AI豆包、Open-AutoGLM颠覆了手机端RPA.开启新纪元,“手撸”RPA该何去何从?
作者：微信文章点点关注获取最新行业信息不迷路~~ “AI豆包、开源Open-AutoGLM”等模型，正在引发RPA（机器人流程自动化）的一场根本性变革。我们来系统地分析这一趋势对于传统人工RPA的影响到底有多大？是否会被完全替代？
核心颠覆：从“基于规则”到“基于理解”
传统“手撸”RPA的本质是基于规则的自动化。开发者需要像教一个严格的士兵一样：
1.精确录制或编写操作步骤（点击这里，输入那里）。
2.定义严格的判断逻辑（如果出现A则点X，如果出现B则点Y）。
3.处理大量异常和界面变更（任何细微的UI变化都可能导致流程崩溃）。
而新一代AI驱动的RPA（我们可称之为“智能流程自动化”或IPA）的核心是基于理解的自动化。大语言模型（LLM）如豆包、GLM带来的能力是：
1.意图理解：能理解用户用自然语言描述的任务目标（如“帮我将最近一周的微信账单整理到Excel里”），而无需一步步指令。
2.视觉与内容理解：通过屏幕识别（OCR，UI元素理解）直接“看懂”手机界面上的文字、图标、布局，并像人一样做出决策该点哪里。
3.动态适应与推理：能处理非标准化的流程，应对简单的界面变化，甚至能进行多步骤的逻辑推理（例如，如果订单提交失败，尝试换一种支付方式再提交）。
Open-AutoGLM这类项目的开源，更是降低了技术门槛，让社区能快速构建和迭代专属的智能体，加速了AI RPA在复杂场景下的应用。
对“手撸”RPA发展的评价：不是消亡，而是进化与分工
“手撸”RPA不会突然消失，但其角色、价值和适用场景将发生剧烈转变。
1. “手撸”RPA的何去何从？
退守“核心”与“底层”：
高性能、超稳定核心链路：对于银行交易、财务结算等绝对不允许出错的标准化核心流程，“手撸”的、经过严密测试的规则化脚本在可预见的未来仍更可靠。
成为AI RPA的“可靠执行手臂”：AI负责理解和决策，但具体的点击、输入、数据搬运等底层操作，可以调用“手撸”好的、高度优化的原子化组件来执行，确保执行环节的精准。
转向“架构师”与“训练师”：
开发者的角色转变：从“流程编写者”变为 “AI智能体架构师”或“领域专家训练师” 。工作重点变为：设计合理的任务分解框架、为AI准备高质量的领域数据（如屏幕截图、操作日志）、定义验证和回退机制、微调领域模型。
聚焦复杂集成与异常处理：处理那些需要连接老旧数据库、特殊API或处理极端异常情况的复杂场景，为AI系统提供支持和兜底。
2. 人工RPA发展的新纪元：AI-Native RPA
未来的RPA开发将是 “AI原生” 的：
开发范式：
从“编程”转向 “描述、对话与调试” 。用户或开发者用自然语言描述任务，AI生成执行计划并尝试执行，人类在关键节点进行确认或纠正。这是一个协同进化的过程。
核心价值迁移：
从“自动化能力”到“智能与泛化能力”：价值不在于自动化了一个固定流程，而在于它能理解并自动化一类相似的任务。
从“提升效率”到“赋能人人”：最大的颠覆在于平民化。
挑战与焦点：
可靠性与信任：如何确保AI的每次操作都准确无误？需要建立完善的验证、审计和人工介入机制。
安全与隐私：AI助手需要极高的系统权限，如何保证用户数据不被滥用或泄露是生死攸关的问题。
场景深化：
从简单的信息收集、表单填写，走向更复杂的多应用协调、业务流程决策支持（例如，根据多个App的信息对比，做出最优采购决策）。
结论
颠覆已至，趋势不可逆：以豆包、Open-AutoGLM为代表的AI智能体，确实开启了手机端RPA的“新纪元”。它们通过自然语言理解和视觉识别，解决了传统RPA在移动端部署难、适配成本高的核心痛点。
“手撸”RPA不会死，但必须蜕变：它将从舞台中央的“主演”退位为“关键配角”和“基础设施提供者”，在需要绝对可靠性和性能的领域继续发挥作用，并成为AI RPA的坚实底座。
未来的赢家是“人机协同”：最成功的模式不会是纯粹的AI或纯粹的规则，而是人类（定义目标、提供领域知识、处理例外） + AI（理解意图、生成方案、灵活执行） + 传统自动化（稳定执行原子操作） 的三位一体。
对从业者RPA开发者必须紧急向AI技能转型，学习提示工程、基础模型微调、智能体架构设计。企业和用户则应积极拥抱和试点AI驱动的自动化，从简单的个人效率场景开始，逐步积累信任，向核心业务场景渗透。
简而言之，这不是“手撸”RPA的终结，而是RPA从“自动化工具”升级为“智能数字员工”时代的开始。竞争的维度，从比谁的脚本写得好，变成了比谁的AI更懂业务、更可靠、更易于协作。人类从传统人畜的农耕开始到半机械化再到全机械化的演变与RPA的发展相似，人类的文明会随时间进步，技术亦是如此，学习是不被边缘化最快的捷径。
页:
[1]