推出企业服务火山引擎后，字节跳动收购容器平台才云科技
06-18
前进一步，AI，后退一步，RPA。
人工智能落地难已成为行业面临的共性问题，举步维艰。
因此，被寄予厚望的AI退了一步，RPA（Robotic Process Automation，机器人流程自动化）适时出现在桌面上。
一批RPA+AI厂商的崛起，让人们回想起“AI+万物”的炒作。
这次不同的是，少了厂商的自我推销，多了一致声音的默契，因为技术端和市场端对RPA+AI的需求确实存在，而且还很刚性。
雷锋网了解到，目前企业对RPA的需求每年都在成倍增长，很多咨询公司已经忙得无法完成所有订单交付。
如果你还没有感受到RPA的火爆，不妨看看投资层面的变化：今年6月，弘玑Cyclone宣布获得DCM和DCM的数千万美元A轮融资源码资本；云阔科技宣布获得金沙江创投、明石资本1000万美元A轮融资；来也科技与RPA公司奥森科技合并成立“新来也”，并宣布获得凯辉创新基金、双湖资本、光速中国1万美元B+轮投资； 8月，云普科技宣布获得红杉资本中国基金领投的数千万元A+轮融资。
这只是已宣布的部分内容。
更多融资仍在进行中或尚未披露。
RPA市场去年增长超过63%，成为增长最快的企业软件。
同时，与其他成熟的企业软件相比，RPA仍然具有许多优势。
成长空间很小。
在2018年略显冷淡的投资市场中，这是一个不可多得的好项目，更何况是一枝独秀的项目。
如此一来，有市场、有标杆、有技术的RPA在中国已经进入爆发期。
浮华的背后总是隐藏着隐忧。
带着探索新时代RPA现实的初衷，雷锋网与阿里云、文印互联网、大观数据、方博科技、明石资本等进行了对话，希望呈现RPA行业的全貌。
RPA 到底是什么？这个 RPA 不是那个 RPA。
对 RPA 的传统理解是配置计算机软件或机器人来抓取和解析现有应用程序，以处理事务、操作数据、触发响应并与其他数字系统进行通信。
重复性任务的自动化和高度智能化处理的自动化，可以优化整个企业的基础流程操作，降低成本，提高效率，保证零错误。
目前流行的RPA已经超出了传统RPA的范围。
按钮向导甚至Word、Excel的VBA（也称为宏）都可以算作传统的RPA。
当然，我们今天讨论的不是这种类型。
让我们将 RPA 分为狭义 RPA。
还有广义上的RPA。
目前RPA的流行是从狭义的RPA到广义的RPA的过程。
狭义的RPA技术本质是快速构建可执行操作并稳定播放。
实际上有很多技术可以构建可执行操作并使其稳定且可部署。
这也可以通过简单地编写代码来完成。
为什么我们必须使用 RPA？阿里云RPA案例：自动补偿机器人 阿里云RPA团队负责人李立峰告诉雷锋网，核心在于“快”字。
无论是现在比较流行的视觉编排，还是编辑即所得的录制能力，这些技术都是为了降低门槛，很快就能发挥到极致。
如果不使用RPA，使用一些脚本或一些底层开发技术可能需要几个人月或几十个人月的开发工作。
使用 RPA 可以将其减少到几个工日甚至几个工时。
快速构建说起来容易做起来难，底层能力尤其复杂。
从80%提升到90%，甚至从90%提升到95%，需要非常深厚的底层技术能力。
广义 RPA = 狭义 RPA + 各种可组合能力的集合。
可组合能力指的是各种人工智能技术。
在广义的RPA中，以狭义的RPA为代表的技术比例已经很小了。
测试的是可以组合的其他能力的广度和深度，比如OCR能力好不好。
一些RPA厂商打着RPA+AI的旗号，所以各种AI能力的深度融合是他们的重点。
不过，AI能力的具体深度是否一定要依靠RPA才能做好，则是另一个问题。
李立峰坦言，到目前为止，没有一个厂商，甚至是阿里巴巴经济体，能够拥有所有最深的能力和可以组合的产品，所以全部或者部分能力肯定需要外部的合作和整合，而阿里巴巴也需要合作和整合。
与多家企业整合。
RPA市场的四类玩家与许多新技术的发展轨迹相似。
RPA起源于大洋彼岸，也正是因为海外市场的火爆效应，才传导至中国并引发资本的追捧。
RPA有现成的国外标杆厂商，UiPath、Automation Anywhere、Blue Prism。
其中，Blue Prism估值最低为13亿美元，UiPath估值高达70亿美元。
中国的市场规模不亚于其他市场，RPA也并不靠技术、资本和厂商的优势，致力于寻找/成为中国的UiPath。
目前国内RPA玩家主要有四类：第一类是新公司，如2018年成立的弘基信息、2017年成立的云普科技等。
这类公司仍然专注于传统RPA业务领域。
第二类是长期在to B领域耕耘的老玩家，比如易赛奇、金志伟等。
