RPA這個概念本身并不新鮮，目前全球市值最高的RPA公司UiPath，創立于2005年，到現在已經有17年歷史了。然而，這兩年RPA突然又火了，僅僅2021年中國市場就發生了17起重要融資。

　　RPA獲得如此多的關注，與AI的結合是其中的一個重要原因。RPA+AI，一下子打開了RPA應用的想象空間。因此，眾多RPA廠商都將AI作為其產品的一個重要賣點。那么，RPA和AI到底是怎么結合的呢？為此，數據猿策劃了RPA+AI深度行業選題，分析RPA和AI的結合點，并采訪多位RPA、AI領域的專家，一起探討行業的未來發展趨勢。

　　具體來看，RPA+AI可以分為以下四個方面：

　　RPA+機器學習，實現流程發現、流程設計自動化

　　RPA產品有三個核心功能，流程發現、流程設計、流程執行。首先，是要發現自動化流程，然后根據這個流程來設計自動化步驟，最后再由RPA系統來執行這些自動化流程。所以，自動化流程的發現、設計，是整個系統閉環的關鍵一步。影刀CEO金禮劍也認同AI在RPA各個環節的應用價值，“發現、設計、執行是RPA應用的一個閉環，AI在每個環節都能提供強有力的支撐：在發現環節有流程挖掘、需求錄制這類AI產品幫助用戶自動發現和記錄自動化場景，在設計環節有CV、OCR等技術幫助機器人更準確的定位目標元素，在執行環節有一些流程推薦、智能文檔處理等產品大幅提升RPA的易用性。”

　　具體來看，發現和設計自動化流程有兩種方式：

　　人工流程設計方式。業務人員和RPA人員以頭腦風暴的方式，針對具體的業務場景，進行多次討論，識別出那些高頻重復、標準化程度高的環節，抽象出可自動化的流程，然后借助RPA產品設計出自動化執行的機器流程。在這個過程當中，需要業務人員的深度介入，高度依賴業務人員的經驗，RPA流程的設計效率并不高。在流程發現、流程設計、流程執行三個關鍵環節當中，RPA產品實際上只在流程執行環節實現了高度自動化，在流程發現和流程設計環節，還是高度依賴人工操作。因而，整個RPA流程的自動化程度并不高。這無形當中提高了RPA產品的應用門檻，降低了RPA產品的應用價值。

　　RPA+機器學習方式。這種方式致力于在流程發現、流程設計環節，也實現自動化。具體方式為：將RPA平臺部署到電腦、手機等終端，系統以靜默狀態抓取用戶的行為軌跡和業務數據。員工只需要按照自己日常的工作方式，來登陸業務系統，進行業務操作即可。眾多員工的業務操作，就會產生大量的行為軌跡和業務流程數據，而可自動化的業務流程就藏在這些數據當中。借助機器學習技術，RPA系統可從這些數據當中識別出可自動化的業務流程。

　　機器學習技術的核心，就是從看似雜亂無章的數據中，挖掘出規律。借助回歸、聚類、深度神經網絡等算法模型，從海量數據當中，識別出那些適合自動化的業務環節。此外，系統還可以“學習”業務之間的關聯關系，將多個環節“串起來”，形成一條完整的業務流程鏈條。之后，RPA系統依據學習到的業務知識，自動設計出業務流程。至此，就實現了流程發現、流程設計的自動化。當然，系統自動設計出的業務流程可能還不完善，業務人員可以在此基礎上進行修改。在已有流程上進行部分修改，其難度肯定要大大低于從頭開始設計整個流程。而且，RPA系統還可以“學習”業務人員修改流程的這個過程，進而改進機器學習算法模型，讓以后給出的RPA自動化流程更加合理，需要修改的地方更少。

　　這讓筆者想到一個典故：有一個著名的園林設計師，要給一個公園設計人行道，要怎樣來規劃人行道才是最合理的呢，他一時也拿不定主意。最終，他想了一個辦法，那就是在需要設計人行道的區域撒上種子，等長出青草之后，邀請人們按照自己的意愿在草地上行走。最終，大量行人在這片草地上留下了一個路徑網絡，設計師就按照這個網絡來鋪設道路。這真是一個天才的設計，人們自己走出來的道路，才是最高效合理的道路。

