0
向前一步，AI，退后一步，RPA。
AI落地難成為業(yè)界面臨的共同難題，往前走難以為繼，于是被寄予厚望的AI后退一步，RPA（Robotic Process Automation，機器人流程自動化）適時出現(xiàn)在牌桌。
一批 RPA+AI 廠商如雨后春筍般出現(xiàn)，讓人不禁回憶起“AI+一切”的炒作熱潮。這次的不同之處在于，少了些廠商自嗨，多了些呼聲一致的默契，因為RPA+AI 在技術端和市場端的需求確實存在，而且還很剛性。雷鋒網了解到，當下企業(yè)對RPA的需求在以每年翻倍的速度增長，很多咨詢公司已經忙到無法完成所有訂單交付。
如果你還沒感受到RPA的受歡迎程度，不妨看看投資層面的變化：今年6月份，弘璣Cyclone宣布獲DCM、源碼資本千萬美元A輪融資；云擴科技宣布獲金沙江創(chuàng)投、明勢資本千萬美元A輪融資；來也科技與RPA公司奧森科技合并成“新來也”，并宣布獲凱輝創(chuàng)新基金、雙湖資本和光速中國的3500萬美元B+輪投資；8月份云擴科技宣布再獲得紅杉資本中國基金數千萬元A+輪融資。
這只是公布出來的一部分，更多的融資還在進行中或者未披露，RPA市場去年增長了63%以上，成為增長最快的企業(yè)軟件，同時相較于其他成熟的企業(yè)軟件，RPA還有不小的增長空間。略顯寒冷的2019年投資市場，不說一枝獨秀，也算是難得的好項目。
就這樣，有市場、有對標、有技術的RPA在國內進入爆發(fā)期。浮華背后總有隱憂，抱著一探新時期RPA究竟的心思，雷鋒網對話了阿里云、文因互聯(lián)、達觀數據、阿博茨科技和明勢資本等，希望呈現(xiàn)RPA行業(yè)的全貌。
此RPA，非彼RPA。
傳統(tǒng)對RPA的理解——通過配置計算機軟件或機器人抓取并解析現(xiàn)有應用程序來處理事務、操縱數據、觸發(fā)響應并與其他數字系統(tǒng)通信的技術應用。針對重復性工作的自動化以及高度智能處理的自動化，達到優(yōu)化整個企業(yè)基礎流程作業(yè)、降低成本、提高效率、和確保零失誤。
當下風靡的RPA已經超過了傳統(tǒng)RPA的范疇，按鍵精靈，甚至Word和Excel的VBA（也稱宏）都可以算做傳統(tǒng)RPA，今天我們討論的當然不是此類，姑且將RPA分為狹義的RPA和廣義的RPA，目前RPA翻紅就是從狹義RPA走向廣義RPA的過程。
狹義RPA本身的技術實質是快速構建可執(zhí)行的操作并且穩(wěn)定回放。構建可執(zhí)行的操作并且穩(wěn)定會放的技術其實并不少，單純代碼的編寫也可以做到，為什么一定要用RPA？
阿里云RPA案例：自動賠付機器人
阿里云RPA團隊負責人李立峰對雷鋒網表示，核心在于“快速”兩個字，無論是在比較流行的可視化編排還是說所編即所得的錄制能力，這些技術都是為了降低門檻，將快速能夠發(fā)揮到極致。如果不用RPA，按照原來用一些腳本或者用一些底層開發(fā)的技術，可能需要幾個人月，或者幾十個人月的開發(fā)工作，使用RPA可以可以減少到幾個人日甚至幾個人時的高度?？焖贅嫿ㄖ仔须y，底層的能力尤其紛繁復雜，要想從80%要想提高到90%，甚至從90%提高到95%，需要非常深層次的底層技術能力才可以做到。
廣義RPA=狹義RPA+各種可被組合能力的集合?？杀唤M合能力指的就是各種AI技術，在廣義RPA中，狹義RPA所代表的的技術占比已經非常小，考驗的是其他可被組合能力的廣度和深度，比如OCR能力做的好不好，IoT能力結合的深不深等等。
有一些RPA廠商搬出RPA+AI的旗號，那么各種AI能力的深度融合就是他們的重點，但是具體深度的AI能力，到底是否一定要依賴于RPA才能做的很好，這是另外一個問題。
