前言
行銷或電商團隊要把重複的後台作業交給機器，選項大致是三種：RPA 認畫面上的按鈕座標，n8n 認系統之間的 API 訊號，AI Agent 靠語言模型自己判斷該做什麼。三種都被叫做自動化，但壞掉的原因、能碰的系統、要花的錢完全不同，選錯的下場通常是介面一改版流程全斷，或者買了 AI 只拿來點按鈕。
RPA、n8n、AI Agent 為什麼常被混著講
三種工具外觀都長得像自動化：設定好之後自己跑，號稱不用寫程式，都在講幫你省時間。真正的差別在它們認得的訊號不同，這一層決定了能接哪些系統、什麼時候會壞、壞掉之後查不查得到。
| 項目 | RPA | n8n | AI Agent |
|---|---|---|---|
| 靠什麼判斷 | 畫面座標、按鈕位置 | 系統之間的 API 事件 | 語言模型理解語意 |
| 邏輯怎麼來 | 錄好固定動作，照樣重播 | 人先排好每個節點 | 只給目標，自己決定怎麼做 |
| 代表工具 | UiPath、Power Automate Desktop | n8n、Zapier、Make | Claude Code、n8n AI Agent 節點 |
| 最大罩門 | 介面一改版就斷 | 規則之外的情況不會自己想辦法 | 判斷會出錯，送出前要人看過 |
RPA 是什麼？它模仿人在畫面上操作
只認座標卻不懂運作邏輯
RPA 機器人怎麼知道要點哪裡？靠的是 selector，記住一個按鈕在畫面上的座標、或是它的 HTML 屬性，下次看到一樣的座標就點下去。這種做法的好處是不挑系統，連二十年前寫的內部系統、沒有開放任何 API 的老軟體，只要人能用滑鼠操作，RPA 就能學著操作，這也是它當年能快速鋪進金融、保險這些還在用老系統的產業的原因。
介面改版就斷掉的維護成本
表單多一個欄位、按鈕挪動十個像素、彈出視窗換了個位置，RPA 機器人找不到原本記住的座標，直接卡住或點錯地方。維護 RPA 機器人的人常常在做一件事：系統廠商一升版就得重新錄一次流程，錄完測、測完上線，等下一次升版再重來一輪。n8n 官方部落格比較 RPA 跟 workflow automation 時點出的核心差異也是這個：RPA 走的是使用者介面，介面本身就是最不穩定的一層。
只剩沒開 API 的老系統需要 RPA
這不代表 RPA 該被淘汰。真正沒有開放 API 的老系統還是存在，銀行內部某些跑了十幾年的核心系統、政府機關的舊有平台，短期內都不會重寫。碰到這種情況，RPA 還是目前唯一能碰的方案，位置比較像補洞用的最後一段，不再是自動化流程的第一選擇。
常見的 RPA 工具與費用模式
台灣公司真的會碰到的 RPA 工具就那幾個，方向大致是三種：國際大廠的完整平台、Windows 上直接裝的、以及先花小錢試看看的入門工具。比價的時候要看它算的是幾個人用還是幾台機器人跑，能排程、不用人在旁邊看著的無人值守機器人，在每個平台都是最貴的一項。
| 工具 | 適合誰 | 費用模式（2026 年 8 月查官網公告價） |
|---|---|---|
| UiPath | 要把 RPA 當長期基礎建設，需要集中管理多台機器人 | 訂閱制。官網最低的 Basic 每月 25 美金，上限 5 位使用者、2 台無人值守機器人；再往上的 Standard、Enterprise 都要洽業務報價 |
| Power Automate 桌面版 | 公司已經在用 Microsoft 365，要自動化 Windows 上的桌面作業 | 用個人 Microsoft 帳號就能在自己電腦建立、執行桌面流程；要接雲端流程與無人值守排程才付費，Premium 每人每月 15 美金，無人值守每台機器人每月 150 美金 |