　　機器學習平臺，就相當于上面的草地。業務人員的行為軌跡和業務數據，就相當于在這片草地上踩出來的人行道。RPA系統只需要識別出這條“人行道”，就能設計出最“自然”的自動化流程。再天才的設計師，也會有沒考慮到的意外情況。而通過機器學習系統設計出的RPA流程，是群眾智慧的結晶。只要數據足夠豐富，就能夠識別最合理的業務流程路徑。

　　目前，RPA系統只能將一部分業務環節自動化，依然還有大量的業務流程需要人工操作。因而，在實際的業務操作過程中，人機協同會很普遍。通過機器學習方式產生的RPA流程，系統是學習員工日常業務操作的產物，“設計感”更弱，人機協同會更加自然流暢。人們更容易感覺到，與其配合的是另外一個同事，而不是一個冰冷的“機器”。

　　實在智能創始人、CEO孫林君的觀點與數據猿不謀而合，孫林君認為，“RPA和AI有非常多的結合點，AI在感知能力、認知能力以及改造傳統RPA方面都有巨大的空間，我們非?？春肁I+IPA（AI改造了的RPA）的數字員工彌補勞動力缺口的巨大空間，我們認為最有價值的點在于AI對于RPA基礎能力的增強，使得RPA的機器人能夠真正大規模穩定的在線上運行，且維護成本很低。具體來說，在OCR、表格識別、異常監控預警、拾取能力增強、結構化信息抽取、多輪交互等方面都有應用，這些是我們認為有價值的應用方向，底層技術上主要使用機器學習、深度學習、知識圖譜等。”

　　RPA+OCR，打通線上線下業務流程

　　RPA是一個數智化系統，處理的都是線上數據和流程。然而，在企業真實的業務場景中，經常會用到各種紙質票據、證件、材料。例如，金融業的客戶開戶、貸款申請、數據校審等，制造業訂單處理、倉庫盤點等，物流業的訂單和貨運跟蹤、提貨單、貨物訂單等領域，需要處理PDF、掃描文件、發票識別、傳真和手寫文檔等大量紙質文件。

　　理想情況下，是企業的整個業務流程都在線上系統運轉，用電子票據替換紙質票據。數字化是智能化的必要基礎，面對大量的紙質票據、材料，再智能的RPA系統也無濟于事。那是否要等到企業數字化建設比較完備之后，才能用上RPA等智能化系統呢？在目前情況下，最好的方式是數字化和智能化同時進行。RPA+OCR，就能解決這個問題。

　　借助OCR系統，可以將線下信息線上化，錄入到數字化業務系統當中，然后再將數字化之后的信息接入RPA系統，實現業務流程的自動流轉。同時，RPA系統還可以接入打印機、傳真機等硬件設備，將線上處理好的業務信息，轉化為線下的紙質文檔。OCR+RPA，將RPA系統的自動化“觸角”進一步延伸到線下業務流程，并實現了線上線下的協同。

　　此外，在某些業務場景當中，基于OCR的身份識別，可作為整個RPA業務流程當中的一環。在銀行、電信營業廳的業務辦理當中，往往需要通過身份證識別來確定辦理人的身份，并將其身份信息錄入到業務系統當中。

　　例如，電信業務當中，有一項業務是稽核業務。以往采用人工稽核紙質材料的方式，在人員成本、紙張成本、打印成本、倉儲成本、物流成本等方面支出較大，給該運營商帶來沉重的成本負擔。此外，人工稽核的效率低，由于業務稽核過程繁瑣，人工稽核的出錯率較高，為電信業務的合規運行埋下風險隱患。以OCR+RPA的AI稽核方案，借助OCR識別用戶身份信息，并配合人臉識別結果確定用戶身份，同時識別出電子簽章、電子簽名等；RPA系統自動進行人證對比、簽名與證件比對，并將相關業務信息自動填入電子業務單當中。通過OCR系統與RPA系統的緊密配合，可實現整個業務流程的自動化運轉。

　　相對于原來人工處理方式，通過AI業務稽核優勢明顯，比如：通過無紙化稽核，在紙質材料、打印、材料倉儲等方面節省成本；大幅壓縮業務稽核的時間，減少用戶的等待時間；AI自動化稽核的準確率高于人工水平，而且避免了由于人員疲勞、疏漏等帶來的業務風險，稽核的準確率得到進一步提升。