李立峰坦言，到目前為止，任何一家廠商，即便是阿里巴巴經濟體，也不可能擁有全部可以被組合的最深度的能力產品，所以全部或者部分能力一定會需要外部的合作集成，阿里巴巴也需要和很多公司去合作和集成。
和眾多新技術發(fā)展軌跡類似，RPA源于大洋彼岸，并且也正是由于海外市場的火熱效應，傳導至國內并引發(fā)資本的追捧。RPA有現(xiàn)成的國外對標廠商，UiPath、Automation Anywhere、Blue Prism，這里面Blue Prism估值最低為13億美元，UiPath的估值高達70億美元，中國的市場規(guī)模不亞于其他市場，RPA也不是高高在上的技術，資本和廠商都在致力于尋找/成為中國的UiPath。
目前國內的RPA玩家主要有4類：
第一類是新公司，如2015年成立的弘璣信息、2017年成立的云擴科技。這一類公司還是專注在傳統(tǒng) RPA 的業(yè)務范疇。
第二類是在to B領域耕耘很長時間的老玩家，如藝賽旗、金智維。這類廠商要么依托原本公司豐富的商務資源渠道豐富，或者原本就已經做了不少 RPA 的系統(tǒng)，在原有的系統(tǒng)和業(yè)務范疇框架下結合新技術進一步去探索。
第三類是切入RPA市場的AI公司，也是目前市場相對活躍的類別。這一類公司，主要是從新型業(yè)務機會入手，比如信貸流程自動化入手，把這一部分做得足夠好，和傳統(tǒng)RPA公司合作或者搭建團隊把傳統(tǒng) RPA 環(huán)節(jié)完成就是更加簡單的事情，如文因互聯(lián)、達觀數據、阿博茨等。
最后，還有巨頭。這類公司的核心還是更加偏向底層，會通過開放平臺提供組件支持，行業(yè)還沒有非常聚焦，如阿里云，最早從淘寶的前身碼棧開始，而后一直在內部演進到如今的RPA。
玩家眾多搶食風口，市場空間還未完全釋放。據HFSResearch數據，RPA全球市場規(guī)模從2016年的6.12億美元增長至2018年的17.14億美元，近3年的年增速均超過50%；預計到2022年，市場規(guī)模將達到43.08億美元。
新RPA，在于AI和RPA的結合。
RPA+AI的提出不禁讓雷鋒網回憶起另一個相似概念，早在2017年，麥肯錫就撰文特別介紹了智能流程自動化（IPA，Intelligent Process Automation），只不過當時囿于多種因素，IPA還沒得到很好的推廣，IPA其實等同于RPA+AI，相信IPA概念的火熱也只是時間問題。
麥肯錫認為，IPA包括如下五個核心技術：
機器人流程自動化RPA，這是IPA的基礎。
智能工作流（Smart Workflow），流程管理軟件工具，集成了由人和機器團隊執(zhí)行的工作，允許用戶實時啟動和跟蹤端到端流程的狀態(tài)，用來管理不同組之間的切換，包括機器人和人類用戶之間的切換，并提供瓶頸階段的統(tǒng)計數據。
機器學習/高級分析，通過“監(jiān)督”或者“無監(jiān)督”學習來識別結構化數據中模式的算法。監(jiān)督算法在根據新輸入做出預測之前，通過已有的結構化數據集的輸入和輸出進行學習，無監(jiān)督算法觀察結構化的數據，直接識別出模式。
自然語言生成（NLG, Natural-Language Generation）：在人類和系統(tǒng)之間創(chuàng)建無縫交互的引擎，遵循規(guī)則將從數據中觀察到地信息轉換成文字，結構化的性能數據可以通過管道傳輸到自然語言引擎中，并自動編寫成內部和外部的管理報告。
認知智能體（Cognitive Agents），一種結合了機器學習和自然語言生成的技術，它可以作為一個完全虛擬的勞動力，并有能力完成工作，交流，從數據集中學習，甚至基于“情感檢測”做出判斷等任務，認知智能體可以通過電話或者交談來幫助員工和客戶。
