Er RPA dødt? Sådan ændrer AI-agenter automatisering i 2026

RPA er ikke dødt. Men det er under pres fra to sider på én gang - og det pres vokser hurtigt.

Mit korte svar til den erfarne RPA-udvikler eller automatiseringsleder: din platform forsvinder ikke i morgen, men rollens indhold ændrer sig markant. Det, der var en specialistkompetence for tre år siden, er ved at blive en niche. Og det, der kommer i stedet, kræver et anderledes sæt færdigheder.

Her er den ærlige gennemgang.

Hvad er RPA, og hvorfor eksploderede det?

Robotic Process Automation (RPA) er software der efterligner, hvad et menneske gør foran en skærm: klikker, kopierer, udfylder formularer, logger ind i systemer. Platfome som UiPath, Automation Anywhere og Blue Prism byggede milliardindustrier på ét simpelt løfte: du kan automatisere uden at røre kildekoden.

Det var kraftfuldt. Virksomheder sidder på hundredvis af legacy-systemer. Gamle ERP-systemer med besværlige skærmbilleder, mainframes, desktop-applikationer der ikke har API'er, ikke er opgraderbare, og en udskiftning ikke er prioriteret i budgettet. RPA kunne vikle sig ind i dem alle uden at IT-afdelingen skulle involveres, men nøglen til succes var nu alligevel at samarbejde med IT. Forretningssiden kunne automatisere selv.

Markedet eksploderede. I 2023 var det globale RPA-marked vurderet til over 2,9 mia. dollars, og voksede stadig. UiPaths aktiekurs, er en meget sigende fortælling om RPA.

Presset nedefra: Python og API-integrationer

Det første pres kommer fra den enkle ende.

En stor del af, hvad RPA historisk har løst, er opgaver der i dag klares bedre og billigere med lidt Python-kode og direkte API-kald. Hent data fra et system, transformér det, send det videre til et andet. Det tog en uge at bygge i UiPath Studio. En erfaren udvikler laver det på en dag i Python med requests, pandas og en simpel scheduler.

Resultatet er mere vedligeholdelsesvenligt, hurtigere at debugge og billigere at drifte. Der er ingen licens. Der er ingen robot-server der skal skaleres. Der er ingen visuel workflow og selectors der ikke virker, fordi en knap har skiftet farve.

For enhver opgave der har et API i den anden ende, er RPA i 2026 sjældent det rigtige valg mere. Det var det måske heller ikke i 2023 - men nu er alternativet mere tilgængeligt og mere udbredt.

Presset ovenfra: AI-agenter

Det andet pres er mere fundamentalt - og det er her, det bliver interessant.

RPA har altid haft en grundlæggende svaghed: det kan ikke tænke. Møder en robot noget uventet - en formular der ser anderledes ud, en e-mail der ikke følger skabelonen, en undtagelse der ikke er håndteret i flowet - stopper den og venter på et menneske. Exception handling er en stor og undervurderet opgave i RPA-projekter.

AI-agenter løser netop det. Et system bygget med fx Anthropics Claude, OpenAIs Operator eller LangChain-baserede agenter kan:

Læse en tvetydig e-mail og forstå intentionen
Træffe et skønsmæssigt valg baseret på kontekst
Håndtere variationer den ikke har set før
Forklare sit ræsonnement og eskalere, når det er nødvendigt

Det er alt det RPA aldrig kunne. Og det kombineret med Python-automatisering i bunden betyder, at AI-agenter nu kan tage over i begge ender - det enkle og det komplekse - og lade RPA til de meget specifikke opgaver midt imellem.

Hvad RPA stadig er bedst til

Det er vigtigt ikke at overdrive. RPA har et reelt hjemmemarked, og det forsvinder ikke snart.