　　當然，要將OCR技術應用到RPA領域，還需要基于RPA的業務需求，對OCR進行相應的技術和應用創新。達觀數據創始人、CEO陳運文認為，“OCR雖然已經有二十余年的產品發展周期，在很多應用中也出現了OCR的身影，但還遠沒有成熟。目前相對成熟的OCR應用還集中在標準化文檔上，例如身份證、銀行卡、發票等格式規范的卡證，而面對形式多樣的文檔，例如醫療單據、財務報表、通知單、銘牌等時，要識別準確并把格式還原好仍然是不那么容易實現的，行業內能提供相應OCR服務的廠商寥寥無幾。達觀在銀行、證券、保險、汽車制造、醫藥等眾多行業的企業文檔資料處理中，深入研發了一系列OCR的創新技術，在產品細節方面也進行了大量的打磨和突破。”

　　陳運文還向數據猿介紹了他們的一項OCR技術創新——無錨點OCR文字提取算法，對無固定樣式的單據提升識別精度。達觀數據基于達觀自主研發的視覺技術，還研發了復雜嵌套表格的識別技術，結合知識增強的跨模態語義理解關鍵技術，提供圖像矯正、圖像分割、版面標簽分類、文字識別、信息扣取、文檔比對、表格識別、文字過濾、信息審核、文字二次加工等一整套全流程OCR模型定制與應用能力。陳運文認為，未來更智能的OCR系統，將有望和RPA深度融合后創造更多元的業務價值。

　　RPA+對話機器人，

　　讓智能客服真正具備解決問題的能力

　　對話式機器人是人工智能的一個重要應用，尤其是在智能客服領域，通過對話式機器人替代人工客服，大幅降低了客服成本。但是，智能客服也有比較大的局限性。傳統智能客服系統，能夠回答用戶的提問，但不能解決用戶的問題，尤其是不能解決具有復雜業務屬性的問題。很多時候，用戶提出問題，并不僅僅是為了獲得一個簡單回復，而是希望能夠獲得企業的資源支持，來解決自己提出的問題。

　　如果要實現以上目標，就需要智能客服系統能夠對接企業內部的ERP、CRM、供應鏈管理、物流倉儲等業務系統，甚至是財務、人力資源等管理系統。而且，要能夠依據客戶需求，來對多個系統進行一系列的流程化操作。這種情況下，就需要實現對話式機器人與RPA系統的融合。

　　跨系統的流程梳理與流程執行，是RPA的強項。RPA+對話式機器人，可以實現前后端的聯動：在前端，智能客服系統直接面向用戶，對話式機器人以聊天的方式來與用戶進行互動，通過多輪對話來理解用戶意圖，掌握需要解決的問題；在后端，基于智能客服系統反饋來的需求，RPA系統設定一定的業務流程，在ERP、CRM、供應鏈等系統中，查詢相關信息，依據規則執行一系列的操作。然后，RPA系統將操作結果再反饋給前端，智能客服系統再通過對話式機器人將結果反饋給用戶。

　　舉個具體的例子，當一個用戶剛買的電冰箱出現了問題，想尋求售后服務。大體上看，企業要完成這個售后服務閉環，有三種方式：

　　第一，人工方式。用戶打電話給售后，講述了自己遇到的問題，售后人員通過電話指導用戶檢查、解決問題。如果問題得不到解決，就需要調動售后服務體系，安排人工上門服務，并準備好替換的零部件。

　　第二，傳統智能客服方式。用戶登錄智能客服系統，提出自己的問題，系統會給出一些回答。但最終，還是要切換到人工系統，來為用戶提供上門維修服務。

　　第三，智能客戶+RPA方式。用戶通過智能客服系統提出問題，系統給出一些解決方案。如果還不能解決問題，智能客服系統就自動切換到RPA系統，由RPA系統來安排上門維修人員，并協調物流系統從最近的倉庫中調出對應的零部件。同時，RPA系統將物流信息同步給售后維修人員，讓其在附近的倉庫取零部件。然后，RPA系統再將業務處理結果反饋給智能客服系統，進而通知用戶：用戶您好，明天下午，將由售后維修人員來上門提供維修服務，并更換XX零部件。在整個過程中，全程無需人工介入，就實現了業務閉環，不僅僅回答了用戶的疑問，更重要的是能針對用戶的問題，調動企業業務系統來提供解決方案。

