RPA 是什麼?哪些工作適合 RPA、什麼時候改用 API 或 AI agent

RPA 讓軟體照設定好的步驟去操作電腦畫面,補上沒有 API 可以串接的那一段。這篇用一個每月對帳流程比較 RPA、API 流程與 AI agent,也整理上線後最常卡住的地方。

先說結論

RPA(機器人流程自動化)是讓軟體模仿人在電腦上點選、輸入、複製貼上,照固定步驟操作畫面,適合規則清楚、量大,系統卻沒有 API 的工作。系統有 API 時,用 API 流程比較穩;格式不一、需要判斷的那一段,才交給 AI agent。導入前要把維護成本算進去,因為畫面改版、登入驗證和例外狀況,是 RPA 最常停下的地方。

木桌上三個白、淺灰、深灰的資料夾立成一排,第一個旁邊插著一條螢光綠線的小接頭,第二個前面立著一支螢幕空白的手機,第三個露出一張列印的對帳單;前面一台木製的小自動機正要按下一顆大按鍵,旁邊立著一張小卡片;右前方一張對帳單上有兩行用螢光綠標起來
RPA 是什麼?哪些工作適合 RPA、什麼時候改用 API 或 AI agent 封面視覺

你是一家物流公司的財務專員。每個月 1 號早上八點半,你桌上的第一件事永遠一樣:去三家銀行拿上個月的對帳單:A、B 兩家要登入企業網銀下載,其中 B 銀行登入時還要輸入手機收到的驗證碼;C 銀行則是每月把 PDF 對帳單寄到信箱。接著你把欄位順序整理成公司 ERP(進銷存與帳務系統)能匯入的格式,再和帳上的應收、應付一筆一筆核對。三家的檔案格式都不一樣,所以整套做完大約要兩個小時。上個月你趕著做,把 B 銀行的檔案匯了兩次,ERP 裡多出四十幾筆重複的入帳,月底又多花了一個下午才把它們找出來刪掉。

主管知道之後問你:這種重複的事,能不能交給 RPA?如果你拿這個問題來問我,我的答案是可以,但只能交出去一部分。因為這個流程裡有一段很適合 RPA;有一段改用 API(讓程式直接跟系統交換資料的介面,不必經過畫面)會更穩;還有一小段需要判斷,那才輪到 AI agent(會自己讀資料、決定下一步的 AI)。

RPA 怎麼運作:照錄好的步驟,找到畫面上的同一個按鈕

RPA 是 Robotic Process Automation 的縮寫,中文常翻成機器人流程自動化。這裡說的機器人其實是一支軟體:它會在電腦上開視窗、點按鈕、輸入文字、複製貼上,做的都是人原本在畫面上做的事。

可以把 RPA 想成一位照著貼在螢幕旁的操作手冊做事的工讀生。

  1. 手冊寫幾步,他就做幾步:先點哪裡、輸入什麼、存到哪個資料夾,一步都不會跳,也不會累。
  2. 他認得按鈕的名字和位置,但看不懂資料的意思:叫他按「匯出 Excel」他找得到,但下載下來的金額對不對,他不會去想。
  3. 按鈕一改名,他就卡住:銀行把按鈕改成「下載明細」,手冊上沒寫,他只會停在那裡。
  4. 遇到要手機驗證碼,他只能等人:驗證碼傳到你的手機,他拿不到。

比喻不成立的地方是,真的工讀生卡住時會自己想辦法或跑來問你,而 RPA 只會停下來或照錯的畫面繼續做。所以 RPA 適合規則固定、畫面很少改的那一段,而且要先講好它卡住時誰來接手。

牛皮紙橡皮章插畫,三個紙袋信差:① 看著螢幕旁的手冊按下螢光綠按鈕;② 按鈕換了樣子,頭上冒出問號停住;③ 坐著等手機跳出驗證碼訊息 RPA 就像照手冊做事的工讀生:手冊寫幾步就做幾步,按鈕一改名就卡住,要手機驗證碼時只能等人。

