讲概念谈愿景AI Agent名不副实？看实在智能RPA Agent如何落地！

OpenAI在首届开发者大会上推出了GPTs和AssitantAPI，不仅改写了AIAgent的构建范式，也把AI智能体的应用推向一个新高潮。GPTs和GPT商店，使得用户无需编码通过自然语言就能创建并拥有多个专属私人助理，且可以如在苹果应用商店一样在GPT商店出售和购买这些专属助理。

就连比尔盖茨也发表了其对AIAgent的看法。他所定义的智能体不仅会改变人与计算机交互的方式，还将颠覆软件行业，带来自人类从键入命令到点击图标以来最大的计算革命，智能体会成为继Android、iOS和Windows等之后的下一个平台。

这些无疑不在向我们透露出，一个人人都能构建Agent的时代已然到来，Agent无处不在的序幕也已拉开。AIAgent大势所趋，已经成为LLM落地应用的主要途径。借着GPTs的火和比尔盖茨的风，很多LLM研发与应用厂商都打出了Agent的牌。

概念化陈述的AIAgent与实体化应用的AIAgent，自然存在很大差距。随着类似这样的信息越来越多，大众也对智能体到底是什么且对智能体能否在大企业客户内部真正落地充满了好奇。而市场上的智能体产品从服务的目标客群和具体落地的产品能力来看，可以分为以下几大类：

01、非平台级智能体产品

服务单一场景，集成的自动化实现需外部API们加持

▷服务场景单一

▷缺乏特定行业知识库KNOW-HOW

▷非平台级智能体程序联动与操作差强人意

非平台级AIAgent智能体产品目前比较常见的运用领域包含：使用它自动购买机票、定披萨、写总结、收发邮件，在流程自动化实现方面是属于提升生产力的工具。在使用GPTs通过Zapier（连接器）后可以通过海量API连接更多商业应用，可以在很多业务场景中使用。

而现在市面上的大多数Agent智能体，包括OpenAI推出的GPTs，不过就是构建了一个基于某知识库或者专业数据的Chatbot。使用这些智能体进行问答交互，比如获取行业资讯、报告等，都可以做到对答如流。但如果要求他们针对特定行业的业务流程进行更深的自动化实现或是帮助企业实现业务逻辑更复杂的流程自动化，这类智能体就会露怯。

另外这类智能体在程序联动与操作方面还有很大差距，主要现在还无法用GPTs直接操作SAP或者金蝶等ERP系统，因为中其中涉及到了API的应用、授权、维护以及无API管理软件的连接问题。

所以，无论现在对AIAgent的讨论多么热烈，不管1.3W+的GPTs和大量第三方Agents展现的应用场景有多丰富，它们仍然只能算是Agent智能体的初级或非平台级运用，尚无法深度参与及影响广大组织的业务自动化实现。

而要想发挥AIAgent的更大价值和服务于更广阔的业务场景，智能体还是要落到B端的商业落地与超量级的应用上去。而这，也就是比尔盖茨所提及的智能体的平台价值。

02、AIAgent平台化价值

为企业客户提供闭环，安全、一站式智能体数字员工体验

▷构建-应用-分享-反馈的平台级智能体

▷一站式智能体数字员工体验

AIAgent智能体平台化本身要实现的就是构建一个以智能体为主的平台，它同时也是Agent智能体分发平台。是为了让企业流程自动化负责人们更方便的构建与应用各种Agent，该智能体平台会基于构建-应用-分享-反馈的应用路径发展，同时Agent的架构逻辑与思维也会用于支持平台的整体运营。

智能体的平台属性意味着它不只仅仅用于构建和分发Agent，更重要的是能够为用户提供包括安全、运营、维护等在内的交付能力。不仅需要内置为用户构建智能体所需要的各种插件和组件，还需要能够在智能体构建过程中随时给与用户反馈以保证项目成功。即实现为B端客户提供一站式智能体数字员工解决方案的目标。

而智能体的平台化实现可以完美规避像最近GPTs推出后OpenAI出现的各种安全问题。例如在数据安全上根本无法过企业用户的关，不是私有化部署的用户，几乎都不敢构建GPTs，更不用说对外分享。

从业务流程角度来看，Agent的应用是在LLM的基础上进一步实现的业务流程自动化。而目前包括GPTs在内的各种AI智能体表现来看，普遍存在两种情况：

一是安全系数不过关，频频出现的数据泄漏问题让广大组织望而生畏，而中小企业又没有能力私有化部署LLM；

二是Agent所带来的流程自动化仍停留于粗浅层面，尚无法为企业内部动辄几十上百种的业务系统提供业务流自动化支持。

所以，AIAgent想要真正在B端实现大量业务场景的落地商用，需要综合考量其自身的安全性、技术发展周期是否成熟以及ToB端的场景是否密切贴合等。

03、企业级AI智能体平台

你说，PC做！所见即所得

▷企业自动化实现必备的智能体数字员工

▷自主拆解任务

▷感知当前环境

▷执行并且反馈

▷记忆历史经验

在讲述企业级AI智能体平台之前，我们先来看一个真实应用案例。

这是一个使用RPA智能体自动构建「从XX网银客户端下载交易数据(敏感信息打码)」自动化流程的应用案例，可以看到要构建这样一个自动化流程，只需在TARS大模型对话框输入“打开客户端，查询默认账号几年的交易数据，并下载导出”，TARS就能自动创建执行计划，点击执行它就能按照执行计划一步步去执行，等它执行完以后，一个可以复用的自动化流程也构建完成了。

使用这种方式构建自动化流程，人机协作的部分也可以出现智能体生成的流程步骤需要修改时才会出现。整个流程构建的过程中不再需要“拖拉拽”各种组件和代码块，任何业务线上的工作人员都能随时根据自己实际业务需求来通过企业级AI智能体实现可视，人机共创的自动化流程。

