RPA или AI-агент: где разница и когда что брать

В разговорах об автоматизации SMB сейчас две параллельные истории. Старая - RPA (Robotic Process Automation). Новая - AI-агенты. Часто эти слова используют как синонимы, или продают одно как другое. На деле это разные парадигмы, с разной ценой, разной надёжностью и разными сценариями применения.

Если выбрать неправильную - переплатите в 2-3 раза или поставите систему, которая в проде сломается через две недели. В этом разборе - чем RPA технически отличается от AI-агента, 5 живых кейсов на каждой парадигме, и когда брать гибрид.

RPA: робот, который повторяет клики

RPA это технология, где программа имитирует действия человека в интерфейсе других программ. Открывает Excel, копирует ячейку, вставляет в браузер, нажимает кнопку. Делает это в точности так же, как делал бы оператор, только в 10 раз быстрее и без устали.

Главные характеристики:

• Детерминированность. Заданный сценарий выполняется одинаково каждый раз.
• Привязка к UI. Если макет интерфейса изменился (новое поле, кнопка передвинулась), RPA может сломаться.
• Нет принятия решений. "Если ячейка C5 = 'оплачено' тогда щёлкни кнопку X" - можно. "Понять, что пользователь имел в виду 'отказ', даже если он написал 'не хочу больше'" - нельзя.

Главные RPA-платформы в РФ 2026:

• PIX Robotics - российский, развитый, корп. лицензии
• Sherpa RPA - тоже российский, есть SaaS-вариант
• Robin RPA - российский, бюджетная альтернатива
• Primo RPA - международная, есть локальная редакция
• UiPath / Automation Anywhere - международные, через юрлица из дружественных стран

Цена:

• Робот + лицензия RPA-платформы: 50-200 тыс. ₽/год
• Разработка одного сценария: 30-150 тыс. ₽
• Поддержка: 5-20 тыс. ₽/мес на каждого робота

AI-агент: программа, которая принимает решения

AI-агент - программа, которая на основе LLM (большой языковой модели) понимает контекст, анализирует ситуацию и выбирает действие. Может использовать инструменты (API, базы данных), может задавать уточняющие вопросы.

Главные характеристики:

• Гибкость. Один и тот же агент может обработать "клиент пишет, что недоволен" и "клиент благодарит за быструю доставку" - разные действия из контекста.
• Не зависит от UI. Работает с данными через API, не имитирует клики.
• Принимает решения. Может выбирать из нескольких вариантов, эскалировать неоднозначное.
• Может галлюцинировать. Если данных не хватает, может выдумать ответ. Лечится промптом + RAG.

Стек AI-агента в 2026:

• LLM: GigaChat, YandexGPT (в РФ) - см. сравнение в YandexGPT vs GigaChat
• Память: pgvector, Qdrant - см. Память в ИИ-агентах
• Tools: интеграция с CRM, базами данных через API
• Оркестрация: n8n или собственный код на Python

Цена:

• Подключение LLM: бесплатно (бесплатный тариф) или 5-30 тыс. ₽/мес токены
• Разработка агента: 100-400 тыс. ₽ под ключ
• Поддержка: 10-25 тыс. ₽/мес

Главные отличия в одной таблице

5 кейсов на RPA (где он лучше AI-агента)

Кейс 1: Перенос данных между двумя 1С разных конфигураций

Компания купила вторую компанию, у обеих 1С Бухгалтерия, но разных версий. Нужно ежедневно переносить новые проводки из старой в новую. RPA-робот открывает старую 1С, копирует журнал проводок, вставляет в новую через интерфейс. Стабильно, проверяется по контрольным суммам, ошибки 1 на тысячу.

AI-агент здесь не нужен - правила переноса жёсткие, не меняются, нет неоднозначностей.

Кейс 2: Загрузка остатков на маркетплейс через личный кабинет (без API)

Если у маркетплейса нет API на нужные операции (или его лимиты не подходят), RPA-робот логинится в личный кабинет каждые 30 минут, обновляет остатки, выходит. Старая школа, но работает.

Кейс 3: Сверка платежей между банк-клиентом и 1С

RPA читает выписки из банк-клиента, открывает 1С, сопоставляет по реквизитам, помечает совпадения. Раз в час, без участия человека. Бухгалтерия по утрам видит только нестандартные платежи.

Кейс 4: Запуск отчётов в SAP / Oracle через UI

Корпоративные системы часто имеют сложный многоступенчатый UI для запуска отчётов. RPA автоматизирует "20 кликов мышью" в одну команду "сформировать отчёт за вчера".