此类厂商要么依托原公司丰富的业务资源渠道，要么已经搭建了很多RPA系统，并在原有系统和业务范围的框架内进一步探索新技术。
第三类是进入RPA市场的AI公司，这也是市场上比较活跃的一类。
这类公司主要从新的商机入手，例如信贷流程自动化。
如果这部分做得足够好，会更容易与传统RPA公司合作或者组建团队来完成传统RPA环节，比如文印互联网、大观数据、雅培等。
最后，还有巨人。
这类公司的核心还是更注重底层，会通过开放平台提供组件支持。
行业还没有非常集中。
例如，阿里云最初是从淘宝的前身代码堆栈开始，然后在内部发展到今天的RPA。
众多玩家争夺机会，市场空间尚未完全释放。
HFS Research数据显示，全球RPA市场规模从2017年的6.12亿美元增长到2016年的17.14亿美元，近三年年增长率超过50%。
预计到2020年市场规模将达到43.08亿美元。
“新”RPA爆发：人工智能带来什么？新的RPA在于AI和RPA的结合。
RPA+AI的提出不禁让雷锋网想起了另一个类似的概念。
早在2010年，麦肯锡就专门写过一篇文章介绍智能流程自动化（IPA）。
但由于当时的种种因素，IPA尚未推出。
非常好的促销。
IPA其实就相当于RPA+AI。
我相信IPA概念的流行只是时间问题。
麦肯锡认为IPA包括以下五项核心技术： 机器人流程自动化（RPA），它是IPA的基础。
Smart Workflow是一款集成了人机团队工作的流程管理软件工具，允许用户实时启动和跟踪端到端流程的状态，用于管理不同组之间的切换，包括机器人和机器组之间的切换。
在人类用户之间切换并提供瓶颈阶段的统计数据。
机器学习/高级分析，使用“监督”或“无监督”学习来识别结构化数据中的模式的算法。
监督算法先从现有结构化数据集的输入和输出中学习，然后再根据新输入进行预测。
无监督算法观察结构化数据并直接识别模式。
自然语言生成（NLG，Natural-Language Generation）：一种在人类和系统之间创建无缝交互的引擎。
它遵循规则将从数据中观察到的信息转换为文本。
结构化的性能数据可以通过管道传输为自然语言。
语言引擎并自动编写内部和外部管理报告。
认知代理（Cognitive Agents）是一种结合了机器学习和自然语言生成的技术，可以充当完全虚拟的劳动力，并有能力完成工作、沟通、从数据集中学习，甚至可以基于“情绪检测”来进行判断等任务打电话时，认知代理可以通过电话或对话为员工和客户提供帮助。
与许多企业服务软件一样，RPA 的本质目标是降低成本、提高效率。
在经济周期中，类似的需求总是间歇性的，而且尤为突出。
RPA 需求的爆炸式增长并非凭空而来。
主要推动力主要来自两个方面。
、技术成熟度和市场需求。
人工智能技术可以处理过去RPA无法处理的环节。
这在金融场景中表现得非常明显。
例如，原有的银行信贷流程中需要处理大量的信用单据，其中包括大量的非结构化数据。
传统RPA技术不具备处理这部分数据的能力，因此这部分业务范围不包含在内。
人工智能的底层技术是自然语言处理（NLP）和知识图谱（KG）。
自然语言处理技术使得以前不可能完成的事情成为可能，瞬间打开了新局面。
智能审批、智能合规、智能授信流程、智能风控……一系列需求均可解锁。
其中，NLP主要进行表格识别以及从文本中提取关键实体和关系； KG主要对业务知识（实例图谱和业务规则）进行建模，如公司图谱、人物图谱、产业链图谱、风险传递关系、合规规则等。
文印互联网CEO鲍杰表示，此前有人戏称RPA是AI的接班人，这或许能在一定程度上解释这一小高潮。
年复一年，大家对AI所能带来的智能仍然抱有很多不切实际的幻想。
当他们的想象力破灭后，他们发现AI现在真正能付诸实践的是帮助解决一些业务流程或者运营流程的自动化，比如利用算法人类智能。
人脸识别，比如用机器批量处理基本的财务报表，和大家对RPA的理解很相似。
这波人工智能技术和应用落地也让传统RPA能够做很多未来做不到的事情，赋予其更大的想象空间。
总结微银互联网的实践经验，RPA之所以能在金融领域迎来小高潮，首先是技术的成熟。
经过几年的精耕细作，金融文本分析已具备较强的工程实施能力和成熟的技术指标。
，金融文件的机器理解和信息提取已经开发出来可供企业使用；原始数据储备丰富，各单位自己的大数据系统都已建成，为下一步人工智能发展提供原始数据。
大观数据结合OCR和NLP的RPA系统。
速度更快的厂商已经开始推出新产品。
大观数据正式推出国内首款自主研发的集OCR（光学字符识别）和NLP（自然语言处理）于一体的大观智能RPA。
。
大观数据CEO陈云文表示，大观数据的RPA没有使用开源技术，而是自主研发。