| 影刀 RPA | 預算有限，想先驗證自己的流程適不適合 RPA | 可免費下載試用，企業版洽詢報價。中國廠商，資料放在哪、合規過不過要自己先確認 |
光看月費容易低估。以 Power Automate 公告的價格算，一台無人值守機器人每月 150 美金，等於十個人的 Premium 授權。RPA 真正吃預算的不是多幾個人畫流程，是那幾台不用人看著、自己跑的機器人。
n8n 不看畫面，直接串系統的 API
表單、訊息這類事件當觸發點
n8n 的邏輯是事件觸發：客戶在網站填了表單、LINE 官方帳號收到一則訊息、Google Sheet 多了一列資料，這些動作會觸發一個 webhook，n8n 收到訊號後才開始跑。跟 RPA 不同的地方在這裡，它不用像 RPA 那樣盯著螢幕等畫面出現，而是系統之間直接互相通知。
人先排好的節點順序
打開一個 n8n 流程，看到的是一串節點：接收表單、查詢客戶資料、判斷是不是 VIP、寫進試算表、發 LINE 通知。每一個節點在做什麼、往哪個方向走，全部是設計流程的人先想清楚、拖拉排出來的。碰到判斷是不是 VIP 這種需要邏輯的地方，早期做法是寫死一條規則，消費滿多少算 VIP，這條規則之外的情況，n8n 不會自己想辦法，只會照排好的路徑走到底或卡住。
從執行紀錄找卡住的節點
n8n 每次跑完一輪流程都留下執行紀錄，哪個節點成功、哪個節點失敗、失敗時收到的錯誤訊息是什麼，全部攤在畫面上看得到，跟 RPA 出包只能從畫面往回猜完全不同。走 API 的自動化天生就帶著執行歷史、稽核軌跡，故障排查不用靠猜。
📖 延伸閱讀：n8n 從 0 到 40 分入門攻略：Zeabur 雲端部署 x 8 大基本節點全解析
AI Agent 能自己拆任務、呼叫工具，還多了判斷能力
給目標就自己拆步驟、呼叫工具
AI Agent 拿到的是一個目標，不是一串步驟。要它每天早上看客服信箱、把退換貨的問題挑出來回覆、其他轉給客服，它自己拆成幾件事做：讀信、決定這封算不算退換貨、去知識庫查條款、擬回覆、判斷要不要轉人工。中間該呼叫哪個工具、上一步的結果要不要改變下一步，都是它自己決定的，n8n 那種節點順序則是人先排好的。判斷語意只是這套能力裡最常被用到的一項，不是全部。
讀發票、看合約這類文書工作
這幾年開始有人拿 AI Agent 做以前 RPA 在做的工作：讀 PDF 發票、掃描合約條款、處理沒有固定格式的表單。這種做法有時候被叫做 Agentic RPA，差別在於以前的 RPA 只能處理固定版型的表格，欄位挪一下位置就讀錯；AI Agent 能讀懂內容的意思，發票版型換了、合約條款用詞不一樣，照樣看得懂在講什麼。同一件文書工作，換了一套完全不靠座標、靠語意理解的做法。
送出前的人工審核關卡
AI 自己判斷會不會出錯？會。n8n 官方部落格談人工審核機制的文章講得很直接：高風險的輸出、不可逆的動作、模糊陌生的輸入，這三種情況都該留一道人工審核再放行。實務上常見的做法是在 AI Agent 跟真正送出去的動作之間插一個審核步驟，AI 先擬好回覆或判斷，人看過確認沒問題才真的發出去，不是設計好就丟著不管。
📖 延伸閱讀：AI Agent 是什麼？用 AI 架構解析它如何從會聊天變成會自己做事、AI 怎麼查資料、寄信、操作資料庫？拆解 Tool Calling 運作原理
什麼情況該用 RPA，什麼情況交給 n8n 或 AI Agent
規則寫得完的流程用 n8n
不是每段流程都需要判斷。訂單送出後自動寄一封確認信、每天早上八點把昨天的業績數字整理成報表寄進 LINE 群組，這些步驟整段流程都很固定，用 n8n 排好節點就能穩定跑，加一層 AI 判斷反而多花錢、多一個可能出錯的環節。workflow automation 適合的正是規則清楚、要穩定跑、要合規稽核的場景。
