技術專欄
流程自動化機器人（Robotic Process Automation, 簡稱 RPA）是在持續追求提升生產效率的歷程中，近十年主要發展與應用的「自動化」解決方案；它主要是透過固定規則作業流程下，以模擬人們操作電腦的方式，完成原須由人類操作的工作，成為企業內部分攤工作的「數位員工」。
但隨著大語言模型（Large Language Model, 簡稱 LLM）與生成式人工智慧（Generative AI, 簡稱 GenAI）興起；許多原本交由 RPA 自動執行的文書工作，可以透過自然語言處理（Natural Language Processing）整合不同的應用程式介面（Application Program Interface, API），以即問即答的方式輕鬆取得所需資料並更快速完成；而在各種 Copilot 推出後，使用者更可透過問答方式簡單、操作快速的 Office 等生產力工具，相較於 RPA 需要定義規則與錄製作業流程方能進行自動化處理顯得更有優勢；在這樣的態勢下，市場對 RPA 的前景自然產生了許多疑慮。
近年來 RPA 方案廠商為了持續擴展使用者作業流程自動化的範疇（正如同超自動化的定義，盡可能為更多工作實現自動化），運用了人工智慧與機器學習的應用技術來發展自動化標的探索，以及讓機器人具備人類認知能力的解決方案；以全球知名的 RPA 領導品牌 UiPath 為例，相關的產品就有發掘自動化標的的流程探勘（Process Mining）、任務探勘（Task Ming）；若希望機器人具有環境識別的視覺認知能力，則可以透過電腦視覺（Computer Visioning, CV）操作不同的視窗環境，與採用文件理解（Document Understanding, DU），以及光學文字辨識（Optical Character Recognition, OCR）來辨識與自動處理各式各樣的文件等； UiPath 完整的整決方案可參考圖（一）所示；而針對特用需求場景主要運用專用型 AI （Specialized AI）技術的 RPA 也被稱為智慧流程自動化（Intelligence Process Automation, IPA）解決方案。
圖（一） UiPath 智慧流程自動化解決方案 （整理自 UiPath）
UiPath 的 RPA 自動化流程分為三個主要階段：
1.發現階段
首先，我們需要找出哪些工作適合自動化。這就像是在公司裡尋找那些需要反覆執行的任務，例如資料輸入或報表生成。透過觀察和分析，我們可以確定哪些流程最適合由機器人來處理。
2.自動化階段
接下來，我們使用 UiPath 的工具來設計和建立自動化流程。這些工具提供了直觀的介面，即使沒有程式設計背景的人也能夠上手。我們可以透過拖放的方式，將各種操作步驟組合起來，讓機器人按照設定執行任務。
3.監控與維護階段
最後，當自動化流程開始運行後，我們需要確保它們順利進行。這包括監控機器人的表現，查看是否有任何錯誤，並根據需要進行調整和優化。就像是對機器人進行定期檢查，確保它們一直在最佳狀態下工作。
企業透過使用 UiPath，可以達到：
節省時間：機器人可以比人類更快地完成重複性任務，讓員工有更多時間專注於更具創造性的工作。
降低錯誤率：機器人按照設定執行任務，減少了人為錯誤的可能性。
提升效率：自動化流程可以全天候運行，確保任務在最短時間內完成。
完整的架構讓機器人自動化可以更好地在企業生根。
LLM 引領自動化走向新境界
自 2023 年起，LLM 的 GenAI 發展熱潮迅速竄起，但市面上具體的應用始終圍繞在客服相關的問答服務；而原先冀望透過 API 串接周邊系統達到自動化處理作業，在實際導入中也遭遇到 API 整合生態體系廣度不足，或面臨第三方系統廠商提供的 API 功能限制等問題，讓許多日常營運複雜的系統操作流程（跨 ERP、CRM、CPM 等系統作業），在 RPA 未導入前仍需要人為介入操作系統 UI 介面執行作業，也就難以發揮協助企業增效降本的效益；所以，AI 模型供應商在意識到 GenAI 服務在實際運用上的不足後，除提出 AI Agent 的發展框架（近期的熱門話題，我們後續另闢文章討論），也投資了 RPA 相關公司（OpenAI 投資 RPA 新創 – Induced AI 便是一例）；在 AI 模型廠商嘗試將應用框架擴及至執行（Action）服務的當下，原本就善於作業自動化的 RPA 供應商又將因應此類的應用發展趨勢？此時，以自動化運營流程 RPA 為核心，整合 LLM 模型的流程自動化智慧代理（Agentic Process Automation, APA）便應運而生了。