　　RPA系統的優勢在于跨系統的流程協調，將RPA與智能客服對接，客服系統不再只是單向回答客戶的問題，還能與客戶實現多輪互動，調動后端業務系統，實現復雜的業務操作。通過這種方式，真正實現了前后端的打通。有了RPA的加持，智能客服系統的價值得到了極大的延伸，從一個簡單的客服系統變身為一個強大的業務服務系統。另一方面，智能客服與RPA的結合，也延伸了RPA系統的業務“觸角”。目前大部分RPA系統面向的都是企業內部的業務流程，直接服務對象是企業內部員工。通過對接智能客服系統，RPA系統可以直接觸達客戶，擴充了RPA的應用范圍。

　　對于企業而言，RPA就像一個交通樞紐，連接了前端的客服系統和后端的業務系統，更好實現以客戶為中心的服務升級，縮短企業與客戶的距離，提高快速反應能力。相對于原來人工協調的方式，RPA系統指揮企業的業務流轉，實現自動化的客戶服務閉環，不僅僅可以降低人工成本，還能提升業務流程的效率。以前通過人工的方式，客戶反饋的問題可能幾天才能得到回復；而借助智能客服+RPA，這個過程也許只需要幾分鐘，這大大提升了用戶體驗。

　　RPA+NLP/知識圖譜，

　　賦予流程機器人一定的業務理解能力

　　目前大部分RPA機器人，都是按照既定規則，機械的執行一系列流程。這樣的RPA產品，對業務和所處理的內容并不具備理解能力，其作用類似工廠里的流水線工人。然而，在一些應用場景當中，需要RPA系統對業務和所處理的內容具備一定的理解能力，才能進行操作。這種情況下，RPA就需要結合NLP和知識圖譜技術。

　　例如，證券行業的投資、監管等業務，需要全方位了解企業經營狀況，掌握大量的市場信息。要掌握這些信息，就要涉及大量銷購合同、投資基金合同、IPO發行相關文檔、年報、財報、流水賬單、發票、債券募集書、法律文書等眾多類型專業文檔，還要掌握《物權法》、《證券法》、《公司法》、《票據法》等相關法律法規。此類文檔為券商核心業務的重要組成部分，其處理的效率直接關系到期業務進展的成敗。因而，更高效的處理這些業務內容，是券商的核心競爭力之一。

　　這些工作如果由人工來完成，將會非常耗時耗力，而且進度緩慢。面對大量的專業性文檔，往往會超過個人的理解和處理極限，在部分細節的處理上也容易出現人為失誤。借助RPA系統，來實現部分環節的自動化，就顯得尤為必要。面對大量的專業內容，RPA系統要具備一定的專業知識和專業判斷能力。RPA+NLP/知識圖譜的綜合方案，可以解決這個問題：借助NLP技術，可對大量專業文檔進行內容摘要、文本糾錯、關鍵詞提取、文章標簽、觀點抽取、內容分類等一系列處理，從大量文件中迅速提取出關鍵信息，把“厚書讀薄”，并且把這些信息分門別類。證券業務員可以在RPA系統處理好的材料基礎上進行下一步操作，大大減輕了工作量。同時，針對證券行業的業務特性，構建行業知識圖譜，讓RPA機器人也成為半個業務專家，能夠對一些問題作出理解和判斷，讓RPA機器人從“流水線工人”升級為業務經理。

　　被NLP、知識圖譜技術加持之后的RPA系統，能夠處理的業務范圍得到了很大的擴展。比如，可以實現業務文檔的審核和糾錯。針對招股說明書、上市公司年報等文檔，RPA系統不僅可以對文字、標點、數字格式等簡單內容進行糾錯，還可以對照相關法律法規、政策文件的知識圖譜，來發現文檔中明顯違反某項法律、政策規定的內容；智能投研顧問，RPA系統自動“閱讀”大量行業、市場和公司研報，將研報中的內容進行結構化處理，提取關鍵信息，自動建立相關的結構化數據庫。并基于特定的行業、企業分析邏輯，建立投研知識圖譜?；跀祿旌椭R圖譜，RPA系統可以自動給出特定行業、企業的結構化分析，并給出投資建議。