Microsoft 對它的定位寫得很直接:應用程式沒有現成的連接器(串接用的現成模組)、也沒有 API 可以用的時候,就用模仿滑鼠和鍵盤的方式來自動化(Power Automate 授權說明)。

要建一個 RPA 流程,通常有兩種做法。一種是錄製:人先操作一遍,工具會把你點了哪裡、打了什麼都記下來;另一種是在設計畫面裡,一個動作一個動作排出來。不管用哪一種,最關鍵的都是下次執行時,機器人要怎麼在畫面上找到「同一個」按鈕。

比較舊的做法是記座標,或是截一小塊圖片去比對,結果螢幕解析度一變、按鈕挪了幾個像素,機器人就找不到了(有些遠端桌面環境如果沒有裝工具廠商提供的對應程式,讀不到畫面結構,現在仍然得這樣做)。所以現在的工具多半改用 selector(選擇器),也就是記下那顆按鈕在網頁或視窗裡的名稱和編號,畫面挪動了也找得到。

Power Automate 的文件就說明,桌面流程是用畫面上零件(按鈕、輸入框)的名稱和屬性去找,因此不必依賴影像比對或絕對座標。一個元素也可以設好幾組 selector,第一組失效時就換下一組來找。你還可以改用元素上的文字來找,這樣頁面結構改版時比較不容易壞(UI 元素說明)。

回到對帳的例子。機器人要按的,是網銀頁面上的「匯出 Excel」。只要這顆按鈕的名稱和它在頁面裡的位置沒變,你換一台螢幕、把視窗縮小,機器人都找得到;但如果銀行把按鈕改名成「下載明細」,或把它收進一個新的下拉選單,流程就會停下來。RPA 認得的是畫面上的名稱和位置,它看不懂資料的意思,而這一點會決定後面所有的維護成本。

有人值守和無人值守:差在誰按開始、誰輸入驗證碼

RPA 有兩種執行方式,Microsoft 把它們分成 attended(有人值守)和 unattended(無人值守)。有人值守是在使用者自己的電腦上、有人看著的時候執行;無人值守則是機器人自己登入一台電腦,跑完流程再登出,全程沒有人在旁邊。UiPath 也把「要在哪一種情境下執行」列為規劃自動化時要先決定的事(UiPath:有人值守與無人值守)。

比較項目有人值守(attended)無人值守(unattended)
誰啟動使用者在自己的電腦上啟動,人要在場排程或系統事件,在指定的電腦上執行
在哪裡跑使用者正在用的那台電腦專用電腦或虛擬機(在主機裡模擬出來的電腦),機器人自己登入、登出
遇到驗證碼人在旁邊,輸入後讓流程繼續沒有人能輸入,流程應該停下來通知人
適合一天幾次、需要人在旁邊確認的工作半夜一次大量處理、步驟固定的工作
授權(以 Power Automate 為例)免費版只能在自己電腦上按執行;要排程自動啟動,就要付費的 Premium 授權(後面「費用」一節會說明)要付費的 Process 授權,一個授權同一時間跑一個流程

例如對帳流程裡要輸入簡訊驗證碼的 B 銀行,就只適合有人值守:專員自己登入、輸入驗證碼,剩下的下載、整理、匯入再交給機器人。如果想改成半夜自動跑,你得先確認銀行有沒有提供不需要手機驗證的企業介接方式,也就是讓公司的程式直接向銀行取資料的管道。這件事要去問銀行,因為 RPA 的設定改不了它。

同一個對帳流程,用 RPA、API 和 AI agent 各做一次

把開頭的流程拆開來看之前,你要先做一件事:打電話問三家銀行的企業金融窗口,有沒有帳務資料的介接,也就是讓公司的程式直接向銀行取資料的管道。問完你會發現:A 銀行有提供(要另外申請、簽約,銀行的介接常常還要另外寫一小段程式,不一定能直接在串接工具裡點選),可以用程式定時取檔;B 銀行沒有,只能照舊登入網頁下載;C 銀行也沒有,一樣每月寄 PDF。至於 ERP,是十年前導入的版本,沒有匯入用的 API,只能在畫面上按「批次匯入」再選檔案。