自動化技術持續發展的目標，主要是為協助人們完成更多的工作與任務（如同超自動化的定義）；已經高度成熟的軟體 RPA 技術可在規則化下，模擬人操作電腦的各種複雜行為，從個人日常工作到企業營運流程都能自動完成，達到提升工作效率與確保營運不中斷；而進入到運用 AI 技術的 IPA 應用，則是主要透過專用型 AI 解決特定需求（如辨識不同格式的文件或憑證等）來持續擴展自動化工作範疇；無論是 RPA 或者 IPA，主要聚焦為自動化執行工作涵蓋面的擴展，但仍是依據人類的思維邏輯規劃與判斷決策下作業，就如同人類大腦搭配軟體化的手腳運作；而這樣的架構在 GenAI 問世後獲得重大的改變，也就是這一節的主題 — 流程自動化智慧代理（Agentic Process Automation, 簡稱 APA）。
流程自動化智慧代理 — APA 是流程自動化技術結合 LLM 的解決方案（未來有更進階且強調行動導向的 Large Action Model - LAM）。APA 的核心概念在於希望透過整合 LLM 發展類似人類大腦的智慧，以進行規劃、執行與管理更複雜任務的自動化，並且可以透過系統回饋持續自我學習，做到能適應在變化環境條件下進行動態決策；在未來的自動化人機協作場景中，使用者提出需求（如 prompt）後，系統在經過自然語言處理（Natural Language Processing, 簡稱 NLP）理解後，將原本複雜的任務需求分解成多個子工作，並自主進行前期的工作執行規劃與實際作業，將更大幅降低人為介入的機率；企業營運自動化範疇自然也就可以獲取更大幅度的擴展。我們透過圖（二）整理了AI技術與自動化範疇之間的關係。
圖（二） AI 運用程度與自動化範疇的關係／Photo Credit：MetaAge 邁達特
在初始 RPA 技術應用尚未整合 AI 的階段中，受限須由使用者提供工作所需規則（包含如何識別大量文件中所需資訊），所以自動化範疇侷限在能規範出規則的工作中。
進入到整合 AI 的 IPA 階段後，透過專用型 AI 模型的訓練與應用讓 RPA 機器人學習到人類的認知能力，跳脫了對預定規則的全依賴；近期更進一步套用生成式 AI 的模型增加工作執行的準確度與自動化工作的擴展；但如前述的，此階段的工作程序都需基於使用者的規劃與決策，使用者與 IPA 的分工仍如大腦與手腳，須依賴使用者進行任務。
在進入到 APA 階段後，對生成式 AI 技術有更深的期望（在 IPA 階段便已運用到生成式AI提升認知能力，故兩者之間是虛線表示）；我們希望能夠讓機器人能幾乎扮演使用者角色去自主完成（所以用 ”Agentic” 取代了 ”Robotic” ）。由於 APA 目標是對使用者的需求進行自主性的規劃、決策與執行，因此可以託付的工作範疇就會遠比 RPA、IPA 更為廣泛；甚至透過大數據與歷史資料的持續自我學習，未來的 APA 可以主動提出營運流程或工作的優先改善建議，以近乎人類員工角色存在企業組織運行，達成人機混合或融合的組織生態架構；最後，整理 RPA、IPA 與 APA 在各項特性的差異如表（一）所示。
|
特性 |
RPA |
IPA |
APA |
|
自動化型態 |
基於規則化 |
規則智慧化 |
自主性決策 |
|
工作流程設計 |
人為宣告設計 |
人為宣告設計 |
自主性建構 |
|
流程判斷模式 |
基於既定規則 |
基於既定規則 |
支援動態、即時判斷 |
|
技術運用 |
腳本、巨集 |
RPA + API、專用型AI |
IPA + NLP、LLM |
|
自動化範疇 |
低複雜度、 高重疊性作業 |
RPA + 特定類人類認知AI模型能力 |
邊界隨持續學習擴展 |
|
架構彈性 |
低 |
中 |
高 |
|
人為介入程度 |
較高 |
中 |
低 |
|
執行效率 |
高 |
中 |
高 |
|
流程維運複雜度 |
較高 |
中 |
低 |
