RPA y agentes de IA en la arquitectura corporativa: no uno en lugar del otro, sino juntos

Serguéi, jefe del departamento de tecnologías operativas de la aseguradora RGS (Rosgosstrakh), ha publicado en Habr un artículo 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 en la arquitectura de los sistemas corporativos. La conclusión principal del autor: en el entorno empresarial no son tecnologías rivales, sino complementarias, y forman dos capas de un mismo sistema.

En qué se diferencia el RPA de los agentes de IA

El RPA (Robotic Process Automation) se ha convertido en los últimos años en una herramienta masiva para automatizar procesos de negocio rutinarios: "robots" de software que siguen escenarios estrictamente definidos y repiten los mismos pasos sobre datos estructurados, por ejemplo, transferir datos entre sistemas, rellenar formularios según una plantilla o generar informes con un algoritmo fijo. Los agentes de IA basados en LLM funcionan de forma radicalmente distinta: razonan sobre datos no estructurados, como textos, imágenes y solicitudes libres de los usuarios, y pueden tomar decisiones en situaciones para las que no se ha escrito de antemano un escenario rígido.

Por qué elegir una sola tecnología es una elección sin elección

El autor formula así la tesis clave: si una organización se ve obligada a elegir solo uno de los dos enfoques, pierde eficiencia de forma inevitable. El RPA y los agentes de IA resuelven clases distintas de tareas, y sustituir uno por otro significa pagar de más por un LLM donde bastaría un simple script con plantilla, o chocar con las rígidas limitaciones del RPA donde hay que interpretar información no estructurada.

Puntos clave del artículo:

• El autor es Serguéi, jefe del departamento de tecnologías operativas de RGS (Rosgosstrakh).
• Plataforma de publicación: Habr, sección AI.
• El RPA es eficaz para el procesamiento repetido de tareas repetitivas y bien estructuradas.
• Los agentes de IA basados en LLM son eficaces con datos no estructurados y tareas que requieren razonamiento.
• Conclusión: en la arquitectura empresarial son dos capas complementarias, no alternativas en competencia.

Cómo trabajan juntos el RPA y los agentes en la práctica

Según el autor, la arquitectura más productiva para una gran organización no sustituye una tecnología por otra, sino que construye un sistema en el que cada capa resuelve las tareas para las que está mejor preparada. Los robots RPA siguen ejecutando operaciones masivas, predecibles y fáciles de verificar, donde importan la velocidad, el bajo coste y la repetibilidad del 100 % del resultado. Los agentes de IA entran donde el proceso exige interpretar el contexto: analizar la solicitud de un cliente escrita en texto libre, decidir en una situación atípica o sintetizar información de fuentes dispersas antes de pasar un resultado estructurado al siguiente eslabón de la cadena, incluido el mismo robot RPA para la ejecución final.

Para el sector asegurador, en el que trabaja el autor, esta arquitectura híbrida es especialmente pertinente: la tramitación de solicitudes de indemnización, la evaluación de siniestros y la atención a los clientes combinan pasos estrictamente reglamentados y formalizados en documentos, ideales para el RPA, con elementos que exigen comprender el lenguaje natural y el contexto de cada caso, el terreno de los agentes de IA. El artículo de Habr, al parecer, analiza también un caso concreto de esta arquitectura combinada en RGS y muestra por qué dos tecnologías que a menudo se enfrentan en el debate público resultan ser, en la práctica, partes de una misma cadena de producción y no alternativas mutuamente excluyentes.

El RPA como categoría de software corporativo empezó a extenderse masivamente a mediados de la década de 2010, cuando empresas de todo el mundo necesitaron automatizar rápidamente procesos heredados (legacy) sin poder, o sin presupuesto, para rehacer por completo sus sistemas de información internos. Los robots simplemente imitaban las acciones humanas en las interfaces existentes (hacían clic, copiaban, pegaban datos), lo que hacía la implantación rápida, pero poco flexible ante cualquier cambio en los propios sistemas. La llegada de los agentes de IA basados en LLM una década después no anula esa infraestructura de automatización acumulada, sino que ofrece a empresas como RGS la posibilidad de construir encima una capa más flexible, capaz de gestionar excepciones y casos atípicos que un escenario RPA clásico simplemente no podía procesar y derivaba a un operador humano.