2026年8月，一个过去并不常见的缩写，被IDC单独写进了市场报告的标题里。

APA，Agentic Process Automation，智能体流程自动化。

IDC首次将APA作为独立市场进行追踪，并发布《中国APA产品及解决方案市场份额，2025：智能体加快流程自动化落地，数字员工成为应用新形态》。报告显示，2025年中国APA产品及解决方案市场规模约21.5亿元。其中，金智维以11.9%的市场份额位列中国APA产品及解决方案市场总份额第一。

如果只把它理解成RPA行业又多了一个新概念，可能会低估这次变化。

过去几年，企业自动化市场其实一直在解决同一个问题：机器人能不能少依赖一点人。

最早的RPA解决的是“重复劳动”，后来RPA+AI开始解决“机器看不懂”，现在APA想继续往前走一步，解决的是另一个更麻烦的问题：流程能不能不再事事等着人来教。

规模化之后，RPA的边界开始显现

RPA曾经解决过企业一个非常现实的问题。

大量财务、运营、银行后台和政务业务，都存在重复点击、数据录入、信息搬运、系统间复制粘贴。人每天做几个小时，软件机器人可以24小时不停地跑，而且只要规则明确，速度和稳定性通常都不错。

所以早期谈RPA，逻辑很直接：把人从机械工作里释放出来。

但当企业真的把RPA大规模铺开，另一笔账也慢慢浮出了水面。

传统RPA依赖预先编排好的脚本。页面按钮换了位置，流程可能要改；业务多出一个异常分支，脚本也要跟着调整；碰上合同、邮件、图片等非结构化信息，很多时候仍然要人工接手。

它很像一只执行力极强的机械臂。你告诉它坐标，它可以连续点一万次，但它并不知道自己为什么要点这里，更不会因为页面变了，就自己寻找新的入口。

几个机器人时，这个问题还不明显。几十个、上百个自动化流程同时运行以后，维护成本会迅速暴露出来。

当自动化流程从10个以内的初期验证阶段扩展到100个以上的规模化阶段时，ROI可能由150%至200%下降至50%至80%。原因并不神秘。机器人数量越多，需要维护的脚本、规则、异常分支也越多，而这些工作过去主要依靠人来完成。

结果有点尴尬。企业原本希望通过自动化减少重复劳动，最后却可能又养出一支专门维护自动化流程的团队。

RPA+AI补上了感知，但流程仍靠人编排

于是AI开始进入RPA。

OCR负责识别票据和图片，自然语言处理负责理解文本，知识图谱处理知识关系，一些原本只能处理结构化数据的机器人，逐渐可以识别合同、发票、邮件和其他非结构化信息。

如果说RPA是一只机械臂，那么RPA+AI至少给它补上了眼睛。

这也是过去几年RPA行业最重要的一次能力扩展。根据原文引用的IDC预测，2026年中国RPA+AI解决方案市场规模预计突破70亿元，企业采用率也从2021年的20%提升至58%以上。Gartner则曾连续将超自动化纳入年度战略技术趋势。

但问题并没有彻底解决。

因为这个阶段的AI，更多承担的是识别和判断能力。它可以告诉机器人“这是一张发票”“这里是合同金额”“这个字段应该填进去”，但整个任务下一步去哪、调用哪个系统、遇到异常怎么办，大部分时候依旧需要开发者事先设计。

换句话说，机器人能看懂更多东西了，但工作流程还是人画好的。

这在几十个流程的情况下没有太大问题，可企业一旦希望自动化覆盖几百甚至更多业务场景，老问题又回来了：流程越多，维护工作越重。

也正是在这里，APA和过去的RPA+AI开始出现区别。

APA真正改变的，是流程的组织方式

APA并不是简单给RPA接一个大模型。

按照IDC的定义，APA是在企业RPA、工作流与智能体之间建立一层可治理的平台，将API、脚本和流程封装成智能体能够调用的工具与技能。

这个定义里，真正值得注意的是“调用”两个字。

传统RPA的路径通常是开发人员提前写好的：打开A系统，查询数据，复制结果，再进入B系统完成录入。步骤、顺序和异常处理逻辑大多已经确定。

APA的思路不同。

企业可以先告诉智能体要完成什么任务，智能体理解目标后，再结合已有的RPA机器人、API、工作流和其他工具决定怎么完成。哪些环节调用RPA，哪些环节查询知识库，什么时候使用模型进行判断，什么时候需要人工确认，都可以放进一个更动态的任务执行体系里。