Кейс 5: Регулярное обновление справочников из ФНС / ЕГРЮЛ

Получить актуальные ИНН, ОКВЭД, статус юрлица из открытых государственных реестров. RPA-робот заходит в сервис, вводит данные, копирует результат, обновляет вашу базу контрагентов.

5 кейсов на AI-агент (где RPA не справится)

Кейс 1: Обработка входящих писем с нестандартными запросами

Клиенты пишут на info@ всё подряд: запрос коммерческого предложения, жалоба, просьба замены, технический вопрос. AI-агент классифицирует, отвечает на типовые сам, эскалирует менеджеру нестандартные с подсобранным контекстом. RPA на этом сценарии ломается на 5-м письме - формулировки разные каждый раз.

Кейс 2: AI-ассистент клиентам в чате на сайте

Клиент спрашивает "у вас есть в наличии красный пуховик размер 48?". AI понимает контекст, идёт в базу, проверяет, отвечает. Клиент уточняет "а зелёный есть похожий?". AI помнит контекст, продолжает. RPA для этого не приспособлен.

Кейс 3: Парсинг и категоризация отзывов

Прочитать 100 отзывов и сказать "вот 3 главные жалобы по этому товару". AI выдаст осмысленные группы. RPA выдаст 100 отзывов в Excel. Близкая тема - Парсинг отзывов с маркетплейсов.

Кейс 4: Квалификация лидов с сайта

Заявка прилетела с произвольным текстом "Здравствуйте, нам нужна автоматизация продаж, есть ли у вас опыт работы со строителями? Бюджет ориентировочно 300-500 тыс." AI вычленяет: ниша = стройка, бюджет = 300-500 тыс., интент = горячий. RPA здесь не работает.

Кейс 5: Помощник по поиску в корпоративной базе знаний

Сотрудник спрашивает в Telegram "сколько у нас отпускных дней?", "когда зарплата за май?", "что делать если заболел в командировке?". AI ищет в регламентах, отвечает выдержками. RPA пришлось бы программировать "если запрос содержит слово X - выдай документ Y", и это не выдержит реальных формулировок пользователей.

Гибридные сценарии (1+1 > 2)

В реальных проектах часто RPA + AI-агент. AI принимает решения, RPA выполняет.

Пример: обработка входящего счёта.

1. Email с счётом приходит → AI распознаёт PDF, вытаскивает поля
2. AI проверяет валидацию (правильный ли поставщик, ИНН, сумма не подозрительно высокая)
3. Если всё OK → RPA загружает данные в 1С через интерфейс
4. Если AI сомневается → эскалация бухгалтеру

Связка: AI делает 95% работы, RPA служит "пальцами" для систем без API, бухгалтер видит только спорные случаи. Близкая канва автоматизации - Автоматизация бизнеса 2026.

Пример: автоматизация HR-онбординга.

1. AI-бот общается с новичком в Telegram, отвечает на вопросы из RAG-базы
2. RPA в фоне создаёт учётки в корпоративных системах через UI (где нет API)
3. AI проактивно напоминает HR о ключевых датах онбординга

Близкая тема - ИИ для HR.

Что выбирать SMB

Простое правило:

RPA если:

• Процесс формализован на 95%+ (один и тот же сценарий)
• Нет API у целевой системы (надо имитировать UI)
• Нужна детерминированность для аудита/комплаенса
• Бюджет ограничен (RPA дешевле для одного процесса)

AI-агент если:

• Процесс вариативный (разные входные данные, разные сценарии)
• Есть API целевых систем
• Нужно понимание контекста, обработка естественного языка
• Есть бюджет на 1-2 квартала на стабилизацию

Гибрид если:

• Часть процесса формализована (используем RPA)
• Часть требует решений (используем AI)
• Систематичная задача с 60-80% автоматизации (не максимум, но окупается)

Близкие темы

Автоматизация бизнеса 2026: что автоматизировать первым - общая канва выбора первоочередных процессов. Что у ИИ-агента под капотом - архитектура AI-агентов глубже. 10 готовых n8n-шаблонов - тоже автоматизация, но через low-code оркестрацию. ИИ-агент для бизнеса: внедрить за неделю - пошаговый план на AI-агенте.

Если планируете внедрение

Опишите процесс, который сейчас "тянут руками" - подскажу что лучше: RPA, AI или гибрид. Часто оказывается, что простой RPA-робот за 50 тыс. ₽ решает задачу, под которую вам пытались продать AI-агента за 400 тыс. ₽. И наоборот - на сложных задачах RPA через полгода умирает, AI-агент стабилен. Бесплатно до подписания.