同一件事用三種方法來做,差別是這樣:

判斷項目RPAAPI 流程(用 n8n、Zapier 這類串接工具或自己寫的程式,讓系統之間直接交換資料)AI agent
前提能在電腦上操作網銀與 ERP 的畫面銀行或 ERP 提供資料介接有可讀的資料、工具權限,以及負責審核的人
登入方式照人登入的步驟走,有驗證碼就要人在場系統對系統,用金鑰或憑證(銀行發給公司程式專用的通行碼或數位證書)看它背後呼叫的是 RPA 還是 API
三家格式不一樣每家各寫一套步驟與欄位對應每家各加一個轉換步驟讀得懂不同格式,但每次結果都要驗算
最常壞在哪網頁改版、彈出公告、驗證流程改變介接規格更新、金鑰過期讀錯欄位,或把看不清楚的值猜出來
適合哪一段B 銀行的下載、舊 ERP 的匯入A 銀行的取檔對不上帳的那幾筆:整理可能原因給專員判斷
誰要定期照顧改版時有人修流程規格變動時改對應的步驟有人抽查結果、維護提示詞與規則

C 銀行的 PDF 沒有放進表裡,因為它要先多一步:內容要先從檔案裡讀出來,再交給 RPA 或程式匯入。PDF 如果是銀行系統直接產生的,程式可以直接取出裡面的字;有些銀行寄的電子對帳單會加密,要先用密碼打開。如果是掃描檔,就要先經過 OCR(把圖片裡的字轉成文字),讀完還要再驗算金額。OCR 讀得多準、什麼時候會讀錯,我們另外用單據實測過,寫在 OCR 辨識是什麼。

表裡的 AI agent,指的是會自己讀資料、決定下一步怎麼做的 AI。以對帳來說,例如某筆入帳 52,300 元對不上任何一筆應收,agent 會去比對發票號碼和匯款備註,列出「兩張發票合併付款」「被扣了匯款手續費」這幾種可能,再交給你判斷。

流程圖:物流公司財務專員月初對帳,三種做法各接一段。先把三家的對帳單拿到手:A 銀行有企業帳務資料的介接,用 API 由程式定時取檔;B 銀行只能登入網頁下載、登入要簡訊驗證碼,用有人值守的 RPA,專員輸入驗證碼、機器人下載;C 銀行每月寄 PDF 對帳單到信箱,要先讀出文字,掃描檔要先 OCR、再驗算金額。接著匯進沒有匯入用 API 的舊 ERP,用 RPA 照錄好的步驟在畫面上按批次匯入;對不上帳的那幾筆要判斷原因,由 AI agent 整理可能原因;最後由財務專員決定這幾筆怎麼處理 三家銀行的條件不一樣,所以同一個對帳流程裡,API、RPA、agent 和人各接一段。

所以整張表看下來,我的結論是:有 API 的那一段用 API,沒有 API 又規則固定的那一段才用 RPA,需要判斷的那一小段交給 agent,並留給人確認。

聊天機器人、RPA、自動化流程和 AI agent 這四種工具的分工,我在 AI agent 和聊天機器人、RPA、自動化流程差在哪有完整的比較。而 A 銀行那種有介接的流程,可以照 n8n 教學從一個排程觸發開始接起來;還在評估哪一段流程值得先自動化,可以用哪些企業流程適合先交給 AI agent 裡的條件篩一次,拿來篩 RPA 的候選也一樣適用。