所以，APA并没有把RPA推翻重来。

相反，那些已经运行多年、足够稳定的RPA流程仍然有价值。工作流、规则引擎和API也不会因为智能体出现就消失。真正改变的是它们之间的组织方式。

过去是人把工具一个个串成流程，现在开始尝试由智能体根据任务去组织这些能力。

这也是为什么“目标驱动”会成为APA里一个重要概念。机器人不再只知道下一步应该点击哪个按钮，它开始需要理解：我到底要完成什么。

Gartner将Agentic AI列为2025年十大战略技术趋势第一名，并预测到2026年底，40%的企业应用将具备任务特定的AI智能体能力，超过80%的企业会把智能体和AI能力纳入自动化战略。APA可以看作Agentic AI进入企业流程之后的一种具体形态。

企业正在重算自动化这笔账

当然，企业采购软件不会因为行业多出了一个新缩写就买单。

RPA、RPA+AI还是APA，对很多业务部门来说并没有那么重要，他们最后算的仍然是几笔很具体的账：开发是不是更快，后续是不是更好维护，原来做不了的业务现在能不能自动化。

首先受到影响的是自动化的开发方式。

按照原文数据，APA可以将部分自动化开发周期从传统的2至4周缩短至2至4天，流程开发由1至2天压缩至1至2个小时，维护成本降低80%以上。过去需要开发人员拖拽组件、配置规则、调试流程的工作，开始可以通过自然语言描述需求完成一部分，能够参与流程构建的人群也因此有机会扩大。

这件事的意义未必在于“人人都会开发”，更现实的变化是，业务人员和自动化之间少了一层翻译。

过去业务部门说一句“我每天需要把这些数据整理以后录到这个系统”，后面可能要经过需求沟通、流程梳理、开发、测试和上线。APA试图压缩的，正是中间这些大量依靠人工传递和配置的环节。

另一个变化出现在复杂场景。

传统自动化最喜欢规则稳定、数据结构清晰的工作，因为这样的任务最好写脚本。但真实企业环境恰恰没那么整齐。系统会改版，文件格式不统一，员工写邮件的方式各不相同，业务中还充斥着大量例外。

智能体的价值，恰恰是在这些“不够标准”的地方。

原文提到，在某省级政务项目中，OCR叠加大模型校验后，准确率由85%提升至98.7%。这类能力如果继续成熟，自动化可以覆盖的边界就不再局限于那些高度结构化的流程。

最后还有一个过去很容易被忽略的问题：自动化流程究竟算项目，还是企业自己的数字资产？

传统模式下，很多自动化项目具有明显的交付属性。供应商完成开发，企业开始使用，流程发生变化以后再继续维护。IDC在APA报告中提出了另一种方向，即让自动化流程逐渐成为企业可以长期拥有、持续演进的流程资产。

这可能比“机器人更聪明”更值得企业关注。因为自动化真正做到几百、几千个流程以后，最值钱的东西已经不只是某一个机器人，而是企业积累下来的业务规则、流程知识、工具能力，以及这些能力之间的调用关系。

复杂业务，开始进入智能自动化的腹地

从目前已经出现的一些项目看，APA带来的变化已经开始落在具体的业务时间上。

原文列举的案例中，财务月报编制可以从小时级压缩至8分钟，银企对账时间节省40%；某制造企业财务部门每天需要处理200多张发票，引入智能体模式后，处理时间从4小时缩短至15分钟；在政务场景中，APA驱动的数字员工平台在试点场景实现了不低于30%的人工操作替代率和50%的人工成本替代率。

这些数字背后，其实对应着企业自动化过去一直想突破的一道边界。

那些规则最清楚、最容易自动化的流程，过去十年已经被RPA做掉了不少。接下来真正难啃的，是需要看材料、做判断、跨系统操作，还会不断出现异常的复杂业务。

而这恰恰也是智能体开始进入流程自动化的原因。

RPA不会退场，但自动化架构正在重组

回头看企业自动化这些年的变化，会发现RPA其实从来没有真正被“淘汰”。

AI来了以后，RPA仍然负责执行；大模型来了以后，稳定的RPA流程同样不会因为有了智能体就失去价值。

变化的是它在整套系统里的位置。

以前，一个RPA机器人本身就是一条自动化流程。未来，它更可能成为智能体手里的一项技能。当智能体需要操作一个没有API的旧系统时调用RPA，需要查询数据时调用API，需要进行复杂判断时调用模型，需要高风险决策时再把任务交给人。

企业自动化正在从“做更多机器人”，转向“怎么把这些能力组织起来”。

IDC在2026年首次把APA作为一个独立市场追踪，其实也说明行业关注的问题变了。

过去大家比较的是机器人能不能跑、跑得快不快；RPA+AI阶段开始比较机器人能不能看懂更多东西；到了APA阶段，更棘手的问题变成了，企业已经拥有这么多模型、机器人、API、工作流和业务系统，究竟谁来把它们真正组织成一套可以工作的自动化体系。

这可能才是APA出现的现实背景。

至于APA最终会不会成为企业智能自动化长期使用的名字，现在下结论还早。但有一点已经越来越清楚：企业并不缺一个会聊天的AI，它们真正缺的，是一个能够理解任务，又能把事情真正做完的系统。