RPA no está muerto: lo que nadie te dice en la era de los agentes de IA

Todos hablan de agentes de IA. Todos quieren implementar flujos autónomos, orquestar tareas con LLMs y construir pipelines que "piensan". Y en ese hype, hay una tecnología que quedó en el olvido colectivo: RPA.

El problema es que el olvido no es merecido, pobrecito RPA.

¿Qué pasó con RPA?

Hace unos años, RPA (Robotic Process Automation) era la estrella del show. Empresas de todo tipo implementaban bots con UiPath, Automation Anywhere o Blue Prism para automatizar tareas repetitivas: copiar datos entre sistemas, llenar formularios, generar reportes, procesar facturas. Era la promesa de la automatización accesible.

Después llegó la ola de IA generativa, y de repente RPA empezó a sonar a "tecnología vieja". La narrativa se instaló rápido: los agentes de IA van a reemplazar al RPA. Se los cargó de un plumazo.

La realidad, como siempre, es bastante más matizada.

El mercado de RPA en 2026: lejos de estar muerto

Antes de declarar el funeral, miremos los números. El mercado global de RPA alcanzó los USD 35.270 millones en 2026 y se proyecta que llegue a USD 247.340 millones en 2035.

No suena exactamente a una tecnología agonizante.

UiPath mantiene su posición de liderazgo con más del 35% de participación de mercado, y su plataforma es utilizada por 8 de cada 10 empresas del Fortune 500. Pero lo interesante no es solo el tamaño del mercado. Es cómo está evolucionando.

UiPath se está reposicionando como una plataforma de "orquestación agéntica de negocios": un plano de control único que coordina procesos de extremo a extremo entre agentes de IA, robots, personas, documentos y aplicaciones. En otras palabras, ya no hablan solo de "bots que ejecutan tareas". Hablan de orquestar todo el ecosistema de automatización, incluyendo a los agentes de IA.

El mercado no está muerto. Está mutando. Y si lo pensás un poquito...era obvio. Es más, no entiendo a la gente que dice que RPA está muerto.

La confusión que hay que aclarar: RPA ≠ Agentes de IA (y tampoco son enemigos)

Hay una diferencia fundamental que vale la pena entender bien, porque es donde aparece el valor para nosotros como testers.

RPA son las "manos" de la automatización: robots de software que ejecutan acciones estrictamente definidas por reglas y escenarios, transfiriendo datos entre sistemas, completando formularios y generando reportes. Son especialmente efectivos en procesos estables y bien definidos, pero tienen limitaciones claras: no comprenden el significado de los datos, no aprenden por sí solos y se adaptan con dificultad a cambios no previstos.

La IA y los modelos LLM, en cambio, representan el "cerebro" de la automatización: analizan información, reconocen texto, voz e imágenes, interpretan contexto y generan conclusiones o recomendaciones. Pero la IA por sí sola no ejecuta acciones dentro de los sistemas corporativos: analiza y sugiere, pero no opera.

Ahí está el punto clave: RPA sin IA es rígido. IA sin RPA no puede actuar en el mundo real.

La combinación es lo que da resultados reales.

Hyper-automation y APA: el nuevo nombre del juego

Si estás en el mundo QA o te movés en equipos de automatización, probablemente vas a escuchar dos términos cada vez más seguido: hyperautomation y APA (Agentic Process Automation).

APA representa una fusión pragmática entre las capacidades de los agentes de RPA basados en reglas y las capacidades de los agentes de IA. Automatiza tareas repetitivas y estructuradas con la precisión del RPA, e incorpora modelos de lenguaje natural para comprender el contexto y manejar pasos más complejos y variables.

Este enfoque híbrido está ganando popularidad porque ofrece un camino de menor riesgo y mayor retorno de inversión. No requiere una renovación completa y costosa de los sistemas legados para obtener beneficios, lo que lo hace ideal para escalar la automatización en diferentes departamentos sin tener que superar la brecha entre el prototipo y la producción.

