RPA与AI的融合，将会变成什么样？

2019年，RPA+AI的呼声甚喧尘上。RPA已经历了十余年的发展，更从去年开始实现了井喷式增长，造就了像UiPath这样估值高达70亿美元的成功企业。因此，RPA有着强劲与广阔的市场需求；AI则代表着科技的新生力量，昭示着未来的技术走向。

在众人都在对“RPA+AI”进行着无限畅想时，我们来思考下RPA和AI的技术要点，以及两者相结合产生的价值等更深层次的问题。

RPA的关键是什么？

关注RPA领域的小伙伴都知道，RPA主要用于处理大量重复工作。

那么，RPA机器人流程自动化的核心是什么？

RPA 着眼于人们如何使用当前具有用户界面的特定应用程序,复制基于用户界面的交互流程，通过控制鼠标、键盘对网页、邮箱等软件进行相应操作。如果还是不好理解，可以想象一下，一个坐在工人旁边的“真实”物理机器人，“学习”工人在相关应用中如何执行例行任务。

目前，RPA尤其适合执行基于规则的前端任务，例如从电子邮件中提取信息以及根据特定规则在内部发送电子邮件。但是，如果是非结构化的电子邮件，比如表单中的某个字段有移动，RPA机器人就无法解决这一问题。

整体来看RPA适用的流程，必须满足以下两个条件：

一、有非常明确、固定的流程和步骤；这样程序才能根据既定规则自动完成任务；这也是为什么财税、人力资源是目前使用RPA最多的业务领域。

二、该流程中不能涉及复杂任务，也不能涉及线上、线下的融合。一旦场景中除人机交互外，还包括把纸质信息录入电子系统等打通线上线下交互的环节，或在单点环节涉及复杂任务， RPA就很难发挥作用。

也正是以上两点特性，不断迫使RPA寻找“智能”的突破口。比如，在银企对账场景中，更加智能的RPA完全可以帮助人们去做报税、对账等工作。

RPA为何非AI不可？

目前的RPA技术尚处于成长阶段，需要更多智能化属性，比如“思考、辨别”能力，需要根据业务场景在RPA底层技术基础上做个性化开发，然后测试、交付。

而AI则结合了机器学习和深度学习，具有自主学习能力，通过计算机视觉、语音识别、自然语言处理等技术拥有认知能力，更倾向于发出命令。

尤其借助AI的自然语言处理、计算机视觉能力，RPA能够实现有效自动化的可能性大大增加。

也就是说，增强和模仿人类判断和行为的AI技术恰好补充了基于规则的RPA技术。这两种技术紧密相连，就像传统的白领知识型员工和蓝领服务型员工一样，都是推动企业生产力的引擎，并且越来越多地共同发挥作用。

接下来，RPA需要自动执行更多完整的端到端流程。而AI可以从以下两方面完善RPA端到端的流程自动化：

认知捕获：认知捕获侧重于通过全渠道（即Web表单、纸质文档、电子邮件）提取数据，然后使用本地AI、认知算法将非结构化数据转换为结构化格式，以便RPA可以开始自动化工作任务。

流程编排：流程编排为自动化工作流增加了严谨性和纪律性。由于RPA自动化的工作任务通常是工作流程的一部分，这一点很有意义。同时，流程编排也有助于RPA处理所有异常情况，执行传统的动态案例管理。

借助AI智能识别技术，RPA可以轻松识别纸质发票中的编号、日期、金额，并自动输入到Excel表格中。RPA取代传统人工录入，以一种更准确、快捷、高效的方式，引领自动化处理的潮流，及时响应业务变化和拓展。

RPA的未来：更大的数字化和集成自动化蓝图的一部分

有研究表明，到2022年，业务流程的整体市场将会“重构”，主要涵盖了围绕RPA和AI技术的服务改造，总价值将超过80亿美元。

届时，RPA的任务将不仅仅局限于减少重复性任务，还有更高级的分析和自动化使命：流程中的半自主和自主决策。就像与工业4.0，物流4.0和类似的“转型”演变一样，基于AI的决策，可半自动或自主地利用外部信息等资源。

随着AI以及BPM、SaaS平台、深度学习、物联网和区块链等技术的飞越发展，RPA将从独立实现转向更广泛的嵌入式数字流程模型。

有些人认为RPA和基于AI的智能流程自动化领域的下一个阶段将取代业务流程外包或作为新型业务流程外包，从更长远的角度来看，确实会有更多这样的进展，比如重新考虑数字业务流程，其中一些技术也会像ERP那样集成在一起。

RPA和AI的融合，将更加推动业务流程外包市场的发展，只有更加关注整体数字化转型目标或者特定领域的业务流程外包（BPO）才能从中受益。

另外一点，从发展阶段来看，RPA的发展可划分为辅助人工、解放人工、增强智能和自主智能四大阶段。

其中，第三个阶段中，RPA不只是简单的模仿人，还能与感知技术相互融合。从而获取更多相关的外部知识，自动化处理目标文档中的非结构化数据，实现人机交互，人工复核等增强智能化功能。

第四个阶段中，RPA可以通过观察流程和流程产生的数据结果，进行自主的学习和判断，自定义新的机器人来适应动态规则。自主RPA还可以结合外部知识做出更好的决策，比如收集社交媒体上产品评论的机器人能够自发学习新的缩略语和别称，自动扩展关键字列表，确保原始数据的完整性。同时企业也可以为机器人提供更多的参数，使RPA更了解运行的环境。

目前，RPA正处在高速发展时期，在这个技术加速度的时代，我们需要明确当下的任务，但更要着眼未来，而RPA+AI就是答案。

原文链接：https://www.51rpa.net/rpanews/4483.html