夜雨聆风AI 负责决策，RPA 负责执行；一个动脑，一个动手，协同完成复杂任务。国网公司正在从“机械化流程”走向“智驱业务”。
在国网各项工作中，RPA已承担起规则明确、重复性高的任务——跨系统录入、报表填制、工单流转等，显著减轻了机械性工作负担。然而，电网业务中存在着大量半结构化数据与模糊规则，而RPA只能执行明确指令。规则不明确，它便无从下手；数据不规整，它便无法识别；流程存在非逻辑分支，它便无力判断。技术局限之下，人工不得不频频介入，导致：
lRPA 执行到“关键一步”就停下；
l人工频繁介入做判断、补信息；
l人的注意力被反复打断，效率不升反降。
由此，“人工 + RPA”变成了新的拉扯，最终与减负增效的目标还有距离。
破局思路：用AI填补“人工断点”。
解决问题的关键：不是让RPA做得更多，而是让AI接手那些“卡住”的环节。
能力 | 职责 | 解决问题 |
RPA | 前端执行能力 | 跨系统取数、填表、派单、提醒 |
AI | 分析+决策能力 | 处理半结构化数据、模糊规则、经验判断 |
关键启发：从MCP中看到的方向。
MCP的三大价值： | |
价值 | 说明 |
标准化连接 | 光明大模型通过 MCP 统一接入 PMS、营销、供服等系统，无需重复开发接口 |
工具调用 | 智能体通过MCP协议调用 RPA 能力，实现“分析 →决策→执行”闭环 |
系统解耦 | 业务系统适配一次 MCP 标准，即可被所有 AI 应用调用 |
三者分工的通俗理解 | ||
角色 | 类比 | 在应用中的职责 |
RPA | 手 | 执行跨系统点击、填表、取数、派单等规则动作 |
AI/智能体 | 大脑 | 分析半结构化数据、判断模糊规则、做出执行决策 |
MCP | 神经通 路 | 让智能体能标准化地调用 RPA 和业务系统 |
一句话总结：RPA 让机器干活，AI 让机器思考，MCP 让它们标准化协同，人只做最有价值的最终决策。
痛点：工单诉求内容不标准化，抄表段规则不准确，地理位置所属片区难以判断等，导致工单派发方向不明确。同时，业务具备时效性；人工处置大批量工单时，易疲劳出错；行政地理划分与电力管理地址划分不匹配，依赖老员工经验。
实现方式：RPA 实时监单、自动签收，提取诉求、用户、抄表段、地址等关键信息。Agent 根据用户信息，判断处置方式与派发类型；同时，通过地址与抄表段双重校验归属。研判结果推送RPA执行派发，异常工单自动标记并督办复核。
痛点：待办合同目前依赖人工审核，需逐笔核对税前/税后、大写金额及税率计算，耗时易出错。金额校验与计算偏差均需要人工介入处理。通过 RPA+Agent 实现金额信息智能提取与自动审核，可大幅提升效率与准确率。
实现方式：RPA自动获取合同内容，Agent完成金额信息的智能识别与格式转换；RPA将数据录入Excel，结合表格函数完成税额、大小写金额等交叉校验，自动标注异常项，实现合同金额全流程智能审核。
【配网专业】台区运行报表智能生成
痛点：台区运行报表长期依赖人工统计，数据分散在多系统，低电压、重过载等关键指标暂未实现集中采集与关联分析。模板不固定、纯 RPA 无法动态适配调整，难以支撑配网运行精准决策。
实现方式：RPA 跨越供指系统、营销系统、网上电网等系统，自动采集配网各类运行数据；Agent完成数据整合、关联分析与动态适配，灵活适配报表模板，自动生成台区运行报表，高效支撑配网决策。
AI的价值不止于替代重复劳动，更在于让机器真正“理解”业务、辅助决策。除前述业务场景外，RPA+AI已逐步渗透至调度事故信息汇总整合；营销稽查信息细化分析、多类型合同辅助起草；配网用户电量采集失败原因分析及在途工单智能关联等更多“小而美”的业务场景中。
这些场景虽切入点精微，却释放出不可忽视的效能——降本、提效、控风险，实现了“小场景、大价值”的落地效果。以AI之力盘活业务末梢，让机器从“按指令执行”走向“按意图思考”，正推动着电网运营从“自动化”向“智能化”的深刻跃迁。
科技服务于人，不止于口号——AI+RPA，正在用行动证明这一点。