RPA 最常壞在哪:對帳流程上線後會碰到的四種狀況

很多 RPA 在測試時跑得很順,上線後卻停下來。原因通常不是步驟寫錯,而是畫面和系統的行為跟你以為的不一樣。下面這四種狀況,我們自己做瀏覽器自動化時都碰過,換到網銀和 ERP 的畫面上也一樣會發生:

  1. 輸入框填不進去。有些畫面的輸入框,要先被點一下才會接受輸入。例如機器人直接把檔案路徑塞進舊 ERP「批次匯入」畫面的欄位,畫面上看起來有字,按下匯入卻顯示沒有選檔案。這時候要把步驟改成先點欄位、再輸入、再按 Enter。
  2. 等待沒有設上限。網銀查詢對帳單要等幾秒到幾十秒,如果讓流程一直等「查詢完成」這幾個字出現,又沒有設定最多等多久,碰到網頁比較慢時,整個流程就可能卡在那裡。比較穩的做法是設好上限,並且每隔幾秒檢查一次實際的結果,例如看下載的檔案出現了沒有。
  3. 明明有明細,機器人卻回報「查無資料」。原因是網頁裡常常預先藏著「查無資料」這類提示文字,平常不會顯示,而機器人如果讀的是網頁背後的程式碼,不是畫面上看得到的字,就會讀到它。所以判斷結果時,要讀實際顯示出來的文字,或直接檢查下載檔裡有幾筆。
  4. 被要求重新登入。網銀多半閒置一段時間就會自動登出,要你重新驗證身分。手機驗證碼機器人拿不到,遇到時只能讓流程停下來,通知人來處理;密碼如果要讓無人值守的流程使用,就存在工具的憑證管理功能裡,不要直接寫在流程步驟中。B 銀行那一段本來就是你自己登入,機器人只接手後面的下載。

另外,在 Power Automate 裡設定網頁上的按鈕時,要選專門給網頁用的動作,不要選操作桌面視窗的動作;用桌面視窗的動作去抓網頁按鈕,瀏覽器一更新版本就容易抓不到,Microsoft 的文件也這樣提醒(UI 元素說明)。導入 RPA 之前,先問清楚畫面多久改一次、改版時誰會通知你,這比挑哪一套工具重要。

上線前先寫好例外處理和維護分工

Power Automate 的桌面流程,預設是遇到錯誤就停下來。你可以替每個動作設定失敗時要重試(預設重試一次、間隔兩秒)、跳到下一步、跳到流程裡某個標記好的位置,或改跑另一段子流程;也可以把一整段動作包起來,設定這一段出錯時要統一怎麼處理(錯誤處理說明)。

它另外還有一個 AI 功能叫 Self-healing(自我修復),目前還在預覽階段,也就是還沒正式推出、之後可能會調整。它的作用是在找不到畫面元素時,試著判斷最可能是哪一個元素,讓流程繼續跑,而且目前只處理「找不到元素」這一種錯誤。它猜的也可能是錯的,例如把「匯出 Excel」猜成旁邊的「匯出 PDF」,所以開了之後還是要檢查下載下來的檔案(錯誤處理說明)。

這些設定能讓流程少停幾次,但流程失敗之後由誰接手,還是要人先決定好。所以上線前,我會先把這五件事寫下來:

  1. 每一步的成功條件:下載完要確認檔案有內容,而且檔案裡的資料筆數和網銀畫面上顯示的一樣。
  2. 失敗時留下什麼:截圖、錯誤訊息、停在哪一步,都存到固定的資料夾。
  3. 通知誰、多久內處理:例如財務專員收到通知後,當天手動補做。
  4. 重跑不會重複入帳:匯入前先比對 ERP 裡有沒有同一批資料。
  5. 誰負責改流程:網銀或 ERP 改版時由誰來修、修完怎麼測。如果流程是委外做的,這一點尤其要在合約裡寫清楚。