自研过程中，NLP系统、OCR系统、RPA系统紧密结合。
在大观数据的RPA机器人制作的菜单中，嵌入NLP模块，而不是作为插件插入。
“OCR就像人的眼睛，NLP就像人的大脑，RPA就像人的手，只有手、脑、眼的结合才能承担更复杂的流程工作。
”陈云文说，这也代表了大多数RPA+的观点人工智能制造商。
看法。
RPA 并不是万能药。
RPA是迈向AI快车道的第一步，但万事开头难。
明石资本创始合伙人黄明明告诉雷锋网，今年以来，他的投资团队一直在关注和投资很多垂直行业的RPA应用。
不过，当时大家还不知道RPA这个词，RPA也没有现在这么流行。
。
后来团队受到国外几家RPA公司快速发展的启发，开始系统地审视RPA赛道。
这也从侧面反映出RPA发展的曲折。
蛰伏了很久终于看到曙光了，所以RPA现在太火了。
黄明明坦言，如果与其他行业软件的市销比相比，RPA企业普遍估值较高。
但对于早期投资来说，发现优秀的创业者和正确的方向才是最关键的。
现阶段过分注重估值会错过很多优秀的公司。
按照早期VC投资公司的评价标准，优秀的RPA公司会带来50倍以上的回报。
与去年相比，至少现在这个行业变得更加清晰了。
对于RPA的技术壁垒，存在两种完全不同的看法。
一是RPA的技术门槛很低，二是RPA的难度很大。
事实上，两种观点的关注范围存在偏差。
如上所述，狭义RPA的技术门槛包括UI Automation界面自动化、流程配置和执行引擎、RPA平台节点数量和功能数量。
前两者都有现成的开源技术，大部分厂商也在这个基础上做二次开发，所以难度并不大，所以入局的人也不少。
广义 RPA 的技术障碍并不在于 RPA 本身。
对于呼吁RPA+AI的行业制造商来说，RPA能力本身并不是他们关注的重点。
RPA 并不是万能的，它的缺点和优点一样明显。
换句话说，RPA的缺点恰恰是它的优点造成的。
首先，RPA是一个非常明显的线性过程。
狭义上的RPA可以实现对可见第三方系统的非侵入式操作。
虽然它的优点是可以操作第三方系统，而不需要依赖第三方系统是否提供接口，但它也有可以操作第三方系统的优点。
第三方系统的任何变化都会对RPA流程产生一些影响。
李立峰提到，有些第三方系统的修改比较频繁，但即使是不频繁的第三方系统的修改也不像接口。
它们有比较清晰的接口声明、清晰的输入输出、声明的异常返回值。
RPA接口中没有声明级别，因此第三方系统可能的修改很容易破坏一些原本运行得很稳定的流程，有时甚至可能造成无法挽回的损失。
随着RPA流程在大量行业的应用，一些细小的偏差会逐渐出现并积累成为隐患。
即使一个流程的故障率和影响概率只有千分之一，但是运行一千个流程之后，累积偏差发生的概率就会变得非常高。
对此，阿里云认为，未来每时每刻，RPA流程中的致命损失都可能导致整个行业远离稳定性和异常处理能力不足的RPA产品，RPA行业将进入A相对低点，阿里云认为这是必然的事件。
为了避免潜在的灾难性损失，我们可以从两个方面入手。
一是尽量减少这些缺点以及这种缺点可能造成的影响。
虽然RPA本身的缺点是不可避免的，但RPA可能造成的后果和影响是可以尽可能避免的；其次，要在业务场景中展现出足够的价值。
高价值会改变用户的判断，优缺点会让用户自己权衡。
只有这样，RPA才能越来越多地用在一些重要场合，而不是只用在一些角落区域。
Abbots CEO杨永志提到了其他可能影响RPA发展的因素，包括国内外市场的IT市场差异和劳动力成本差异。
在欧美等发达市场，高昂的劳动力成本是RPA普及的直接原因；其次，发达国家市场的IT系统建设相对较早，遗留系统较多。
这些系统已经老化、年久失修，集成成本非常高。
中国市场相对容易获得的人力与国外市场的外部环境不同。
与国外相比，中国市场在软件支付习惯方面也面临挑战。
杨永志认为，当传统RPA没有技术壁垒时，RPA厂商最终可能不可避免地会打价格战，这客观上会影响RPA行业形成相对健康的商业模式。
这就是行业中已经发生的事情。
趋势火爆之际，各路玩家蜂拥而入，RPA厂商完全有可能遭遇来自客户层面的降维攻击。
比如有实力的银行都成立了自己的团队做RPA，越来越多的银行成立了金融科技细分行业。
对于企业来说，探索的一大重点就是RPA。
传统RPA企业如果不转型，最大的竞争对手可能就是银行自己的技术团队。
先是流程自动化，然后是智能化，RPA 1.0自动化手、RPA 2.0自动化大脑……数字化劳动力的故事能否如期展开，整个行业都在拭目以待。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态