← M06 No-Code / Low-Code AI M06 No-Code / Low-Code AI

M06.05｜RPA 流程自動化：讓機器人代替你做重複性工作

每天複製貼上三小時？RPA 機器人幫你做，不會累也不會錯

L1-AI應用規劃-流程自動化 L1-AI應用規劃-RPA概念

🇺🇸 DOL AI Literacy 🔍 探索 AI 應用 🏢 情境嵌入式學習

📋

本講學習重點

RPA 與 AI 的根本差異是什麼？

有人值守 vs 無人值守機器人的差異？

RPA 最適合哪種類型的工作？

什麼是智慧自動化（IPA）？

RPA 導入失敗的最常見原因？

RPA：模仿人類操作介面（滑鼠、鍵盤），不改動後台系統

有人值守 (Attended)：人在電腦旁，機器人協助操作

無人值守 (Unattended)：機器人自動在背景執行，不需人工介入

RPA 適合：規則明確、重複性高、需要跨系統複製資料的任務

IPA (Intelligent Process Automation)：RPA + AI（OCR、NLP、ML）

UiPath：最大 RPA 廠商，CoE（卓越中心）模型知名

Power Automate：Microsoft 生態，與 Office 365 整合，適合中小企業

📌 RPA（機器人流程自動化）透過軟體機器人模仿人類的滑鼠和鍵盤操作，自動執行重複性的業務流程，不需改動現有系統。與 AI 不同，RPA 處理的是規則明確的結構化任務。當 RPA 結合 AI（如 OCR、NLP）時，演化為能處理非結構化資料的「智慧自動化」。

🎙️ Podcast（中文）

0:00 / 0:00

一句話搞懂

RPA 就是「會操作電腦的虛擬員工」——它看得到螢幕上的東西、會用滑鼠點選、會用鍵盤輸入，能夠 24 小時不間斷地重複任何你示範給它看的電腦操作流程。

白話解說

每天三小時的複製貼上，是真實的痛點

讓我們從一個真實的場景出發。某公司的財務人員 Mary，每天早上要花三個小時做同樣的事：打開 ERP 系統，把昨天的訂單資料逐筆複製到 Excel 表格；再打開銀行網路銀行，把收款紀錄也抄到 Excel；然後比對兩份資料，找出差異，填寫對帳報表，再寄給主管。這個工作每一步都需要人工操作三個不同的系統，但每個步驟本身都毫無判斷難度——完全是機械式的重複動作。

這種工作最消耗人力，卻對員工的成長毫無幫助。更糟糕的是，疲勞、分心、打字錯誤讓「人工複製貼上」充滿差錯風險。RPA（Robotic Process Automation，機器人流程自動化）的誕生，正是為了解放 Mary 這樣的人。

RPA 是怎麼運作的？

RPA 的核心技術是UI 自動化（UI Automation）：軟體機器人透過讀取螢幕上的 UI 元素（按鈕、文字框、下拉選單）來「理解」應用程式的介面，然後模仿人類的操作——移動滑鼠、點擊按鈕、輸入文字、等待頁面載入。從系統的角度來看，RPA 機器人的操作與真人使用者幾乎完全相同，因此不需要改動任何現有的後端系統或資料庫。

這個特點讓 RPA 在企業中特別受歡迎。許多大型企業有幾十年歷史的遺留系統（Legacy System），這些系統根本沒有 API、也無法輕易修改，但 RPA 機器人可以像一個真人員工一樣操作它們，無需昂貴的系統整合工程。

RPA 機器人分為兩種型態：有人值守機器人（Attended Robot）在人類員工的電腦上執行，由員工在需要時手動啟動，協助完成操作中的特定步驟（例如在客服人員接聽電話時，機器人自動在後台查詢客戶資料）；無人值守機器人（Unattended Robot）則在伺服器上自動執行，不需要人工介入，通常由排程觸發（例如每天凌晨兩點自動產生報表）。

主流 RPA 平台

UiPath 是全球 RPA 市場占有率最高的平台，以其成熟的企業級功能和「卓越中心（Center of Excellence, CoE）」導入模型著稱。UiPath 的開發工具 Studio 提供完整的視覺化流程設計，同時支援 Low-Code 和可嵌入 Python/C# 的進階模式。它的「UiPath Academy」提供大量免費教學資源，是學習 RPA 的優良入口。

Automation Anywhere 是另一家頂尖 RPA 廠商，特別強調雲端原生架構和 AI 整合。它的 IQ Bot 功能結合了 OCR 和機器學習，可以自動處理非結構化文件（如發票、合約掃描件），是進化版「智慧自動化」的代表。