第 4 點最容易被跳過。對帳流程如果在匯入到一半時當掉,重跑時又從頭匯一次,ERP 裡就會出現兩筆一模一樣的入帳,結果月底要花更多時間把它們找出來。開頭那次是你手動把同一個檔案匯了兩次,原因也一樣:匯入前沒有先比對 ERP 裡有沒有同一批資料。所以例外處理要寫的,是「失敗之後怎麼辦」,只設定重試次數還不夠。

費用與授權:免費版做得到哪裡

想讓對帳流程跑起來,先看三件事:電腦能不能裝、免費版做得到哪裡、要不要付費授權。以 Power Automate 為例,桌面版(Power Automate for desktop)要裝在 Windows 10、Windows 11 或 Windows Server 上,而 ARM 處理器的電腦(例如部分新款的 Windows 筆電)目前不支援。

免費的部分,你用 Microsoft 帳號登入,就能錄製、編輯,並在自己的電腦上手動執行桌面流程(安裝需求與帳號比較)。要注意的是,如果電腦裝的是 Windows 家用版,流程只能在本機執行,沒辦法從雲端觸發(由雲端的排程或事件自動啟動)。

付費的部分分成三種:

  • Premium 使用者授權:要從雲端排程觸發、把流程分享給同事,就需要它,裡面含一個有人值守的機器人。
  • Process 授權:要無人值守執行就要買。一個 Process 授權指派給一台執行的電腦,同一時間只跑一個流程,想同時跑兩個就要兩個授權;而且那台電腦要先由一位有 Premium 授權的使用者註冊。
  • Hosted Process 授權:不想自己管電腦,就用這個,由 Microsoft 代管執行流程的機器。

UiPath 有免費的 Community 方案,給個人開發者與符合條件的小型組織,條件寫在官方的 Community 方案說明。Automation Anywhere 也有跑在它雲端平台上的 Community Edition 可以免費使用,不過公司拿來用有規模限制,例如官方頁面寫小型企業最多只能裝在五台電腦上。企業正式上線多半還是走付費方案,使用人數、機器人數量與價格都要看官方方案頁。

回到對帳流程:專員自己在電腦上按執行、輸入驗證碼的版本,免費版就做得出來。想讓它半夜自動跑,就要 Process 授權,再加上一台能整天開著的 Windows 電腦或代管機器;而 B 銀行那一段因為要簡訊驗證碼,就算買了授權,也還是要人在場。授權費是看得到的成本,但我會把維護流程的人力算得比授權費更重,因為畫面每改一次,就要有人回來修。

回到主管的問題

先看完整的分工會長什麼樣子:A 銀行用 API 定時取檔;B 銀行由你登入、輸入驗證碼,下載和整理欄位交給有人值守的 RPA(整理欄位用的是 RPA 工具裡讀寫 Excel 的動作);C 銀行的 PDF 先取出文字或做 OCR,驗算金額後再匯入;匯進舊 ERP 那一步也用 RPA;最後對不上帳的那幾筆,由 agent 整理可能的原因,你再判斷怎麼處理。全部做完,你每月要親自做的,大概只剩輸入驗證碼和核對;對不上的那幾筆,也有 agent 先替你整理好可能原因。

但這是完整的藍圖,不是第一步。在點頭之前,維護成本也要一起列給主管看。算法是全部用一年來算:一年省下的時間,去比「一年修流程的時間,加上抽查的時間和授權費」。要列進去的有這幾項:

  • 省下的時間:先把每月那兩小時拆開,例如下載三家約 20 分鐘、整理欄位約 40 分鐘、匯入約 10 分鐘、一筆一筆核對約 50 分鐘。自動化省得到的是下載、整理和匯入,但 B 銀行的驗證碼還是你輸入,核對也還是你自己做,所以每月大約省 1 小時,一年約 12 小時。
  • 流程要修幾次:真正靠畫面操作的只有 B 銀行網銀和 ERP 兩處。如果兩邊一年各改版一次,每次修流程要半天(約 4 小時),一年就是 8 小時;A 銀行的介接規格偶爾也會更新,再抓幾個小時。
  • 授權費:只用有人值守的話,免費版或 Premium 就夠;要半夜自動跑,就要 Process 授權。
  • 一台電腦:無人值守要一台整天開著的 Windows 電腦或代管機器。
  • 抽查的時間:agent 整理的原因要有人抽查,確認它沒有猜錯。