沒有標準答案的環節才需要 AI Agent
AI Agent 該出現的地方，通常是流程走到一個沒有標準答案、得看情況的節點，像判斷客戶這句話算不算投訴、判斷這封信是不是詐騙、判斷這張發票的品項該歸哪個會計科目。這種節點交給人工太慢，寫死規則又涵蓋不了所有狀況，正好是 AI Agent 的位置。
n8n 當主幹，RPA 補沒有 API 的那一步
混合著用最常見的樣子是：n8n 或有 AI Agent 判斷的流程當主幹，走到某個系統完全沒開放 API、只能用滑鼠操作的節點，才切給 RPA 機器人接手那一小段，走完再把結果丟回主幹繼續跑。這正是 n8n 官方那篇比較文章推薦的做法：workflow automation 當骨幹，RPA 只在真的沒辦法直接串接的地方補位。
分得出哪一段該用 n8n、哪一段該讓 AI 判斷之後，剩下的工作是把流程真的拆出來接起來。
我的自動化流程
我自己每天在用的新聞轉發控制台就是這樣分工的。抓兩天內的科技新聞、記錄發過哪幾則，這些規則寫得完，是排好就固定跑的部分；哪幾則值得寫成貼文沒有標準答案，交給模型打分、挑出適合改寫的；三種風格的草稿也是模型寫的。
但「發這則」那顆一定是我按。貼文發出去收不回來，選題跟語氣又是自己的招牌，讓模型全權決定，省下的時間不夠賠。判斷可以交出去，送出去的動作留在自己手上。
常見問題 FAQ
Q1：RPA、n8n、AI Agent 差在哪？
RPA 模仿人操作螢幕，n8n 靠 API 串起系統但邏輯是人先排好的，AI Agent 則是自己判斷該做什麼、該呼叫哪個工具。差別不在誰比較先進，是它們認得的東西不一樣，RPA 認畫面座標，n8n 認系統事件，AI Agent 認語意。
Q2：現在還有必要學傳統 RPA 嗎？
如果會碰到完全沒開放 API 的老系統，像銀行核心系統、部分政府機關平台，RPA 還是唯一能用的方案，短期不會消失。但如果手上的系統大多有 API 可以串，直接學 n8n 這類 workflow automation 工具會更實用，之後要加上 AI Agent 判斷也比較好接。
Q3：AI Agent 把 n8n、RPA 都取代了嗎？
沒有。AI Agent 負責判斷，n8n 負責把系統串起來穩定跑，RPA 負責碰沒有 API 的老系統，三者是分工不是替代。實務上常見的做法是 n8n 當主幹，AI Agent 節點負責需要判斷的環節，RPA 只在真的卡在沒有 API 的系統時補位。
Q4：沒有工程背景，這三種都學得起來嗎？
能。n8n 是拖拉節點的視覺化介面，不用寫程式碼；AI Agent 這一層，像 n8n 裡的 AI Agent 節點或 Claude Code，靠的是把需求講清楚，不是寫程式的能力。真正需要的是把這個判斷要考慮哪些情況想清楚，這件事工程師跟非工程師的起跑點差不多。
Q5：該從哪一代開始學？
直接從 n8n 開始最實際。RPA 的技能現在用得到的場景越來越窄，跳過它直接學 n8n 排流程，之後在需要判斷的節點上加 AI Agent，是目前投報率最高的順序。排過幾支 n8n 流程、知道哪些節點規則永遠寫不完，會很自然知道哪裡該換 AI Agent 接手。
總結
RPA、n8n、AI Agent 不是一代淘汰一代的關係，是分工越來越細的三層：RPA 補沒有 API 的洞，n8n 把系統穩定串起來，AI Agent 接手需要判斷的環節，2026 年很多真正在跑的自動化流程，是這三層疊在一起用。分清楚這三層在解決什麼問題，比追著哪個工具比較新更重要。
手上有流程還在用人工重複做，或者現在靠 RPA 撐著、每次系統改版就要重錄，歡迎看看我的AI 自動化開發服務，一起看那段該交給哪一種工具。
每週的 AI 新聞精選與短評，會整理進電子報。