Microsoft Power Automate（前身 Microsoft Flow）是 Microsoft 365 生態系的自動化工具，提供桌面版（Desktop Flows，針對本機應用程式的 RPA）和雲端版（Cloud Flows，針對 API 和雲端服務的整合）。對已大量使用 Office 365、Teams、SharePoint 的企業而言，Power Automate 的整合深度是其他工具難以比擬的。它的免費版本功能相當完整，是中小企業入門 RPA 的絕佳選擇。

RPA + AI = 智慧自動化

傳統 RPA 有一個明確的限制：它只能處理結構化的資料和規則明確的流程。當輸入是一張掃描的 PDF 發票（非結構化影像）、或客戶用自由文字填寫的客訴表單，傳統 RPA 就無能為力了。

這正是 IPA（Intelligent Process Automation，智慧流程自動化） 的用武之地。IPA 是 RPA 與 AI 技術的結合：

OCR（光學字元辨識）：讓機器人能「讀懂」掃描文件和圖片
NLP（自然語言處理）：讓機器人能理解非結構化的文字資料
機器學習：讓機器人能做出需要判斷的決策（例如把發票分類到不同的費用類別）

透過 IPA，原本需要人工判斷才能處理的複雜流程，也能大幅自動化。這是 RPA 生態系目前最活躍的演進方向。

應用場景

部門	流程名稱	自動化前	自動化後	節省時間
財務	應付帳款對帳	每月人工比對 ERP vs 銀行紀錄，需 2 天	機器人每晚自動對帳，隔天早上呈現例外清單	90%
人資	新員工入職設定	手動在 5 個系統建立帳號（AD、email、HR 系統等）	機器人收到 HR 系統新員工資料後自動在所有系統建帳	85%
採購	供應商發票處理	收到發票 PDF，人工鍵入 ERP，核對訂單	OCR + RPA 自動讀取發票、比對、入帳，例外才人工確認	75%
法務	合約資料建檔	人工從合約 PDF 抄錄關鍵條款到資料庫	NLP + RPA 自動擷取條款、分類、建檔	70%
業務	每日業績報表	業務主管每晨手動從 CRM 匯出數據、整理 Excel	機器人每晚自動生成報表並寄送 Email	100%（完全自動）
IT 支援	使用者帳號管理	IT 人員收到工單後手動操作 AD、VPN、Email 等	機器人讀取工單後自動執行標準操作，例外才轉人工	80%

常見誤區

誤區 1：「RPA 就是 AI，用了 RPA 就等於導入了人工智慧」

這是一個在企業界非常普遍的誤解。RPA 本身不包含 AI——傳統 RPA 機器人執行的是規則式的指令序列，它「看到 A 按鈕就點擊、看到 B 欄位就輸入 C 值」，完全沒有學習能力或判斷能力。它更接近一個「精確的巨集錄製播放工具」，而非「人工智慧」。只有當 RPA 結合 OCR、NLP、或機器學習時，才能稱得上是智慧自動化（IPA）。在與高層報告時，這個區別很重要：不要把純 RPA 的成果包裝成「AI 轉型」，誠實呈現自動化的性質有助於建立長期信任。

誤區 2：「RPA 導入很快，幾天就能上線運作」

簡單的 RPA 流程確實可以在幾天內建立，但真正能穩定運作的 RPA 流程需要充分的「流程文件化」和「例外情境處理」。許多 RPA 導入項目失敗的根本原因是：在建立機器人之前，沒有清楚定義「這個流程的每個步驟在什麼條件下往哪個方向走」、「出現什麼錯誤時機器人應該怎麼辦」。被自動化的流程越是「靠人的經驗和判斷」，就越難直接交給機器人。導入 RPA 前，先花時間把流程文件化和標準化，往往比機器人開發本身更重要，也更花時間。

誤區 3：「RPA 機器人上線後就很穩定，不會出問題」

RPA 機器人的穩定性強烈依賴於所操作的應用程式介面不發生變化。當 ERP 系統升級了、網頁改版了、或 IT 部門修改了某個系統的版面配置，機器人原本依賴的 UI 元素（按鈕位置、欄位名稱）可能消失或改變，導致機器人失效（稱為「機器人斷線（Bot Breakage）」）。這不是機器人的設計問題，而是 RPA 技術本質的限制。企業導入 RPA 時必須同步建立「機器人維運（Robot Operations）」機制：專人監控機器人運作狀態、在系統變更前事先通知機器人維護人員、以及定期測試機器人的執行狀況。