　　弘璣為數據猿提供了一個財務領域的典型應用場景，在一些大型集團企業里，往往有幾十個甚至上百個銀行賬戶，需要不斷的下載電子回單票據，到款匹配等業務。在這些業務場景，傳統方式都是需要人工去處理的，弘璣推出的RPA+AI組合的財資易解決方案，由RPA機器人自動從各類網銀賬戶上下載各類電子回單、電子票據，然后通過AI的能力進行OCR識別，形成結構化數據，再由RPA機器人自動填入相應系統中。

　　當然，除了證券領域，RPA+NLP、知識圖譜的方案，還有廣泛的應用，比如互聯網輿情研判、銀行的貸款風控、電商的用戶評價分析等?？傊?，NLP、知識圖譜和RPA是相互成就。一方面，NLP、知識圖譜技術，提升了RPA機器人的“腦力”，讓其可以做更多有技術含量的工作；另一方面，RPA系統讓NLP、知識圖譜技術更容易落地，尤其是借助RPA的跨系統特性，有助于打通整個業務鏈條。

　　綜上，RPA與AI的結合點包括機器學習、OCR、對話機器人、NLP、知識圖譜等，這兩類技術融合在一起，會發生奇妙的化學反應。AI技術，可以從多個方面為RPA機器人賦能，提升系統的智能水平，也擴展了RPA產品的應用范圍。同時，RPA系統也是AI技術應用落地的好幫手。輕量化、非侵入性的RPA系統，可以作為AI技術與業務的粘合劑，推動AI技術在具體的業務場景中落地?？缦到y特性，讓RPA產品可以做很好的協調員，把分散到不同領域的AI應用“串起來”，構成一個業務閉環。

　　需要指出的是，對于RPA企業而言，與AI的結合既是機遇，也加大了競爭風險。一方面，RPA企業可以通過拓展AI功能，大幅拓寬其業務領域，打開市場空間；另一方面，AI企業也可能補上RPA功能，攻入到RPA企業的領地。RPA和AI業務雙向融合的同時，也意味著RPA企業和AI企業的雙向競爭。

　　RPA和AI廠商是競合關系，在競爭的同時也會加強合作。在AI應用方面，RPA廠商既可以自研部分AI技術，也可以接入第三方AI平臺。云擴科技CTO史秋芳向數據猿介紹道，“云擴 AI HUB是人工智能算法與企業業務流程的“集線器”，集成了各大廠商的人工智能能力，讓流程開發者敏捷試用人工智能服務，并快速集成到業務流程中。每個服務都被封裝至立即可用的RPA自動化組件，都已被內置在云擴RPA編輯器中，拖拽至流程即可使用。”目前，云擴 AI HUB除了支持云擴自有的AI模型外，還支持阿里云AI、百度AI、騰訊AI、訊飛AI等，共同為客戶提供主要包括圖像識別、OCR、圖像分類、意圖分類、情緒分析、語音識別、實體分類、數據挖掘、欺詐檢測、異常檢測等AI組件。

　　壹沓科技聯合創始人&CTO肖鳴林同樣認同合作的價值，“業務流程自動化的需求非常廣泛，市場容量大，上限高，代表了產業互聯網的未來方向，實現形式可以很多樣化。而當下市場還處于開拓的初期階段，尤其中國市場的RPA應用率還不到10%，未來5到10年內會保持很高的增速。在這種背景下，我認為大家更多的是合作而非競爭關系，共同把客戶服務好。壹沓目前就已經和不少企業服務平臺在深度的合作當中，各自發揮自身優勢，共同構建強大和高效的業務流程自動化服務平臺。”

　　當然，無論是通過自研還是合作的方式來實現RPA+AI，關鍵還是能通過技術賦能，來賦能客戶的業務。正如達觀數據創始人、CEO陳運文所說，“我們預測RPA未來會成為IT領域的一項通用基礎性技術，因為RPA技術門檻并不高，且應用范圍廣，所以大量的IT企業都將有自己的RPA產品。事實上目前已經可以初步看到這個趨勢了，RPA行業“百花齊放”，眾多企業都開發出了自己的RPA產品。在此情況下，AI能力就成為了RPA競爭中的“點睛之筆”，誰具備了更全面的數據、更好的AI算法、更優的AI產品，誰就具備了更多競爭優勢。在超自動化（hyperautomation）的時代里，AI是關鍵內核，是最強有力的發動機。差異化競爭力就體現在誰能掌握更好的AI能力，把產品和業務場景結合的更加緊密，提供更好的產品和服務。”

　　文：月滿西樓 / 數據猿