這幾年老闆最常問我們的一句話是：「我們公司到底該用哪一個？」市面上把 RPA、ChatGPT、AI Agent 講得好像是同一件事的三種說法，但它們解決的問題其實不同層次。選錯了，不是浪費錢，而是浪費一整個部門三個月的信心。
RPA 到底在做什麼？為什麼常常「一改就壞」
RPA（Robotic Process Automation）的本質是「錄製 + 重播」。你告訴它：打開這個系統、點這個按鈕、複製這欄數字、貼到那張表。它會非常忠實、非常快地重複執行，而且不會累。
它的強項是規則百分之百明確、畫面固定、量大又無聊的工作。它的弱點也很直接：它看不懂內容。發票上的品名換了寫法、供應商多打一個空格、系統改版按鈕移了位置，流程就整個斷掉。很多公司導入 RPA 後最大的抱怨不是不好用，而是「維護成本比人工還高」。
ChatGPT 能不能取代這些工作？
ChatGPT 這類對話式 AI 補上了 RPA 最缺的那塊：理解與判斷。它能讀懂一封語意含糊的客訴信、能把雜亂的規格說明整理成表格、能判斷這張單據屬於哪個科目。
但它有個結構性限制：它在對話框裡等你。要有人把資料貼進去、看完回答、再把結果貼回公司系統。這代表兩件事——第一，人還是流程的瓶頸；第二，成果散落在每個員工各自的聊天紀錄裡，公司累積不到任何資產。我們看過不少公司「全員都在用 AI」，但整體工時一小時都沒省下來，原因就在這裡。
那 AI Agent 又多了什麼？
AI Agent 的差別在於「有目標、有工具、能自己跑完」。你給它的不是步驟，而是任務與規則：每天早上檢查採購信箱，把新進來的報價單抽出品項與金額，比對 ERP 裡的合約價，差異超過 3% 就標記並通知採購，其餘直接建檔。
- 會判斷：讀得懂格式不一致的單據與信件內容。
- 會執行：能實際呼叫 API、寫入系統、發出通知，不用人代跑。
- 會求助：遇到規則外的例外，交回給指定的人處理，而不是硬猜。
最後這點特別重要。一個設計良好的 Agent，不是要它百分之百正確，而是要它「知道自己什麼時候不該自作主張」。
中小企業該怎麼選？三個判斷問題
- 這件事的規則寫得出來嗎？寫得出完整步驟、輸入格式又固定 → RPA 或單純程式排程就夠，不必動用 AI。
- 需要讀懂內容做判斷嗎？需要，但頻率低、量不大、只是輔助人思考 → 用 ChatGPT 類工具搭配好的提示詞即可。
- 要跨系統、每天重複、而且判斷後還要動手？三個都中 → 這才是 AI Agent 的戰場，也是投報率最高的地方。
實務上這三者不是互斥的。我們替客戶做的方案裡，常常是 Agent 負責判斷與決策、RPA 或 API 負責在舊系統上動作、人負責處理被標記出來的例外。工具是拼起來用的，不是選邊站。
為什麼選型之前要先做 SOP？
這是我們最想提醒的一點：上面三個問題，你在會議室裡是答不出來的。真正的流程細節只存在第一線執行者的手上——那些沒寫進手冊、靠年資累積的判斷。
nextOA 的做法是先訪談實際在做這件事的人，把流程完整攤開，接著用 ECRS（取消、合併、重排、簡化）刪掉不該存在的步驟，再標記出哪些節點適合交給 AI。這時候流程已經被寫成一份 AI 可執行的 SOP，工具選型會變成一件很機械的事：這個節點需要判斷、那個節點只是搬資料，答案自己就浮出來了。
之後才進到落地層——用 Dify 搭建需要語意理解的 Agent、用 n8n 串接系統與排程、流程複雜且需要人工簽核節點時再引入 Camunda。先有藍圖，工具只是實作細節。
結論：先問流程，再問工具
RPA、ChatGPT、AI Agent 沒有絕對的高下，只有適不適合眼前這段流程。導入失敗的公司，通常不是選錯工具，而是根本沒把流程講清楚就開始選工具。