最快落地的AI应用！

137次阅读

RPA（机器人流程自动化）在今年的 AI 光环曲线上，稳稳落在闷声发大财的位置。

一年一度的 Gartner 光环曲线（HypeCycle）又发布了，作为新兴技术发展趋势的重要风向标，它在 20 多年来一直是企业家和投资人最衷爱的模型之一。这条曲线告诉你今年哪些技术被吹上了风口，资本抢破了头，哪些技术又无人光顾，只能黯然离场。而 RPA（机器人流程自动化）在今年的 AI 光环曲线上，稳稳落在闷声发大财的位置。

按照 Gartner 的观点，2018 到 2019，RPA 的关注度从峰顶滑落，同时，行业的稳定发展期被推测将在两年之内到来。此消彼长，达观智能 RPA 观察到一些早前的“网红”AI 技术的期望值和落地时间被延长（比如自动驾驶），甚至有些从曲线上消失。

说好和 AI 一起走进新时代，为什么 RPA 先来了？

RPA 被认为是最快成熟的 AI 应用

实际上，RPA 虽然是企业自动化的好助手，不过在技术含义上并不能归类于 AI 范畴。RPA（Robotic ProcessAutomation），被译为机器人流程自动化。这种软件可以模拟人在电脑上办公操作，因此也有人称它为数字化员工。

它不用休息，永远按照设定好的流程工作，是一个执行速度飞快的永动机。业务能力顶尖，不开小差，还很便宜，堪称是最理想员工。最美妙的是，这种软件机器人不用侵入企业现有系统，就可以提升老旧系统的整体能力。

唯一的问题是，它其实没有那么智能。

RPA 通过记录并模拟人类的行为，与应用程序和系统进行交互，这决定了 RPA 机器人的能力不会超出人类设定的范围，它们接受的指令必须条理清晰，逻辑明确。虽然执行力完美，但并不拥有近似人类的智能，即学习、推理和自适应能力。

说到这里，目前我们在人工智能方面的进展仅限于弱人工智能。今天的人工智能大多是在某一个特定的领域，以大量的数据作为驱动，通过统计学和数据科学的方法，令计算机获得近似人或者比人更精确的结果。

一种新的方法走出实验室，到投入应用，也有很长的距离。比如深度学习工具和相关的自然语言处理能力，性能足够优秀，但运用于企业的日常办公，则需要相当的工程实践和应用经验，如果缺乏精准的判断和合适的载体，算力再强的 AI 工具也未必能达到满意的效果。

在可预见的未来，以目前的技术路径，AI 仍然无法像人类一样拥有常识、智能和广泛的自我维护和复制手段。一个普遍的共识是可能要花费几十年时间，或者当技术出现重大突破，才可能让机器拥有接近理想中的人类认知能力——真正的强人工智能。

AI 尚且远远未能达到，用 RPA 先行解决眼下难题，又有何不可？

RPA- 人工智能时代的基础设施

为什么说 RPA 是人工智能时代的基础设施？

AI 能力不只能帮助拓展 RPA 的应用范畴，RPA 也让 AI 的应用可以延伸到更多场景之中，创造出更高的价值。

目前人工智能技术的应用（图像 / 语音识别、自然语言处理、搜索推荐等）主要在技术驱动型企业中实施，企业普遍缺乏接触并应用新技术的机遇。作为 AI 工具的绝佳载体，可以设想，未来大部分企业初次接触 AI 技术可以通过机器人流程自动化潜移默化完成。甚至更进一步，由于 RPA 的广泛应用显著提升各行业的自动化效率，员工的创新能力得到解放，新科技的研发迭代大大加速。

相对地，在 RPA 的发展中，人工智能其实也至关重要。

一般的机器人流程自动化应用，主要依照事先拟好的程序规则，执行例行任务。例如报表制作、数据输入或是数据搜集等。而进一步的技术应用，目标是加入 AI 感知能力，流畅处理非结构化数据，做到图片、视频、文本、语音等的信息识别，与业务流程作业串接，自主查询、回复、处理并响应内容：最终目标是能无障碍处理自然语言，达到自主学习、进阶分析与多元的判断与处理能力。

从组织变革角度看，RPA 使企业提前适应了人与数字员工一同工作的未来图景。

企业通过部署 RPA 提高效率，优化业务流程。从繁琐的重复工作中解放出来后，员工可以专注投入富有创造性和更高价值的任务。随着时间的推移，企业可以改善人员流失，工作氛围会更好，内部创新也会持续增加，全方位提高运作能力和竞争力。

同时，算法及人工智能工具的进步，为企业带来了全新的机遇。与大多数技术的成长轨迹一样，人工智能的产业化应用虽处于早期阶段，但将会继续向前发展。RPA 证实了自动化科技的价值，使企业人员更适应与数字化劳动力一起工作，优化了管理策略，进而为全面运用各种性质的人工智能做好准备。

