当整个行业都在热议agent是否会取代传统自动化时，一家全球性软件厂商却选择将rpa整合进自身的agent平台。
9月28日，HCLTech旗下软件业务单元HCLSoftware宣布拟收购企业级RPA解决方案提供商Robotiq.ai，并计划将其核心能力深度融入HCLUnO Agentic平台。
HCLSoftware宣布拟收购企业级RPA厂商
HCLSoftware在官方声明中给出的理由非常务实：企业真正需要的AI，不能仅停留在“能推理”，更要能在真实、复杂的业务环境中稳定、可靠地把任务落地。根据公告披露，该交易预计将于2026年11月完成，目前尚处于拟议阶段。
这一动作耐人寻味。过去几年，“大模型来了，RPA是否已成历史”的声音不绝于耳。如今Agent已具备较强的任务理解与分解能力，为何企业反而重新聚焦RPA？
这并非技术路径的倒退，而是当Agent真正进入企业一线后，必须补足从“想清楚”到“干成事”之间的关键一环。
一、Agent会思考，但企业要的是能干活的执行者
Agent确实具备了认知与规划能力，但任务闭环远未完成。以财务部门一次跨系统的月度对账为例：需从某业务系统导出明细，在ERP中比对数据，再通过OA系统提交审批。对人工而言，这只是常规的多系统切换、查询、核对、录入与提交操作。
大模型可辅助识别发票、合同等非结构化文档中的关键字段；Agent则能进一步将目标拆解为子任务，判断何时调用哪个工具、优先处理哪类异常。
但当流程推进至“登录系统→填写表单→点击提交”环节时，挑战浮现：若系统未开放标准API，或现有接口仅支持只读、无法写入，最后几步由谁来完成？
这正是RPA不可替代的价值所在。
企业无需为让AI执行一项任务，就推翻运行多年的旧系统、重做全部集成。RPA可在不改动底层架构的前提下，模拟人工操作GUI界面，精准执行规则明确的点击、输入、复制、粘贴与提交等动作。
HCLSoftware新闻公告指出，RPA能力可以支持AI驱动的工作流完成自动化操作
HCLSoftware此次瞄准的，正是这一“执行断点”。公告明确提到，Robotiq.ai的RPA能力可在API缺失或功能受限的应用场景中，支撑AI驱动工作流完成端到端自动化操作，从而将平台能力由任务编排与决策层，延伸至最终执行层。
Agent擅长回答“下一步该做什么”，而RPA则确保“这一步真能做出来”。二者关系，不是替代，而是协同分工。
二、Agent与RPA，本就不是非此即彼的选择题
若将典型的企业级复杂任务逐层拆解，便会发现：大模型、Agent与RPA各自承担着不可互换的角色——大模型负责语义理解，Agent负责任务组织，RPA负责确定性操作。
大模型强于自然语言理解与非结构化信息抽取，为分析与判断提供语义基础；
Agent围绕业务目标进行任务建模：需哪些数据？调用哪些服务？不同反馈下如何动态调整路径？
RPA则专精于高确定性的界面级操作，如查询、填表、导出、提交等。仍以财务对账为例：Agent可统筹整个核对流程，调度OCR识别单据、调用ERP接口获取账务数据、执行比对逻辑并生成异常清单；其中，API可覆盖的部分走接口直连，无API支持的系统，则交由RPA接管界面操作。
大模型、Agent、RPA三者不同能力各司其职
能力分层、职责清晰，才能保障任务从设计走向交付。
当然，RPA亦有边界。传统RPA高度依赖页面结构与流程稳定性，一旦UI变更或业务出现非常规分支，脚本易失效，维护成本陡增。
而Agent的加入，为自动化注入了更强的任务感知、动态规划与多工具协同能力。它的出现，并非宣告RPA退出舞台，而是重塑其在企业智能工作流中的定位。
过去，RPA常作为独立脚本运行于预设轨道；如今，在Agent驱动的智能任务中，它成为执行工具链中的一环，与API、低代码组件、数据库连接器等协同作业。与其争论“谁取代谁”，不如回归本质：它们能否共同确保一项业务被完整、准确、可控地交付？
三、企业级Agent的新关卡：从“能执行”迈向“可靠执行”
