AI-agent, chatbot eller RPA – vad är skillnaden och när passar vad?

Begreppen AI-agent, chatbot och RPA används ofta som om de vore synonymer. De löser olika problem, kräver olika underlag och medför olika risker. Den som blandar ihop dem köper lätt fel verktyg eller förväntar sig något som tekniken inte levererar.

Kort sagt: RPA följer ett fast manus, en chatbot för ett samtal och en AI-agent arbetar mot ett mål och väljer själv vilka steg som behövs. Resten av texten förklarar vad det betyder i praktiken och när ni bör välja vad. Artikeln är en del av vår genomgång av AI-agenter för företag.

Vad är RPA och var fungerar det bra

RPA står för Robotic Process Automation. En RPA-robot är ett program som härmar det en människa gör vid skärmen: öppnar ett system, kopierar ett fält, klistrar in det i ett annat och klickar på spara. Den följer ett manus steg för steg och gör exakt det som är inprogrammerat, varje gång.

Det är både styrkan och begränsningen. En robot som flyttar uppgifter från en fakturamall till ekonomisystemet gör det felfritt så länge mallen ser likadan ut. Ändrar leverantören layouten, eller flyttar systemleverantören en knapp, stannar roboten eller gör fel. Den förstår inte vad den gör, den upprepar.

RPA passar där processen är stabil, reglerna går att skriva ned och indata är strukturerad. Typiska exempel i ett svenskt SME är avstämning mellan två system, att skapa användarkonton när någon nyanställs och att föra över orderrader från en grossists portal till affärssystemet.

Vad är en chatbot

En chatbot är ett gränssnitt för samtal. Den äldre typen styrs av beslutsträd och nyckelord: kunden väljer ett alternativ och boten svarar med ett färdigskrivet svar. Den nyare typen använder en språkmodell för att förstå frågan i fri text och formulera ett svar, ofta med stöd av företagets egna dokument.

Gemensamt för båda är att chatboten i grunden svarar. Den hämtar information och formulerar den. En chatbot hos en bilverkstad kan förklara vad en bromsservice innehåller och vad som gäller för garantin. Att faktiskt boka in bilen i verkstadens kalender är ett annat steg, och det kräver att något har rätt att skriva i systemet.

Det är ingen nackdel. Många företag behöver just en bra svarsfunktion på webbplatsen, och en väl underbyggd AI-chatbot avlastar telefon och mejl utan att röra era interna system.

Vad är en AI-agent

En AI-agent får ett mål i stället för ett manus. Den använder en språkmodell för att resonera, men också verktyg: den kan slå upp en order, läsa ett avtal, skicka ett mejl, skapa en uppgift eller uppdatera en post i ett system. Agenten avgör själv i vilken ordning det ska ske, kontrollerar resultatet och går vidare eller ber om hjälp.

Ta en fastighetsförvaltare. En hyresgäst skriver att det droppar från taket. Agenten läser meddelandet, identifierar fastighet och lägenhet, kontrollerar om det redan finns ett pågående ärende, skapar en felanmälan med rätt prioritet, föreslår tid för hantverkare och bekräftar till hyresgästen. Vid tecken på akut risk, till exempel vattenskada nära elinstallationer, lämnar den över till jourpersonal. Ingen har skrivit ett manus för just det här ärendet. Agenten har fått uppgiften, behörigheterna och spelreglerna.

Därför är agenter både mer användbara och mer krävande än de två andra. De hanterar variation, men de måste styras med tydliga gränser. Uppbyggnaden beskrivs närmare på sidan om AI-agenter.

Skillnader i autonomi, beslutsfattande, integration och risk

Tabellen sammanfattar de viktigaste skillnaderna. Därefter går vi igenom de fyra dimensionerna var för sig.

Egenskap	RPA	Chatbot	AI-agent
Arbetssätt	Följer ett fast manus	För ett samtal och svarar	Arbetar mot ett mål och väljer steg
Autonomi	Ingen, gör det som är inprogrammerat	Låg, svarar när den blir tillfrågad	Medel till hög, inom satta gränser
Beslutsfattande	Fasta regler	Tolkar frågan, väljer svar	Resonerar, väljer verktyg och ordning
Hanterar variation	Dåligt	Bra i samtal	Bra i både samtal och arbetsflöden
Integration	Skärm eller API, ofta ömtåligt	Ofta bara läsning av kunskapsunderlag	API:er och system med behörigheter
Typisk risk	Stannar eller gör fel när ett system ändras	Felaktigt eller för självsäkert svar	Felaktig handling i ett system
Bäst på	Stabila, regelstyrda rutiner	Vanliga frågor och vägledning	Ärenden med variation och flera steg

Autonomi

RPA har ingen egen vilja: det som inte finns i manuset händer inte. Chatboten agerar bara när någon skriver till den. Agenten kan starta själv, till exempel när ett mejl kommer in eller en order ändras, och driva ärendet framåt. Ju mer autonomi, desto viktigare blir gränserna för vad den får göra utan godkännande.

Beslutsfattande

En RPA-robot fattar inga beslut, den utför villkor som någon har skrivit. En chatbot fattar ett litet beslut: vilket svar passar frågan. En agent fattar många delbeslut under ett ärende, och det är där kvaliteten på instruktioner, kunskapsunderlag och kontroller avgör resultatet.