這些數字只是示意,請換成你自己的。照這組數字,省下的 12 小時扣掉修流程的 10 小時左右,只剩一兩個小時,再加上抽查和授權費,全部一次做完並不划算。所以你最後跟主管提的是先做最穩的兩段:

  1. A 銀行改用 API 定時取檔:不必登入畫面,銀行改版也比較不會影響。
  2. 匯入 ERP 前先檢查重複:從 ERP 匯出上個月已入帳的明細,用 Excel 公式比對交易日期、金額和銀行的交易序號,重複的先標出來,確認沒有重複再匯入。這一步正好擋掉上個月那四十幾筆重複入帳。

B 銀行的 RPA,等你摸清楚它一年改版幾次再決定。

像這樣的對帳流程,我們的企業 AI 營運方案在需求診斷時,會先把每家銀行有沒有介接、哪一步要人輸入驗證碼、ERP 能不能直接匯入一一確認,再決定哪一段用 API、哪一段用 RPA;上線前也會把例外處理那五件事寫進交付文件,流程停下來時誰接手、怎麼補做都有人負責。

常見問題

RPA 算 AI 嗎?

傳統的 RPA 本身不算。它照設定好的規則與步驟執行,遇到沒寫到的狀況就會停下來。不過現在的 RPA 平台多半都把 AI 接進來了,例如讀文件的 OCR、找不到畫面元素時的自我修復,或在流程中間呼叫模型做分類與摘要。所以比較準確的說法是:RPA 負責照步驟操作,AI 負責其中需要辨識或判斷的部分。

RPA 是免費的嗎?

有免費的起點。Power Automate 桌面版用 Microsoft 帳號,就能在自己的 Windows 電腦上手動跑流程;UiPath 有 Community 方案,Automation Anywhere 也有 Community Edition。但要從雲端排程、多人共用或無人值守執行,就要付費授權。

RPA 軟體有哪些?

常見的有 Microsoft Power Automate、UiPath、Automation Anywhere。如果公司已經在用 Microsoft 365,Power Automate 最容易先試;流程多、要集中管理很多機器人時,再去比較各家的管理後台與授權方式。決定之前,我建議拿一個真實流程在兩套工具上各做一次,看錄製、除錯和例外處理哪一套比較順手。

RPA 要有專人維護嗎?

要有負責人。RPA 工程師(也常稱 RPA 開發者)的工作,就是設計流程、處理例外,並在系統改版後修流程。流程只有一兩支時,不一定要有專職的人,但要指定一位知道流程停了該看哪裡、該找誰的人。

Mac 可以用 Power Automate 跑 RPA 嗎?

桌面版只支援 Windows 10、Windows 11 與 Windows Server,ARM 處理器的電腦也不支援。所以用 Mac 的團隊,可以先用雲端流程串接有 API 的服務;需要操作桌面畫面的部分,就要另外準備一台 Windows 電腦或虛擬機。

參考來源

以下依官方文件整理,授權方案、免費版範圍與 API 配額以官方頁面當下為準。

從這篇繼續看相關內容

依文章主題整理同站文章、服務/產品與 FAQ 入口,讓下一步有清楚的閱讀方向。

延伸閱讀

下一步

服務入口

了解企業 AI 營運導入

名詞弄清楚之後,看 AI agent 怎麼接進既有系統,以及哪些動作要人工確認。

查看相關頁面

常見問題

AI 的 token 是什麼?

用量和費用怎麼算,先看一題直接回答。

查看 FAQ 解答

企業 AI 落地實踐

把文章裡的判斷帶回你的流程

從一個實際工作流開始,與 EthorX 共同釐清 AI agents 的導入起點。