而案例所使用的AI智能体产品，是实在智能推出的RPAAgent智能体。这是一个能够自主拆解任务、感知当前环境、执行并且反馈、记忆历史经验的RPAAgent，进一步降低了智能体数字员工的使用门槛。

实在智能凭借其自创业初就深深扎根在AI领域强大的自研能力和帮助大中型企业客户获取丰富的自动化落地解决方案的经验，在经历第一代专家模式RPA、第二代易用模式IPA之后，迭代成为现在的第三代对话模式RPA，即融合TARS大语言模型的RPAAgent智能体。

实在智能垂直领域大模型TARS的推出，为RPA数字员工注入“TARS+ISSUT（智能屏幕语义理解技术）”双模引擎。双模互动构成了TARS-RPA-Agent，实现对屏幕上一切元素的自动化操作，并为行业带来“你说，PC做”全新工作布置方式，实现流程自动化创建的“所说即所得”。

这里“你说，PC做”的意思是，通过RPA智能体构建包括所有企业管理软件在内的自动化操作流程，而并非通过GPTbuilder等Agent构建平台构建类GPTs的轻量级Agent。如果说其他平台构建的Agent还是Agent工具，RPAAgent构建的Agent则是智能体数字员工。

RPAAgent智能体不只发挥了LLM理解与分析的优势，更借助ISSUT技术对各类C/S、B/S架构的企业应用进行页面识别、理解和操作，同时保留了RPA特色，只要能够识别的元素全部都能用来构建流程自动化的实现。同时可以面向包含API接口及UI自动化的所有管理程序构建自动化程序，故而可以完全用于企业运营的业务流程自动化构建。

04、超自动化平台

Agent智能体数字员工才更靠谱

▷成熟的超自动化底层技术融合能力

▷最全的平台级部署和交付能力

▷可扩展的智能体平台级能力

▷丰富和复杂业务场景自动化部署经验

企业要引入AI智能体进行流程优化，必须经过成本控制、投入预算、实现效率、安全管控等多方面严格及缜密的评估。这就要求技术供应商提供的必须是平台级解决方案，而不是只针对单一、个别场景需求来提供的智能体自动化解决方案。

越复杂的业务流程自动化，对智能体厂商平台的底层技术融合能力、数据安全性掌控能力、产品部署后的运营和维护能力、交付能力及产品和解决方案的可扩展能力等的要求也就越严格。这也对AIAgent技术供应商提出了更高的要求，必需具备丰富的帮大场实现超大和复杂业务场景自动化落地的经验。

大型企业引入新的AI技术不允许任何试错成本，因此技术供应商给出的解决方案必须是开箱即用、具备行业KNOW-HOW术语和业务规则的真实智能体数字员工。也只有这样的标准化智能体，才能被纳入企业的内部编制中去统一管理和调度。

除此之外，要实现AIAgent更好地商用，需要考虑接口成本、隐私、管理、授权等诸多因素，这既是很多供应商的技术与产品门槛，也是广大企业选型的重要依据。

所以，企业在选择用于业务流程自动化的AI智能体时，也是优先考虑超自动化厂商推出的AI智能体产品，而不是选择LLM厂商推出的尚未成熟的通过API连接各种插件的单一智能体解决方案。

这种情况下，在B端市场，由ERP、BPM、超自动化等企业管理软件厂商推出的AI智能体反而更受关注。大部分企业会根据自身需求，选择能够能够结合业务特点、具备丰富流程自动化落地经验且能够解决更复杂更庞大业务流程自动化的需求的技术供应商，以快速实现新AI智能体解决方案落地。

这也是为什么老牌RPA厂商融合LLM后，更容易将智能体做成平台级别产品的原因。

就如推出RPAAgent智能体的实在智能，除了具备上面所列的多个先发优势外：已经拥有丰富落地案例的RPA、IDP、流程挖掘、ISSUT等所有产品组合都是按照平台级别打造的，现在的RPA智能体也是在之前超自动化平台的基础上融合LLM及Agent架构打造的。

实在智能的RPAAgent智能体产品自诞生之日开始，就是比尔盖茨所说的平台级智能体产品。

05、AIAgent前半场

实在智能平台级AI智能体先跑出来了

▷高安全性

▷高易用性

▷强扩展能力

在超自动化领域，很多人认为LLM厂商推出的AIAgent，可能会优先颠覆之前的RPA、低代码、工作流、流程挖掘等企业管理平台。

但现在深入了解后发现的真相却是，这些超自动化平台通过融合自有大语言模型或者集成第三方大语言模型API，在此基础上推出的AIAgent反而更胜一筹，无论在安全性方面，还是易用性、扩展能力等方面，都明显优于现在市面上其他Agent。

如果套上“LLM+规划+记忆+工具”这个Agent架构，RPA、低代码等都属于工具，但这个工具是融合AI等多种技术的平台级别工具，它与GPT等通过API调用的轻量级工具有着显著区别。

有的推出Agent智能体的厂商如实在智能，也推出了自己的垂直领域大模型，因此在Agent构建及技术架构方面可以有更多的选择以及灵活的策略。更重要的作为超自动化厂商，他们拥有更多的技术、工具、数据以及经验，可以基于自身优势打造更符合产品特性及用户属性的AI智能体，并能够为用户定制专属的个性化企业级AI智能体。

这样的AI智能体能够更好地理解用户指令意图并为RPA等工具规划各种任务，更能够无缝融合及适配所有工具、数据、知识及经验。

目前看来由企业管理软件厂商推出的平台级AIAgent明显要靠谱得多，且已真正实现落地商用。

AIAgent前半场，实在智能平台级AI智能体先跑出来了。