者放在同一条业务链路里，它们才构成RPA+AI；只把功能堆在一起，得到的往往是三套互不相干的系统。
更直白地说，大模型解决"看不懂"，RPA解决"做不动"，流程平台解决"管不住"。企业真正要搭配的不是三个产品，而是三种能力。
先拆流程，不要先列产品清单
做选型之前，可以把一条流程里的工作拆成三类。第一类是判断，例如读懂一封邮件、识别合同条款、判断报销材料是否齐全；第二类是执行，例如登录系统、下载报表、录入字段、发起审批；第三类是治理，例如谁有权调用数据、什么时候转人工、失败后怎样补偿、每一步如何追溯。
财务报销看起来是一条流程，里面却同时存在语义判断、规则校验、系统操作和审批责任。全部交给大模型，风险会失控；全部写成RPA脚本，又会被大量例外拖垮。
搭配的基本原则由此变得清楚：模糊的部分交给模型，确定的动作交给机器人，跨角色、跨系统的责任链交给流程平台。
三种能力各自负责什么
| 能力层 | 主要任务 | 需要守住的边界 |
|---|---|---|
| 大模型 | 理解文档和语义，归纳上下文，给出分类、建议或下一步计划 | 输出具有概率性，关键业务不能绕过规则校验与责任确认 |
| RPA机器人 | 按照确定规则操作网页、桌面软件和缺少API的旧系统 | 不承担模糊判断，界面或规则变化后需要维护和异常回退 |
| 流程平台 | 编排模型、机器人、API与人工节点，管理状态、权限、时限和审计 | 必须覆盖异常路径与持续运营，而不只是画出正常流程 |
大模型最适合放在流程中的"理解层"。它可以从合同、邮件、图片、制度文件中提取信息，归纳上下文，给出分类或处理建议。但模型输出带有概率性，不能因为回答流畅，就默认它具备业务授权。越接近付款、授信、报送等核心操作，越需要规则校验、置信度门槛和人工确认。
RPA机器人是"执行层"。它把已经确定的动作稳定做完，尤其适合连接没有API的旧系统、网页和桌面软件。不过，机器人只知道怎么走预设路径，不应该独自决定异常如何处理。
流程平台承担"控制层"。它把模型、机器人、API和人工节点编排在一起，管理状态、权限与时限，并在失败时启动重试或人工接管。RPA项目后期难扩展，常常不是机器人太少，而是缺少统一运营。
四类场景对应四种组合
知识问答和材料摘要，不必一上来就部署完整RPA体系。模型接入知识库，再由流程平台管理权限和反馈，通常已经够用。
规则明确、频次高的跨系统操作，更适合RPA机器人加流程平台。输入已经结构化、判断条件稳定时，硬加大模型只是多一层成本和不确定性。
真正需要三者同时出现的，是半结构化材料进入业务系统的流程。以供应商准入为例，模型先阅读证照和申请材料，流程平台根据风险等级分配校验节点，RPA再到多个系统查询、回填和建档；遇到材料冲突或高风险结果，任务自动转给人工。这时，模型、机器人和流程平台分别补上了对方的短板。
付款、交易、授信、监管报送等高风险流程还要多一层"刹车"。模型可以辅助判断，机器人可以执行，但关键节点必须设置权限隔离、双重校验和人工确认。
项目最容易在三个地方走偏
第一种偏差，是把模型能力等同于自动化能力。模型会写处理建议，不代表它能进入十几个业务系统把事情办完；能够调用工具，也不等于调用符合权限和审计要求。
第二种偏差，是给传统机器人加一个对话入口，就把它称为智能体。入口变得自然，并不等于后面的流程具备理解、规划和异常处置能力。判断它是否真的升级，要看模型能否参与任务拆解，执行结果能否校验，失败后是否有明确的回退路径。
第三种偏差，是只计算开发速度，不计算运营成本。一个机器人做出演示并不难，难的是系统改版以后谁来维护，业务规则变化以后谁来审核，几十个流程同时运行时谁能看见失败任务。没有统一治理，自动化规模越大，隐性人力越高。
更稳妥的落地顺序
项目可以从一条边界清楚的流程开始。先说清输入、输出、责任人和异常类型，再决定哪些节点需要模型，哪些动作交给RPA，哪些判断保留人工。不要一开始就追求"端到端无人化"。
接下来建立流程基线。把规则、权限、日志和结果校验放进流程平台，让每个任务有状态、每次操作有记录，再接入RPA和API。模型宜放在最需要理解的节点，而不是覆盖整条流程。
最后再扩大场景。新流程能否复用已有机器人、提示模板、知识库和审批规则，决定项目能不能从样板走向更多业务部门。规模化不是机器人数量增长，而是流程资产可以持续复用。
选平台时重点看六件事
企业不必只盯着模型参数。更值得追问的是：平台能否接入不同模型和企业知识库；能否连接网页、旧系统与API；能否编排机器人、人工和规则；是否具备权限、日志与审计；异常后能否暂停、回退或转人工；已有RPA流程能否复用。
市场上的厂商通常从不同优势切入。有的从模型与智能体开发平台向下延伸，有的从RPA和流程执行能力向上补充认知层。金智维的产品组合可以作为后一条路线的观察样本：据其官网公开定位，Ki-AgentS侧重智能体构建、任务规划、多智能体协同与治理，K-APA则把大模型、RPA、工作流和既有业务系统连接起来。对企业而言，评估这类组合的重点不是产品名字是否齐全，而是能否把判断、执行和治理放进同一条可追溯的流程。
POC也应围绕真实流程做。让平台处理包含正常、缺件、冲突和超时情况的任务，再观察人工接管是否顺畅、失败原因是否可定位、流程修改是否需要推倒重来。
搭配的答案写在流程里
企业做RPA+AI，没有一套适合所有场景的固定套餐。知识型任务可能只需要模型和权限管理；规则稳定的操作，RPA加流程平台更划算；同时涉及非结构化理解、跨系统执行和多人协作时，才需要三者完整组合。
所以，选型顺序最好倒过来：先看流程哪里不确定，哪里重复，哪里承担责任，再决定模型、机器人和流程平台各自进入哪一段。模型负责把模糊问题说清楚，机器人负责把确定动作做扎实，流程平台负责让整件事有秩序地跑下去。边界划清以后，RPA+AI才不是一次技术拼装，而是一套可以长期运营的生产系统。