小練習

練習 1：RPA 適用性評估

以下是五個業務流程，請判斷每個流程是否適合用 RPA 自動化，並說明原因：

流程	描述	是否適合 RPA？
A	每天從三個網站抓取競爭對手的商品價格，填入 Excel 比價表	？
B	主管審閱員工績效考核，決定每人的加薪幅度	？
C	客戶發送退款申請 Email 後，客服人員確認符合退款資格，然後在 ERP 系統中執行退款操作	？
D	每月底從會計系統匯出當月費用報告，轉換成特定格式，上傳到總公司的系統	？
E	業務人員與客戶電話洽談後，根據談話內容判斷這個潛在客戶的優先級	？

查看答案

**A. 非常適合 RPA** — 定期從特定網址抓取資料、填入固定格式的 Excel，步驟規則明確、完全重複性、無需判斷。這是 RPA 的最理想應用場景之一（網頁爬取 + 資料填入）。 **B. 完全不適合 RPA** — 績效考核是需要大量主觀判斷、情境理解和人際敏感度的工作，沒有機械化的規則可依循。這是純粹需要人類判斷的工作，任何自動化工具都不應介入決策本身。 **C. 部分適合 RPA** — 「確認符合退款資格」這個步驟需要判斷（讀 Email、理解內容、核對規定），不適合傳統 RPA（但可以考慮結合 NLP 的 IPA）。然而，一旦客服人員確認「可以退款」，後續的 ERP 操作步驟完全適合 RPA 自動執行。這是一個「有人值守機器人」的典型應用：人類做判斷，機器人執行操作。 **D. 非常適合 RPA** — 每月定期執行、步驟固定（匯出 → 轉換格式 → 上傳）、完全規則化，是 RPA 無人值守機器人的教科書案例。 **E. 完全不適合 RPA** — 根據電話談話「判斷客戶優先級」涉及對口頭資訊的理解、業務直覺和情境推理，不存在可以程式化的規則。這是需要業務人員的經驗和判斷力的工作。

練習 2：RPA + AI 整合設計

一家保險公司每天收到 500 份客戶以 PDF 格式提交的理賠申請書。目前的流程是：人工閱讀 PDF → 判斷理賠類別（醫療/意外/財產） → 手動輸入 ERP → 轉給對應部門審核。整個過程每份需要 10 分鐘，公司配置了三名全職員工處理這項工作。

請設計一個 RPA + AI 的智慧自動化方案，說明：

哪些步驟用 RPA 處理？
哪些步驟需要 AI 技術？需要哪種 AI？
哪些步驟仍然需要人工介入？

查看答案

**完整的 IPA 方案設計：** **步驟 1：自動接收 PDF（RPA）** 機器人監控指定 Email 信箱或上傳資料夾，偵測到新 PDF 後自動觸發後續流程。 **步驟 2：OCR 文字辨識（AI — OCR 技術）** 使用 OCR 引擎（如 Azure Document Intelligence、UiPath Document Understanding）把 PDF 掃描件轉換成結構化文字資料，提取：申請人姓名、保單號碼、事故日期、申請金額等關鍵欄位。 **步驟 3：理賠類別分類（AI — NLP 文字分類）** 使用訓練好的 NLP 分類模型，根據申請書的描述文字自動判斷理賠類別（醫療/意外/財產），輸出分類結果和信心分數（Confidence Score）。 **步驟 4：條件路由（RPA 邏輯判斷）** - 若 OCR 辨識信心 > 90% 且 NLP 分類信心 > 85%：自動進入步驟 5 - 若任何信心分數低於閾值：轉入「人工確認佇列」（見步驟 6） **步驟 5：自動建檔與轉派（RPA）** 機器人將提取的資料自動輸入 ERP 系統，建立理賠案件，並根據分類結果自動指派給對應部門的審核人員。 **步驟 6：人工例外處理（仍需人工）** 低信心分數的案件、格式特殊的 PDF、或 AI 判定為「模糊類別」的申請，由人工確認後再回到步驟 5。 **預期效益：** - 80-85% 的標準案件完全自動化，處理時間從 10 分鐘縮短到 30 秒 - 15-20% 需要人工確認的案件，仍需人工，但因為 OCR 已提取好關鍵資料，人工確認時間從 10 分鐘降至 2 分鐘 - 原本三名全職員工可縮減為一名，另外兩名轉型為「AI 輸出品質監控」和「流程異常處理」角色

關鍵字自我檢核

✅ RPA ✅ 機器人流程自動化 ✅ UiPath ✅ Automation Anywhere ✅ Power Automate ✅ 智慧自動化 ✅ 智能自動化 ✅ IPA ✅ 業務流程 ✅ 資料輸入