Integration

RPA kopplas ofta till gränssnitt som inte var tänkta för automation och blir därför känsligt för förändringar. En chatbot behöver ofta bara tillgång till dokument och en kunskapsbas. En agent behöver riktiga kopplingar till era system, med egna behörigheter och loggning. Det arbetet är oftast större än själva AI-delen, och det beskrivs närmare i vår text om AI-agenter och era befintliga system.

Risk

Riskerna ser olika ut. En RPA-robot misslyckas ofta tydligt och går att upptäcka. En chatbot kan svara fel på ett övertygande sätt. En agent kan göra något fel i ett system, till exempel skicka ett mejl till fel mottagare eller ändra en post som den inte borde röra. Risken minskas med snäva behörigheter, godkännandesteg för känsliga åtgärder och att varje handling loggas.

När passar vad

Utgå från problemet, inte från tekniken. Några tumregler som håller i de flesta verksamheter:

• Välj RPA när processen är densamma varje gång, indata ser likadan ut och reglerna går att skriva på en sida. Exempel: nattlig överföring av data mellan två system.
• Välj en chatbot när målet är att besvara frågor och vägleda, och svaren finns i era dokument. Exempel: en redovisningsbyrå som vill att kunder ska hitta svar om deklarationstider och underlag utan att ringa.
• Välj en AI-agent när ärendet kräver att någon läser, bedömer och sedan agerar i ett eller flera system, och när varje ärende ser lite olika ut. Exempel: ett bygg- eller installationsföretag där ärenden kommer in som fritext, bilder och halvfärdiga mejl.

Det finns också lägen där ingen av dem är rätt val. Om processen är dåligt definierad internt, om olika personer gör på olika sätt eller om underlaget är bristfälligt, löser ingen teknik det. Börja då med att kartlägga och förenkla. En agent som ska följa regler som ingen har skrivit ned blir opålitlig, precis som en ny medarbetare utan introduktion.

AI-agenter passar inte heller för beslut med stora rättsliga eller ekonomiska följder som saknar mänsklig granskning, till exempel att avslå en reklamation av stort värde eller säga upp ett avtal. Där kan agenten förbereda och föreslå, men en människa bör fatta beslutet.

Så kombinerar ni RPA, chatbot och AI-agent

I praktiken är det ovanligt att ett företag väljer en enda av dem. De kompletterar varandra, och den bästa lösningen är ofta en kedja där varje del gör det den är bra på.

Ett exempel från en grossist. Kunder mejlar beställningar i olika format. En AI-agent läser mejlet, förstår vad kunden vill ha, kontrollerar artikelnummer och lagersaldo och ställer en följdfråga om något är oklart. När ordern är klar och godkänd lämnar agenten över till en RPA-robot eller en vanlig integration som lägger in orderraderna i äldre affärssystem som saknar bra API. Kunden kan samtidigt följa status via en chatbot på webbplatsen som hämtar information om ordern.

Det ger en tydlig arbetsfördelning:

1. Chatboten möter människor och besvarar frågor.
2. Agenten tolkar, bedömer och driver ärendet.
3. RPA eller en fast integration utför de förutsägbara stegen i system som saknar öppna gränssnitt.
4. En människa tar emot det som kräver omdöme och godkänner det som är känsligt.

Kombinationen minskar också risken. Låt det som kan göras med fasta regler göras med fasta regler, och använd en agent där variationen verkligen finns. Mer förutsägbart, billigare att drifta och enklare att felsöka.

Vanliga missförstånd

En chatbot med språkmodell är en agent

Det vanligaste missförståndet. En chatbot som drivs av en språkmodell kan formulera mycket naturliga svar, men det gör den inte till en agent. Frågan är vad den kan göra, inte hur den låter. Om den bara svarar på frågor ur ett kunskapsunderlag är den en chatbot, oavsett hur avancerad modellen är. Först när systemet självständigt planerar steg, använder verktyg och utför handlingar i era system är det en agent.

Agenter ersätter RPA

Det stämmer inte. För stabila, regelstyrda uppgifter är RPA eller en vanlig integration ofta bättre: billigare per körning, snabbare och helt förutsägbar. En agent är dyrare att köra och mindre förutsägbar, så den bör användas där flexibiliteten behövs.

Mer autonomi är alltid bättre

Autonomi är ett reglage, inte ett mål. Många lyckade införanden börjar med en agent som bara föreslår och förbereder, medan en människa godkänner. Först när kvaliteten är belagd i verklig drift ger man agenten rätt att agera själv på de enklaste ärendena.

Agenten vet vad företaget tycker

En agent kan bara handla utifrån de instruktioner, den kunskap och de behörigheter den får. Brister i underlaget syns direkt i resultatet. Hög kvalitet kräver att företagets rutiner, tonläge och undantag faktiskt skrivs ned.

Det räcker att välja rätt teknik

Valet av teknik är en liten del. Ärendets avgränsning, kvaliteten på underlaget, behörigheterna och uppföljningen avgör om lösningen fungerar. Räkna med att en första version behöver justeras efter hand när verkliga ärenden visar vad som saknas.

Så går ni vidare

Välj ett enskilt flöde som tar märkbar tid i dag, där ärendena är många och ganska lika, och beskriv det i vanliga ord: vad kommer in, vilka beslut fattas, vilka system berörs och när behövs en människa. Svaret på den beskrivningen visar oftast vilken typ av lösning som passar. Behöver ni hjälp att bedöma det kan ni höra av er till oss på Techgruppen.