RPA e agentes de IA na arquitetura corporativa: não um no lugar do outro, mas juntos

Serguei, chefe do departamento de tecnologias operacionais da seguradora RGS (Rosgosstrakh), publicou no Habr um artigo sobre se a automação robótica de processos (RPA) e os agentes de IA baseados em grandes modelos de linguagem (LLMs) competem entre si ou se complementam na arquitetura de sistemas corporativos. A principal conclusão do autor: no ambiente corporativo, não são tecnologias concorrentes, mas complementares, e formam duas camadas de um mesmo sistema.

Como o RPA se diferencia dos agentes de IA

O RPA (Robotic Process Automation) se tornou nos últimos anos uma ferramenta de massa para automatizar processos de negócio rotineiros: "robôs" de software seguem cenários estritamente definidos e repetem os mesmos passos sobre dados estruturados, como transferir dados entre sistemas, preencher formulários a partir de um modelo ou gerar relatórios com um algoritmo fixo. Os agentes de IA baseados em LLM funcionam de maneira fundamentalmente diferente: raciocinam sobre dados não estruturados, como textos, imagens e pedidos livres dos usuários, e podem tomar decisões em situações para as quais não há um cenário rígido escrito de antemão.

Por que escolher uma só tecnologia é uma escolha sem escolha

O autor formula assim a tese central: se a organização é forçada a escolher apenas uma das duas abordagens, perde eficiência inevitavelmente. O RPA e os agentes de IA resolvem classes diferentes de tarefas, e trocar um pelo outro significa pagar a mais por um LLM onde bastaria um script simples com modelo, ou esbarrar nas limitações rígidas do RPA onde é preciso interpretar informação não estruturada.

Principais pontos do artigo:

• O autor é Serguei, chefe do departamento de tecnologias operacionais da RGS (Rosgosstrakh).
• Plataforma de publicação: Habr, seção AI.
• O RPA é eficaz no processamento repetido de tarefas repetitivas e bem estruturadas.
• Os agentes de IA baseados em LLM são eficazes com dados não estruturados e tarefas que exigem raciocínio.
• Conclusão: na arquitetura corporativa, são duas camadas complementares, não alternativas concorrentes.

Como RPA e agentes funcionam juntos na prática

Na visão do autor, a arquitetura mais produtiva para uma grande organização não troca uma tecnologia pela outra, mas monta um sistema em que cada camada resolve as tarefas para as quais é mais adequada. Os robôs de RPA continuam executando operações em massa, previsíveis e fáceis de verificar, em que importam velocidade, baixo custo e 100% de repetibilidade do resultado. Os agentes de IA entram onde o processo exige interpretar contexto: analisar a solicitação de um cliente escrita em texto livre, decidir em uma situação fora do padrão ou sintetizar informações de fontes dispersas antes de passar um resultado estruturado adiante na cadeia, inclusive para o mesmo robô de RPA fazer a execução final.

Para o setor de seguros, em que o autor atua, essa arquitetura híbrida é especialmente relevante: o processamento de pedidos de indenização, a avaliação de sinistros e o atendimento a clientes combinam etapas rigidamente regulamentadas e formalizadas em documentos, ideais para o RPA, com elementos que exigem compreensão de linguagem natural e do contexto de cada situação, o campo dos agentes de IA. O artigo do Habr, ao que tudo indica, também analisa um caso concreto dessa arquitetura combinada na RGS e mostra por que duas tecnologias frequentemente colocadas uma contra a outra no debate público acabam sendo, na prática, partes de uma mesma cadeia produtiva, e não alternativas mutuamente excludentes.

O RPA como categoria de software corporativo começou a se difundir em massa em meados da década de 2010, quando empresas do mundo todo precisaram automatizar rapidamente processos legados (legacy), sem condições ou orçamento para reconstruir por completo seus sistemas internos de informação. Os robôs simplesmente imitavam as ações humanas nas interfaces existentes (clicavam, copiavam, colavam dados), o que tornava a implantação rápida, mas pouco flexível diante de qualquer mudança nos próprios sistemas. A chegada dos agentes de IA baseados em LLM uma década depois não anula essa infraestrutura de automação acumulada, mas dá a empresas como a RGS a possibilidade de construir sobre ela uma camada mais flexível, capaz de lidar com exceções e casos fora do padrão que um cenário clássico de RPA simplesmente não conseguia processar e repassava a um operador humano.