和眾多企業(yè)服務軟件一樣，RPA的本質目標就是降本增效，在經濟周期的循環(huán)中，類似的需求總是間歇性特別突出，RPA需求爆發(fā)也不是憑空而來，主要推動力主要來自兩方面，技術的成熟和市場的需求。
原先 RPA 沒有辦法處理的環(huán)節(jié)，人工智能技術可以做到，這在金融場景表現(xiàn)的十分明顯，比如，原本銀行信貸流程中有大量需要處理的信貸文件，包含大量非結構化的數據，傳統(tǒng)的 RPA 技術沒有處理這些數據的能力，因此這部分業(yè)務范疇就不包含在其中。
人工智能底層的技術為自然語言處理（NLP）和知識圖譜（KG），自然語言處理技術讓原先做不到的事情能夠做到了，瞬間打開了一個新局面。智能審批、智能合規(guī)、智能信貸流程、智能風控……一系列的需求都可以解鎖。
其中，NLP主要進行從文本中進行表格識別、關鍵實體和關系抽?。籏G主要建模業(yè)務知識（實例圖譜和業(yè)務規(guī)則），如公司圖譜、人物圖譜、產業(yè)鏈圖譜、風險傳導關系、合規(guī)規(guī)則、信貸規(guī)則等。
文因互聯(lián)CEO鮑捷表示，之前有人戲稱，RPA 是 AI 的接盤俠，或許能在某種程度解釋這一輪小高潮。2015年-2018年，大家對 AI 能夠帶來的智能化還是有很多不切實際的幻想，想象破滅之后發(fā)現(xiàn)AI 當前真真正正能夠落地的是幫助解決一些業(yè)務流程或者操作流程的自動化，比如用算法人臉識別，比如用機器來批量化處理基礎的財務報表，和大家對 RPA 的理解很像。而這一輪人工智能技術和應用落地的熱潮，也給傳統(tǒng)的 RPA 賦能，能做到未來很多做不到的事情，有了更大的想象空間。
就文因互聯(lián)的實踐經驗來總結，在金融領域RPA之所以能夠迎來小高潮，首先是技術走向成熟，金融文本分析經過這幾年的深耕，已經具備極強的工程落地能力，技術指標成熟，金融文檔的機器理解、信息抽取已發(fā)展到業(yè)務可用 ；原始數據儲備豐富，各單位自己的大數據系統(tǒng)建設完畢，為下一步AI化提供了原始數據。
達觀數據結合OCR和NLP的RPA系統(tǒng)
動作較快的廠商已經開始著手推新品，達觀數據日前正式推出國內首款自主研發(fā)集OCR(光學字符識別)與 NLP(自然語言處理)于一體的達觀智能RPA。
達觀數據CEO陳運文表示，達觀數據的RPA沒有采用開源技術而是自研，而且在自研的時候，把NLP系統(tǒng)、OCR系統(tǒng)、RPA系統(tǒng)緊密結合在一起，達觀數據的RPA機器人所做的菜單內嵌NLP模塊，而不是作為一個插件另外再插入進去。
“OCR如同人的眼睛，NLP 如同人的大腦，RPA則是人的雙手，手腦眼三者結合才能承擔更復雜的流程化工作”，陳運文表示，這也代表了大多數RPA+AI廠商的觀點。
RPA是通往AI快車道的第一步，但，萬事開頭難。
明勢資本創(chuàng)始合伙人黃明明告訴雷鋒網，其投資團隊從2016年開始就關注及投資過很多RPA在垂直行業(yè)應用的項目，但那時候大家還不太清楚RPA這個詞，RPA也遠不及當下火熱。后來團隊受國外幾家RPA企業(yè)快速發(fā)展的啟發(fā)，開始系統(tǒng)地去看RPA這個賽道。
這也從側面體現(xiàn)出RPA發(fā)展的曲折，蟄伏許久終見曙光，以至于現(xiàn)在RPA火熱的有些過分。黃明明坦言，如果類比其他行業(yè)軟件的市銷率來看，RPA企業(yè)普遍估值比較高。但是對于早期投資來說，挖掘出優(yōu)秀的企業(yè)家和正確的方向是最關鍵的，這個階段過分關注估值會錯過很多優(yōu)秀的企業(yè)。按照早期VC投資企業(yè)的評估標準，優(yōu)秀的RPA企業(yè)會帶來50、100倍以上回報。