Esto tiene implicancias directas para quienes nos dedicamos a testing:

• Los flujos que antes testabas con RPA puro ahora tienen componentes de decisión no deterministas (LLMs en el medio del proceso).

• Las herramientas clásicas de validación de RPA no alcanzan para cubrir escenarios donde un agente puede tomar caminos distintos.

• La superficie de testing se amplía: ya no solo chequeás si el bot hizo clic en el lugar correcto, también tenés que validar que la decisión del agente fue correcta en contexto.

¿Qué tiene que saber un QA sobre RPA hoy?

Si trabajás en una empresa mediana o grande en Latinoamérica, es muy probable que haya procesos de RPA corriendo en producción. Algunos van a tener años. Otros van a estar siendo migrados a esquemas híbridos con IA. Y en ambos casos, alguien tiene que probarlos.

Algunas cosas concretas que vale la pena entender:

1. Cómo se testea un bot de RPA
Las pruebas de RPA incluyen validar integridad de datos, flujos de negocio, performance del bot, manejo de excepciones y exactitud en la ejecución de tareas. No es tan distinto del testing funcional de siempre, pero el "sujeto" bajo prueba tiene sus particularidades: depende de interfaces gráficas, puede romperse ante cambios de UI, y tiene estados que hay que manejar.

2. La fragilidad del RPA ante cambios de UI
El RPA es útil pero frágil: si cambia la interfaz, se rompe. Eso es un problema de estabilidad que un QA tiene que gestionar activamente. Los bots que dependen de coordenadas de pantalla o selectores estáticos son una fuente constante de falsos negativos en pipelines de CI/CD.

3. El testing de flujos híbridos (RPA + IA) es terreno nuevo
Deloitte destaca que uno de los grandes desafíos de la IA en 2026 es coordinar humanos y sistemas inteligentes de forma efectiva. Sin mecanismos claros de interacción, los agentes ganan autonomía pero pierden control y confianza. Eso se traduce en una pregunta muy concreta para QA: ¿cómo validás el output de un agente que "decidió" algo? ¿Qué es un comportamiento aceptable y cuál es un bug?

No hay una respuesta estándar todavía. Pero es el tipo de pregunta que te va a diferenciar profesionalmente si empezás a pensar en ella hoy.

Por qué importa esto para tu carrera

El mercado no va a elegir entre RPA y agentes de IA. Va a usar los dos. Y las organizaciones que ya están invirtiendo en esto van a necesitar QAs que entiendan ambos mundos.

Las tendencias del mercado muestran un movimiento claro hacia una digitalización más profunda y hacia automatizaciones que combinan IA, low code, BI, agentes, RPA y BPM para maximizar el valor.

Si solo sabés testear aplicaciones web tradicionales, vas a estar bien por un tiempo. Pero si además entendés cómo funciona la automatización de procesos —cómo se orquestan bots, qué pasa cuando un agente toma una decisión incorrecta, cómo validar un flujo end-to-end que mezcla tecnologías— vas a estar en una posición bastante mejor.

No te pido que te conviertas en experto de UiPath de un día para el otro. Sí te pido que no ignores RPA por el simple hecho de que no es la tecnología de moda.

En resumen

• RPA no está muerto. Está evolucionando hacia modelos híbridos con IA.

• La combinación RPA + agentes de IA es el nuevo estándar empresarial, con nombres como hyperautomation o Agentic Process Automation.

• Para QA, esto abre desafíos nuevos: testear flujos no deterministas, validar decisiones de agentes, mantener estabilidad en bots que dependen de UI.

• Las empresas van a necesitar testers que entiendan esta combinación. Ese puede ser vos.

¿Trabajaste alguna vez en un proyecto con RPA? ¿Cómo lo testearon? Contame en los comentarios, me interesa saber cómo están encarando esto los equipos en la región.