# Por que automação inteligente não é RPA
RPA replica cliques e quebra quando a tela muda. Automação inteligente opera na camada de dados, entende contexto e aprende com cada correção.

Se a sua estratégia de automação começa e termina em RPA, você está automatizando os sintomas e ignorando a doença.

O mercado global de RPA atingiu US$ 13,4 bilhões em 2024, segundo a Gartner. Ao mesmo tempo, a Forrester estima que entre 30% e 50% dos projetos de RPA falham em entregar o ROI esperado. Não porque a tecnologia seja ruim, mas porque é aplicada no problema errado. Empresas compram UiPath esperando inteligência e recebem um robô que quebra quando alguém muda o ID de um botão no SAP.

Vamos separar as coisas.

## O que RPA realmente faz

RPA é emulação de interface. Um bot de UiPath ou Automation Anywhere grava uma sequência de ações (clique aqui, copie esse campo, cole ali, salve o arquivo) e repete. É um macro glorificado com acesso a múltiplas janelas.

Funciona? Funciona. Para processos estáveis, com inputs padronizados e sistemas que não mudam. Preencher campos de ERP a partir de uma planilha. Mover dados de um formulário web para um banco legado. Gerar relatórios periódicos que seguem sempre o mesmo template.

O problema é que o mundo real não é estável. Sistemas atualizam. Layouts mudam. Fornecedores trocam APIs. E quando qualquer coisa muda, o robô para. A manutenção de bots de RPA consome, em média, 30% a 40% do custo inicial do projeto por ano. Você não automatizou nada. Criou um novo problema de manutenção.

## O que automação inteligente faz

Automação inteligente não emula cliques. Ela opera na camada de dados e decisão, combinando orquestração de workflows com modelos de linguagem, regras de negócio e feedback loops.

Na prática: um workflow no n8n recebe um documento, envia o conteúdo para a API da OpenAI via LangChain, classifica com base em contexto semântico, roteia para o time correto e aprende com as correções humanas para melhorar a classificação ao longo do tempo.

A diferença não é de grau. É de natureza.

## Classificação de documentos: o caso concreto

Vamos comparar as duas abordagens no mesmo problema: classificar documentos fiscais recebidos por email.

**Com RPA:** o bot abre o email, baixa o anexo, lê o PDF com OCR, procura por palavras-chave como "nota fiscal", "boleto", "contrato". Se encontra "nota fiscal" no título, classifica como NF. Se encontra "boleto", classifica como boleto. Se o documento não tem nenhuma dessas palavras no lugar esperado, digamos uma NF-e com layout diferente do habitual, o bot desiste e joga para uma fila manual. Resultado: 60-70% de acurácia em cenários reais com variação de fornecedores.

**Com automação inteligente:** o workflow extrai o texto do PDF e envia para um modelo de linguagem (GPT-4 via OpenAI API, por exemplo), que entende o contexto do documento inteiro, e não só palavras-chave. Identifica que é uma nota fiscal mesmo quando o layout é diferente, extrai campos relevantes (CNPJ, valor, data de vencimento), classifica e roteia. Quando um humano corrige uma classificação errada, o sistema armazena essa correção como exemplo para fine-tuning ou few-shot prompting. Resultado: 92-97% de acurácia, melhorando com o tempo.

A diferença de custo operacional entre as duas abordagens é brutal. No primeiro caso, você precisa de uma pessoa revisando a fila de exceções o dia inteiro. No segundo, a fila de exceções praticamente desaparece em 60 dias.

## Quando usar cada abordagem

RPA ainda tem lugar. Se o processo é simples, repetitivo, com interface estável e sem variação de input, use RPA. Transferir dados entre dois sistemas internos que não têm API. Preencher formulários governamentais com layout fixo. Gerar exports semanais.

Automação inteligente é para tudo que envolve variação, julgamento ou contexto. Triagem de documentos complexos. Classificação de leads com múltiplos sinais. Análise de conformidade regulatória. Monitoramento de contratos. Qualquer processo onde a resposta certa depende de entender o conteúdo, e não de ler um campo.

## O erro que custa caro

O erro mais comum, e o mais caro, é comprar uma licença enterprise de UiPath achando que ela vai resolver problemas que exigem inteligência. A empresa gasta seis meses construindo bots frágeis, descobre que a manutenção é inviável e conclui que "automação não funciona para nós".

Automação funciona. O que não funciona é tratar um problema de decisão como um problema de clique.

A segunda armadilha é o oposto: usar LLM para tudo, inclusive para tarefas que um script de 20 linhas resolve. Chamar a API da OpenAI para copiar dados de uma planilha para outra é desperdício de dinheiro e de latência. A maturidade está em saber qual camada usar para cada problema.

## Como a Uranus aborda isso

Na Uranus, não vendemos bots. Construímos sistemas de automação que combinam orquestração (n8n, workflows customizados), inteligência (LangChain, OpenAI API, modelos open-source quando faz sentido) e integração real via API, nunca via interface. O resultado é automação que não quebra quando o fornecedor atualiza o sistema, porque nunca dependeu da interface em primeiro lugar.

Veja como implementamos isso em [agentes de IA](/capabilities#agents) e [arquitetura digital](/capabilities#architecture).

---

**Leia também:** [Como a IA está transformando operações empresariais](/blog/como-ia-esta-transformando-operacoes-empresariais) · [Profissionalizar antes do teto](/blog/profissionalizacao-gestao-dados-escala)