Tænk på enhver virksomhed med systemer fra 1990'erne der stadig er i drift. Mainframes. Gamle ERP-systemer, der kun kan tilgås via en terminal, remote desktop eller Citrix. Desktop-applikationer uden REST-endpoints og ingen planer om opgradering. Budgetter der ikke prioriterer modernisering, og dermed teknisk gæld.

I de miljøer er RPA stadig den eneste realistiske løsning. Ingen API. Ingen Python-integration. Ingen AI-agent der kan logge ind i et 30-år gammelt system via en grøn terminal. Der er RPA uerstattelig - og den niche er ikke forsvundet. Masser af virksomheder vil sandsynligvis have sådan nogle systemer i drift de næste 10-20 år.

RPA's niche er skrumpet. Den er ikke borte.

UiPaths egen tilgang

UiPath sidder ikke passivt og ser på. De ved udmærket, hvad der sker.

De seneste to år har UiPath investeret massivt i AI-integration: Autopilot (AI-drevet procesforslag og undtagelseshåndtering), Document Understanding (ML-baseret dokumentanalyse) og Agentic - direkte integration med store sprogmodeller. Platformen er bestem ikke den samme som den var for tre år siden.

Strategien er klar: UiPath vil ikke konkurrere med AI - de vil absorbere det, de vil orkestrere det. En UiPath-robot der kan håndtere undtagelser med AI, parse dokumenter med ML og orkestrere API-kald ved siden af skærmautomatisering er et stærkere produkt end ren RPA nogensinde var.

Det er en reel drejning i fokus, og den kan lykkes. Men det ændrer ikke det grundlæggende: RPA software bevæger sig imod (de er der nok allerede) at være ét værktøj i en stadigt større værktøjskasse, måske endda det gaffer-tape, som det lidt hånligt er blevet kaldt længe.

Hvad det betyder for dig og dit team

Her er den praktiske konklusion for den person der leder et automatiseringsteam i dag.

Færdigheder der fortsat er værdifulde:

Forståelse for hvilke processer der er værd at automatisere - og hvilke der ikke er
Evnen til at orkestrere mennesker, bots og AI-agenter i én sammenhængende workflow
Python og API-integrationer som grundlæggende kompetence
Procesdesign og forandringsledelse

De færdigheder der bliver mindre efterspurgt:

At bygge visuelle UiPath-workflows til opgaver der har et API
At specialisere sig udelukkende i én RPA-platform
At behandle undtagelseshåndtering som et menneskeligt problem frem for et designproblem

Den, der vil klare sig godt de næste fem år, er ikke RPA-eksperten eller Python-udvikleren isoleret set. Det er den person der forstår hvornår man bruger hvad - og kan sætte det hele sammen.

Det strategiske valg

For et automatiseringsteam i dag er det strategiske valg ikke "UiPath eller Python". Det er at begynde at behandle RPA som ét værktøj i en bredere toolkit, frem for platformen hele automatiseringen bygger på.

Det betyder i praksis:

Nye projekter bør starte med spørgsmålet: er der et API? Kan en AI-agent klare undtagelserne? Kun hvis svaret er nej begge steder, er RPA det rigtige valg.
Python og API-integration bør være grundkompetencer i teamet, ikke specialistviden
AI-agenter bør testes som supplement til eksisterende RPA-flows - ikke som erstatning fra dag ét

Overgangen er ikke øjeblikkelig. Men retningen er klar.

Opsummering

RPA er ikke dødt - men det er ved at blive en specialistkompetence til et specifikt problem (legacy-systemer uden API), frem for det brede svar på automatisering.

Python overtager den simple del. AI-agenter tager den komplekse del. RPA bevarer sin plads i midten - men den plads er mindre end for tre år siden, og den fortsætter med at skrumpe.

Det bedste sted at stå er ikke at vælge side. Det er at forstå alle tre - og vide hvornår man bruger hvad.

Vil du vide mere om AI-agenter? Læs vores guide til AI-agenter: det største trend i 2026. Eller se vores sammenligning af de bedste AI-modeller i 2026.