RPA y agentes de IA en arquitectura corporativa: no en lugar de, sino juntos

El gerente de tecnologías operacionales de la compañía de seguros RGS (Rosgosstrakk) llamado Sergey publicó en Habr un material sobre si la automatización robótica de procesos (RPA) y los agentes de IA basados en grandes modelos de lenguaje (LLM) compiten entre sí o se complementan mutuamente en la arquitectura de sistemas corporativos. La conclusión principal del autor: en el panorama empresarial, estas no son tecnologías que compiten sino complementarias, formando dos capas de un sistema.

Cómo difiere RPA de los agentes de IA

RPA (Automatización Robótica de Procesos) — una tecnología que en los últimos años se ha convertido en una herramienta masiva para automatizar procesos comerciales rutinarios: los "robots" de software actúan según escenarios estrictamente definidos, repitiendo los mismos pasos en datos estructurados — por ejemplo, transferir datos entre sistemas, rellenar formularios basados en plantillas, generar reportes según un algoritmo fijo. Los agentes de IA basados en LLM están organizados de manera fundamentalmente diferente: razonan sobre datos no estructurados — textos, imágenes, solicitudes arbitrarias de usuarios — y son capaces de tomar decisiones en situaciones para las cuales no se prescribió ningún escenario rígido de antemano.

Por qué elegir una tecnología es una elección sin opción

El autor formula la tesis clave del material de la siguiente manera: si una organización se ve obligada a elegir solo uno de dos enfoques, inevitablemente pierde eficiencia — porque RPA y agentes de IA resuelven diferentes clases de tareas, y reemplazar uno con otro significa ya sea pagar de más por LLM donde un simple script basado en plantillas sería suficiente, o encontrarse con limitaciones rígidas de RPA donde se requiere interpretación de información no estructurada.

Tesis clave del artículo:

• El autor es Sergey, jefe de tecnologías operacionales en RGS (Rosgosstrakk).
• Plataforma de publicación — Habr, sección de IA.
• RPA — efectivo para procesamiento repetido de tareas bien estructuradas y repetitivas.
• Agentes de IA en LLM — efectivos para trabajar con datos no estructurados y tareas que requieren razonamiento.
• Conclusión — en arquitectura empresarial, estas son dos capas mutuamente complementarias, no alternativas que compiten.

Cómo trabajan juntos RPA y agentes en la práctica

Según el autor, la arquitectura más productiva para una organización grande no es reemplazar una tecnología con otra, sino construir un sistema donde cada capa resuelve las tareas para las que está mejor preparada. Los robots RPA continúan realizando operaciones masivas, predecibles y fácilmente verificables — donde importan la velocidad, la rentabilidad y la repetibilidad del cien por ciento del resultado. Los agentes de IA se involucran cuando el proceso requiere interpretación del contexto: analizar solicitudes de clientes escritas en texto libre, tomar decisiones en situaciones atípicas, sintetizar información de fuentes dispares antes de pasar un resultado estructurado aguas abajo — incluido al mismo robot RPA para ejecución final.

Para la industria de seguros donde trabaja el autor, tal arquitectura híbrida es especialmente relevante: procesar reclamaciones de pagos, evaluar casos de seguros y trabajar con consultas de clientes combinan tanto pasos estrictamente regulados, formalmente documentados ideales para RPA, como elementos que requieren comprensión del lenguaje natural y contexto de una situación específica — el dominio de los agentes de IA. El material en Habr aparentemente examina un caso concreto de aplicación de tal arquitectura combinada en RGS, demostrando por qué estas dos tecnologías, que a menudo se oponen entre sí en discusiones públicas, en la práctica resultan ser partes de una cadena de producción, no alternativas mutuamente excluyentes.

RPA como categoría de software corporativo comenzó a propagarse masivamente a mediados de los años 2010, cuando las empresas en todo el mundo enfrentaron la necesidad de automatizar rápidamente procesos heredados (legacy) sin tener la capacidad o presupuesto para una reestructuración completa de los sistemas de información internos. Los robots simplemente imitaban acciones humanas en interfaces existentes — haciendo clic, copiando, pegando datos — lo que hizo la implementación rápida pero inflexible ante cambios en los sistemas mismos. El surgimiento de agentes de IA basados en LLM una década después no abolish esta infraestructura de automatización acumulada, sino que brinda a empresas como RGS la capacidad de superponer sobre ella una capa más flexible capaz de trabajar con excepciones y casos no estándar que el escenario RPA clásico simplemente no podía manejar y pasaba a un operador humano.