RPA 被认为是通往人工智能的第一步。

RPA 和 AI 的区别和联系

RPA 的主旨是解放劳动力，让员工从单调重复、枯燥乏味的操作型工作中得到解放。它可以完美地处理需要反复重复的工作，但这仅限于按照预先设定好的业务规则和逻辑去完成相应的动作，包括鼠标点击、键盘录入等。也就是说，我们需要 RPA 做什么，它就会做什么 。
RPA 要落地，就要理解它所解决的根本问题是什么，答案是：效率问题。理论上，只要是规则统一、附加值低、重复性高的工作，都可以使用 RPA 来解决。可是，在我们日常工作的场景当中，很多业务场景并不单单是由这种简单的步骤组合而成的，而是夹杂着很多需要人工处理的步骤。RPA 并不会像人工智能中的深度学习网络那样，不断地自我学习和进步。
举个简单的例子，如果在自动化流程中，某一个步骤发生了变化，如字段的位置突然移动了，又比如，突然出现了一个没有碰见过的弹窗，这时候，RPA 是无法自行解决当前问题的，流程就不能再继续走下去了。
不仅如此，RPA 还无法解决图像识别与转换的问题，而且在很多财务场景中，都涉及从各类单据、票据中识别和提取相关的业务数据，以供后续运营系统时使用，如下图 1 所示。

又例如，RPA 无法解决非结构化文本抽取的问题（如下图 2），而在我们的办公场景中，打交道最多的便是各种类型的文本和文档文件，如财务报告、合同、PDF 文件、邮件等。

因此，很多人认为，RPA 并不是真正的 AI。尽管如此，随着 RPA 的不断成长和进化，它与 AI 之间的联系正变得越来越紧密。
现在有一个很流行的说法是，AI 就好比是人类的大脑，能够模仿人类做出判断和总结等思考行为，而 RPA 则是我们的双手，听从于大脑的命令并完成指令 。
这两种技术的紧密结合，相当于是在基于规则的自动化基础（RPA）之上增加了基于深度学习和认知技术的推理、判断和决策能力，实现了真正的智能流程自动化，就像传统的“白领”知识型员工和“蓝领”服务型员工相互配合一样，成为新型的推动组织生产力的引擎。

人工智能扩展 RPA 能力边界

认识到了 RPA 的局限性，越来越多的人开始意识到，将 RPA 和 AI 这两种技术配合使用，能够发挥出越来越重要的作用。到底是什么大幅度推动了 RPA 的进步呢？这一切都要归功于蓬勃发展的人工智能技术——深度学习网络。
近年来，由于 AI 的高速发展，传统 RPA 正在与 AI 和其他数字自动化工具（如光学字符识别、聊天机器人、人机结合处理等）相结合，以帮助克服流程中的各种局限。这也创造了在任何流程之间实现端到端流程改造的潜能。
从简单的自动化作业到专注于提高生产力和削减成本，RPA 的重点将转向智能自动化和富有洞察力的决策，这些将真正加强用户体验。
这里很自然地就引出了智能自动化（Intelligent Process Automation，IPA）的概念。智能自动化是多种工具的智能应用，其不仅涉及 RPA，还有数字化和 AI 使能器、人机结合和“大 AI”概念。“大 AI”是指 AI 或高级分析（主要用于决策、建议、下一步最佳操作、交叉销售、客户流失等情况）。智能自动化还意味着寻找自动化的替代方案，并基于各种不同的潜在收益（不仅是成本方面）来确定对错。
RPA 掀起了机器人技术推动业务变革的第一波浪潮，而数字化则使机器、AI 和人机结合处理将引领业务变革的下一波浪潮。然而，目前 AI 仍处于应用的初期。据调查，现阶段仅有约 5% 的公司自认为可以熟练地运用 AI，15% 的公司自认为可以熟练地运用 RPA。
技术应用初期难免面临风险与成本的增加，以及技能的匮乏等问题，但潜在回报仍颇具吸引力。AI 可对智能自动化的交付，以及未来端到端流程改造的发展做出重大贡献。取得最佳成功的关键在于确定 RPA、数字化、AI 使能器以及“大 AI”之间的适当结合与选择，以平衡成本、风险和回报。

智能自动化为人类提供了先进的智能技术和敏捷流程，从而可以实现更快、更智能的决策。Intelligent Process Automation(IPA)在业务中的主要优势包括：提高流程效率、改善客户体验、优化后台运营、降低成本和风险、优化劳动力和生产力、更有效的监控和欺诈检测、产品和服务创新，借助于这些优势，IPA 可以更好地推动企业范围内的数字化转型。

IPA 需要通过更高的效率，更好的客户体验管理以及增强的产品和服务功能来区分业务与竞争对手。IPA 可以帮助领导者充分利用数十年来对众多复杂系统的投资，创建深入的见解，同时做出许多复杂的决策，帮助领导者做出更好的决策，同时转变内部管理流程。IPA 的最终目标是提高工作的效率和准确性，提高客户的满意度，以及优化工作流程，使组织投资于自动化和操作工具。

任何有效的 IPA 倡议都必须建立在对业务总体战略的明确理解，以及下一代运营模式在帮助实现这一战略中的作用的基础之上。这就需要清楚地阐明目标的最终状态和重点到达它的过程。这种清晰度使业务领导者能够评估并协调所实施的方法和能力，以推动运营模式。在许多情况下，IPA 在推动变革方面具有重要的作用甚至会起到主导作用，但其最大的价值在于让公司了解如何与运营模式中的其他技能和方法协同工作。自动化即将到来，现在是时候定义可能的技术并在最有意义的地方战略性地应用它。