如果说大模型解决了部分“理解意图”的问题，那么企业级Agent还需跨越另一道门槛：一次演示成功，绝不等于业务级长期可用。
真实企业环境远比Demo场景严苛。智能体往往需横跨多个异构系统，处理PDF、Excel、网页、邮件等多源异构数据，同时应对页面改版、权限策略更新、系统临时宕机，甚至突发的业务规则调整。
因此，单纯强调“自动化覆盖率”，并不足以证明方案具备落地价值。
财务数据处理场景下涉及的业务风险不同
例如，在财务领域，自动解析报表与直接修改总账科目、发起付款指令，所承载的合规风险与操作权重截然不同。哪些动作可全自动？哪些必须嵌入人工确认节点？失败后是否支持断点续跑？全过程是否留痕可审计？结果是否经过交叉校验？这些才是决定智能体能否真正嵌入核心业务的关键指标。
因此，企业在评估Agent方案时，核心不应是“用了多少前沿技术”，而在于：是否为每个业务环节匹配了最适配、最可控的执行方式。
已有成熟API的系统，优先采用接口集成；必须操作GUI界面的任务，可引入RPA或现代GUI自动化引擎；涉及资金、法务、审批等高风险动作，则须保留权限管控与人工复核机制；对于高频、稳定、可复用的流程，还可通过能力固化实现开箱即用，避免重复规划。
让AI完成一次任务，是技术能力的展示；让AI持续、稳健、可追溯、可管控地完成任务，才是企业真正买单的价值。
四、从RPA到Agent，九科信息走出了一条怎样的演进之路？
HCL的收购动向，也映射出一条清晰的技术演进逻辑：从RPA迈向Agent，不是抛弃过往积累，而是将已验证的执行能力，升级为更智能任务体系中的关键执行单元。
九科信息的产品演进路径，正印证了这一方向。从早期RPA产品bit-Worker，到如今的企业级智能体平台bit-Agent，其始终锚定一个根本命题：如何让软件真正承接更多企业级实际业务？
九科信息兼顾自动化效率提升与长期智慧化发展
在传统自动化阶段，bit-Worker聚焦于规则清晰、重复性高的操作场景，通过流程录制与编排减少人工搬运；但随着业务复杂度上升，固定流程难以覆盖动态需求。企业期望AI不仅能按图索骥，更能理解模糊需求、自主选择工具、组合多步骤完成目标——这也成为bit-Agent的核心突破方向。
bit-Agent推动AI进一步参与业务任务执行
bit-Agent将大模型的语义理解力、Agent的任务规划力与工具调用能力，深度植入真实业务流。AI不再仅限于问答式交互，而是主动参与任务执行。例如面对资料检索、信息聚合与报告生成类需求，用户只需用自然语言描述目标，Agent即可自主拆解步骤、调度OCR、数据库、文档生成等工具完成闭环。
对于高频复用的业务流程，bit-Agent还支持能力固化——将已验证的执行路径封装为可复用模块，供后续同类任务直接调用，显著降低重复规划开销。
从流程驱动的自动化，到目标驱动的智能执行，再到能力沉淀的持续复用，九科信息始终围绕一个焦点：如何让企业真正把一项工作“交出去”。
RPA阶段沉淀的流程执行经验与行业业务理解，仍是构建智能执行能力的重要基石；Agent则赋予其更灵活的目标响应与动态协调能力。二者并非对立，而是在企业智能化纵深发展中，形成了新的协同范式。
五、Agent的终极价值，必须落回业务结果本身
回到HCLSoftware拟收购Robotiq.ai这一事件。比起“又一家厂商押注RPA”，更值得深思的是其背后的战略指向：
当Agent开始承担真实业务职责，企业对AI的期待，已悄然从“能理解、会生成”，转向“能执行、可交付、控风险”。
企业智能化，既非推倒重来式系统重构，也非在每个应用旁加一个AI聊天框。更切实可行的路径，是让智能体真正读懂业务意图、无缝连接既有系统，并依据任务特性，智能选择最稳妥的执行方式，将碎片化操作编织为端到端可管理的业务流程。
九科信息亦持续深耕这条路径：推动AI从执行静态规则，跃升为理解业务目标、调度多元工具、闭环交付成果，并通过能力复用不断压缩重复执行成本。
毕竟，企业真正需要的，不是一个只会讲解流程的AI助手，而是一个既懂“该做什么”，更有能力“把它做成”的智能体。
