RPA e agentes de IA na arquitetura corporativa: não em vez de, mas juntos

Um gerente de tecnologias operacionais da companhia de seguros RGS (Rosgosstrakk) chamado Sergey publicou no Habr um material sobre se a automação robótica de processos (RPA) e os agentes de IA baseados em grandes modelos de linguagem (LLM) competem entre si ou se complementam mutuamente na arquitetura de sistemas corporativos. A conclusão principal do autor: no cenário empresarial, estas não são tecnologias que competem, mas complementares, formando duas camadas de um sistema.

Como RPA difere de agentes de IA

RPA (Automação Robótica de Processos) — uma tecnologia que nos últimos anos se tornou uma ferramenta em massa para automatizar processos de negócio rotineiros: "robôs" de software atuam de acordo com cenários estritamente definidos, repetindo os mesmos passos em dados estruturados — por exemplo, transferir dados entre sistemas, preencher formulários baseados em modelos, gerar relatórios de acordo com um algoritmo fixo. Agentes de IA baseados em LLM são organizados fundamentalmente diferente: raciocinam sobre dados não estruturados — textos, imagens, solicitações arbitrárias de usuários — e são capazes de tomar decisões em situações para as quais nenhum cenário rígido foi prescrito antecipadamente.

Por que escolher uma tecnologia é uma escolha sem escolha

O autor formula a tese chave do material da seguinte forma: se uma organização é forçada a escolher apenas uma de duas abordagens, ela inevitavelmente perde em eficiência — porque RPA e agentes de IA resolvem diferentes classes de tarefas, e substituir um pelo outro significa ou pagar demais por LLM onde um simples script baseado em modelo seria suficiente, ou esbarrar em limitações rígidas de RPA onde interpretação de informações não estruturadas é necessária.

Teses-chave do artigo:

• O autor é Sergey, chefe de tecnologias operacionais em RGS (Rosgosstrakk).
• Plataforma de publicação — Habr, seção de IA.
• RPA — eficaz para processamento repetido de tarefas bem estruturadas e repetitivas.
• Agentes de IA em LLM — eficazes para trabalhar com dados não estruturados e tarefas que requerem raciocínio.
• Conclusão — em arquitetura empresarial, estas são duas camadas mutuamente complementares, não alternativas que competem.

Como RPA e agentes trabalham juntos na prática

De acordo com o autor, a arquitetura mais produtiva para uma grande organização não é substituir uma tecnologia por outra, mas construir um sistema onde cada camada resolve as tarefas para as quais está mais bem adequada. Robôs RPA continuam realizando operações em massa, previsíveis e facilmente verificáveis — onde importam velocidade, rentabilidade e repetibilidade cem por cento do resultado. Agentes de IA são engajados onde o processo requer interpretação de contexto: analisar solicitações de clientes escritas em texto livre, tomar decisões em situações atípicas, sintetizar informações de fontes dispares antes de passar um resultado estruturado a jusante — incluindo para o mesmo robô RPA para execução final.

Para a indústria de seguros onde o autor trabalha, tal arquitetura híbrida é especialmente relevante: processar reclamações de pagamentos, avaliar casos de seguros e trabalhar com consultas de clientes combinam tanto passos estritamente regulados, formalmente documentados ideais para RPA, quanto elementos que requerem compreensão de linguagem natural e contexto de uma situação específica — o domínio de agentes de IA. O material no Habr aparentemente examina um caso concreto de aplicação de tal arquitetura combinada em RGS, demonstrando por que estas duas tecnologias, que frequentemente se opõem uma à outra em discussões públicas, na prática se mostram serem partes de uma cadeia de produção, não alternativas mutuamente excludentes.

RPA como categoria de software corporativo começou a se propagar massivamente em meados dos anos 2010, quando empresas em todo o mundo enfrentaram a necessidade de automatizar rapidamente processos herdados (legacy) sem ter a capacidade ou orçamento para uma reestruturação completa de sistemas de informação internos. Robôs simplesmente imitavam ações humanas em interfaces existentes — clicando, copiando, colando dados — o que tornou a implementação rápida mas inflexível a qualquer mudança nos próprios sistemas. O surgimento de agentes de IA baseados em LLM uma década depois não abole esta infraestrutura de automação acumulada, mas dá a empresas como RGS a capacidade de sobrepor a ela uma camada mais flexível capaz de trabalhar com exceções e casos não-padrão que o cenário RPA clássico simplesmente não poderia manipular e passava a um operador humano.