相比2016年，至少現(xiàn)在行業(yè)變得明朗了許多，圍繞RPA的技術壁壘存在兩種截然不同的觀點，一種是RPA技術壁壘很低，另一種則是RPA難度很大。其實兩種觀點所聚焦的范圍出現(xiàn)了偏差，如前所述，狹義RPA的技術門檻包括UI Automation界面自動化，流程配置和執(zhí)行引擎，RPA平臺節(jié)點數量和函數數量，前兩者都有現(xiàn)成的開源技術，大部分廠商也是在此基礎上做二次開發(fā)，所以難度并不大，以至于入局者眾。
而廣義RPA的技術壁壘也不在于RPA本身，行業(yè)喊出RPA+AI的廠商，RPA能力本身并不是他們的重點。RPA并不是萬能藥，而且其缺點和優(yōu)點一樣明顯，換句話說，RPA缺點恰恰是由于它的優(yōu)點帶來的。
首先，RPA是非常明顯的直線性流程，狹義RPA能夠實現(xiàn)可視第三方系統(tǒng)非侵入操作，雖然造成了不需要依賴于第三方系統(tǒng)是否提供接口，也可以去操作第三方系統(tǒng)的優(yōu)點，但是也會導致第三方系統(tǒng)的任何改動，都會對RPA流程產生某種影響。
李立峰提到，有一些第三方系統(tǒng)的修改比較頻繁，但是即便是不頻繁的三方系統(tǒng)的修改，不像接口一樣，有相對明確的接口聲明，明確輸入、輸出，聲明異常返回值，在RPA界面級是沒有聲明的，所以第三方系統(tǒng)可能的修改就可以輕易破壞掉原來運行非常穩(wěn)定的一些流程，有時候甚至可能會導致無法挽回的損失。
隨著RPA流程大量的行業(yè)運用，會逐漸產生一些微小的偏差并累計下來成為隱患，就算一個流程的失敗率和造成影響的概率只有千分之一，但是一千個流程運行下來，出現(xiàn)累計偏差的概率會變得非常大。
對此，阿里云認為，在未來的每一個時刻，在RPA流程當中某一次致命的損失，有可能會導致整個行業(yè)對于那些在穩(wěn)定性以及異常處理能力不健全的RPA產品敬而遠之，RPA行業(yè)會進入一個相對低谷，阿里云認為這是一個必然會發(fā)生的事件。
要規(guī)避潛在的災難級損失，可從兩方面著手，其一是盡可能的想盡辦法去盡量降低這些缺點，以及這個缺點可能導致的影響，雖然缺點是RPA本身不可避免，但是RPA可能造成的影響可以盡量去規(guī)避；其二，在業(yè)務場景上展現(xiàn)出足夠大的價值，高價值會改變用戶的判斷，優(yōu)點和缺點讓用戶去做自我權衡。也只有如此，RPA才能越來越多用在一些重要的場合，而不是在一些邊邊角角的邊緣領域使用。
阿博茨CEO楊永智提到了其他可能影響RPA發(fā)展的因素，國內外市場IT市場和人力成本的差異，發(fā)達國家市場如歐美，人力成本貴是RPA火熱的直接原因；其次，發(fā)達國家市場IT系統(tǒng)建立的比較早，有很多歷史遺留系統(tǒng)，這些系統(tǒng)已經年老失修，再去做集成成本非常高。
中國市場相對易獲得的人力是與國外市場在外部環(huán)境上的不同，相較于國外，中國市場在軟件付費習慣層面也面臨考驗，楊永智認為，在傳統(tǒng)的RPA沒有什么技術壁壘的情況下，RPA廠商最終可能難免打價格戰(zhàn)，客觀影響RPA行業(yè)形成一個比較健康的商業(yè)模式，這是行業(yè)已經發(fā)生的事情。
風口盛時，各種玩家蜂擁而進，RPA廠商完全有可能遇到來自于客戶層面的降維打擊，比如有實力的銀行不乏自己搭建團隊去做RPA，越來越多的銀行成立金融科技子公司，探索的一大重點就是 RPA，傳統(tǒng) RPA 公司如果不轉型，最大的競爭對手可能是銀行自身的技術團隊。
先有流程自動化，然后是智能化，RPA 1.0自動化手，RPA 2.0自動化腦......數字化勞動力的故事能否如預期般展開，整個行業(yè)都在觀望。
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
專題