表（一）RPA、IPA 與 APA 的特性比較／Photo Credit：MetaAge 邁達特
UiPath 作為全球企業營運流程自動化解決方案的領導廠商，在今年六月的線上活動釋出如圖（三）的 UiPath – APA 架構藍圖，其中便已具體呼應本文中前述的相關 APA 後續具體應用。UiPath 基於自身既有強大的 RPA 技術產品與廣泛的生態融合體系，提供企業用戶可實踐的願景方案。
廣泛兼容的使用者體驗 – 使用者可透過 UiPath 的 Autopilot、生態系合作廠商的 Copilot 以及其他客製的應用系統與 UiPath APA 進行溝通互動。
AI 代理人 – 機器人團隊運用所需的 AI 技術理解、分析使用者的需求，並產生自動工作流程框架；此層次主要是發揮既有 IPA 領域的技術功能。
類人類大腦的協作層 – 以發展更進階的 LLM 模型 - LAM 為基礎實踐 APA 具備自主能力的目標；從任務自動化的規劃、驅動代理機器人具體執行任務以及透過經驗資料保存、反饋模型的自我學習；這部分的技術發展將是決定未來 APA 解決方案發展的關鍵。
AI 的治理規範 – 不再侷限在雲地端的資訊安全技術；更重要的是當組織的員工不見得是實體人類時，相關的典章制度、管理規範都必須逐步完善；這部分無論在台灣或全球各國政府都是必須面對與因應的課題。
圖（三） UiPath 流程自動化智慧代理自主化框架（整理自 UiPath）
完整的人工智慧與自動化系統架構，從基礎層到應用層，每一個部分都有其特定的功能，彼此協作來實現高效的智能自動化。整個系統可以想像成一棟大樓，基礎越穩固，上層的功能才能順利運作，最終提供直觀且強大的用戶體驗。
治理層位於架構的最底層，這一層主要負責系統的安全性、合規性和透明度，確保所有自動化過程在受控且可信的環境中運行。它就像系統的守門人，確保數據隱私、模型偏誤檢測以及運行紀錄的可追溯性。沒有這個穩固的基礎，自動化系統將無法在敏感或嚴格監管的環境中正常運作。
往上是協作層，這一層負責整合各種 AI 技術與工具，讓不同的自動化系統之間可以無縫合作。它不僅支持資料共享，還促進機器人之間的協同作業，讓整個自動化流程更具彈性和適應性。例如，語音辨識、文件理解、圖像識別等技術可以在這一層實現有效整合，協作完成更複雜的任務。
再上一層是代理人層，這是整個 APA 架構的核心部分，負責智能代理的行為管理。這些代理人（Agent）就像企業中的虛擬員工，能夠自主理解任務需求、規劃執行步驟，並在需要時與其他系統或人員進行互動。這一層的智能代理可以獨立處理複雜任務，並根據情境調整行為，從而提升整體自動化的靈活性和效率。
在代理人層之上的是體驗層，這一層負責使用者與自動化系統的互動體驗。它提供直觀的介面和工具，讓使用者可以輕鬆定義需求並監控自動化過程。UiPath 的 Autopilot 和合作夥伴的 Copilot 都屬於這一層，它們讓使用者能夠自然地與系統溝通，進一步簡化操作流程，提升使用者的滿意度和參與感。
最上層是觸發層，這一層負責自動化流程的啟動和管理。觸發層可以根據預設的條件或外部事件自動啟動代理任務，確保流程在適當的時間自動運行。無論是透過使用者的指令、系統通知還是特定的數據變化，觸發層都能即時反應，確保自動化任務的連貫性和高效性。
邁達特是隸屬佳世達集團旗下智能方案事業群中的專業資訊軟硬體整合方案供應商，邁達特憑藉自身多年累積的資訊架構整合經驗，加上集團跨產業的領域知識資源綜效，協助並建議有志發展營運數位化、智慧化的企業用戶透過完整的 RPA 佈建週期實踐企業數位化的目標，並持續關注營運自動化的發展，以維繫企業自身的競爭優勢，與探索獲取新的商業獲利模式。
初期探索 : 概念性驗證、示範工作流程自動化實踐
導入規劃 : 流程自動化可行性評估與開發設計、CoE 組織規劃、架構設計建置與維運託管、產品訂閱/續約服務
持續擴張 : 模組化自動化流程、種子人員培訓、CoE 會議參與諮詢、商業應用視角的跨產品方案應用
內化管理 : CoE 組織的管理實踐落實 - 制定人機協作的共通規範、各單位既有營運制度的調整
歡迎對 RPA 數位應用方案有興趣，以及相關需求的企業用戶或經銷夥伴，立即聯絡您專屬的業務窗口，或於邁達特官網填寫表單。將有專人與您聯絡，共同啟動智慧自動化、數位化的旅程。
