RPA是什么？解析AI和RPA结合方式和架构

2019年至今，国产RPA企业已经陆续拿到融资，其中有三起集中发生在6月份，其中一起追加融资发生在8月份，保守估计，5个国产RPA企业融资总金额在8亿人民币上下，但市场估值已高达54.2亿人民币。

资本如此青睐的RPA是何方神圣呢？本文将为读者介绍RPA的定义和概念，RPA的前世今生，实际应用场景，未来发展的趋势（RPA如何与人工智能结合）等方面。

一、RPA的定义和工作原理

RPA是Robotic Process Automation(机器人流程自动化）的简称。

RPA的概念是由一家研发此类软件的IT创业公司和一家研究机构在2012年所提出的。当前还未有明确的定义概念，RPA的概念主要通过厂商和用户不断地实践总结、口耳相传而逐步推广开来。

我们可以把它理解为：“虚拟机器人”替代人工的一种方式。RPA不仅可以模拟人类，而且可以利用和融合现有各项技术，实现其流程自动化的目标。

或者可以理解为：软件自动化=人工+电脑。

由于它可在无需改造原有业务系统的条件下即可为企业实现业务流程自动化，所以这种非侵入式技术部署受到了许多企业的青睐。

为了更好地理解，我们可以举个例子来解释其运行原理。

比如说“按键精灵”——一款在游戏领域被广泛熟知的国产软件，它的一些简单功能能帮助我们完成一些自动化的工作。

“按键精灵”基本的工作原理为：

• 通过录制操作者的鼠标和键盘的动作步骤形成操作脚本
• 通过手工编辑方式编写脚本
• 执行流程（或者成批）

当执行脚本动作后，便会根据新的脚本运行产生新的动作，这样用户便可以借助这些脚本的改动完成一些简单的操作，形成自动化，理论上便可以解决很多重复性的工作。

以上就是基于RPA原理的示例，其与当前的RPA相比，逻辑并没有本质的差异。如今的RPA工具功能会更加丰富，场景更加多样实用，定制化程度高，针对性更强。

二、RPA的前世今生

本段落，我们将从时间线角度概述RPA的发展情况，分为：出现前、出现、出现后等时间段。

（1）出现前

1990年代早中期，计算机开始出现在日常办公中，此时出现的一些软件和工具身上已经具备RPA的雏形。大致可以分为几种：屏幕抓取类、流程自动化工具类等几种类别。

屏幕抓取类：

屏幕抓取技术是第一种能在不兼容的两个系统之间建立桥梁的技术，可提取关键术语，扫描大量静态信息等数据。这种数据抓取、数据分类、数据分析的能力是目前RPA的核心功能。

流程自动化工具类：

从20世纪90年代开始，各类工作流程自动化软件可以通过捕获某些特定字段的办法来帮助处理订单。

首先获取数据，如：客户联系信息、发票总额和订购的项目清单等；然后形成数据库；最后通知相应的员工。流程自动化存储数据替代手动数据录入的方式提高了订单处理的速度，效率和准确性。

（3）出现

RPA一词出现在2000年。

此时的RPA已经比之前的“类RPA”有所不同，“取其精华，去其槽粕，推陈出新，革故鼎新”可以很好地总结这一阶段的发展情况。

它已经能将人工智能技术和自动化技术有效结合，其中应用最多的还是OCR技术，这让RPA软件不再依赖于代码进行屏幕抓取，而是允许用户以可视化的方式来使用拖放功能，建立流程管理工作流，并且将重复劳动自动化。这种方式降低了用户的使用门槛，无需专业编码知识即可迅速获取数据与搭建流程，也是RPA的价值所在。

（3）出现后

随着RPA开始通过简单的操作系统解决更复杂的任务，并且操作容易上手，越来越多的行业大规模投入使用。例如：BPO（Business process outsourcing ，业务流程外包）。

BPO将RPA视为提升效率和生产力的关键驱动因素。两者相辅相成，借助RPA，BPO以更低成本效益、更快响应能力的优势快速实现办公自动化。同时，RPA也得以在外包领域落地。

接着在2010年后，随着“互联网+”和“智能+”提上发展日程，RPA这项技术在各行各业实现了快速增长，特别是在保险、医疗保健、银行、新零售等行业。

RPA的实施大幅降低了人力成本，提高了生产力，同时减少了错误。

三、发展趋势

RPA未来发展趋势是怎么样的？

RPA 的火热是社会发展的必然趋势，主要基于以下几点：

• 我国人口红利逐渐消失，正加速步入老龄化社会，劳动力的不足情况正在出现；
• 人工成本增加为企业带来了巨大的财务负担；
• 互联网技术发展迅速，旧系统无法满足需求，急需扩展业务能力；
• 人工智能技术逐步从实验室走向市场。

RPA会经历四个阶段的发展，前三代RPA不涉及到决策层，只是帮助人执行预先定义好的流程。需要人在初始化和运行的过程中参与监控，确保实施的准确性。

而随着人工智能技术的日益成熟，便产生了第四代RPA发展阶段，即：AI+RPA。人工智能与机器人流程自动化有效结合，进行复杂场景的智能决策，其功能更加完善，应用场景更加广泛，适用范围更广，RPA机器人更加智能，我们具体展开来看这4个发展阶段。

第一个阶段 RPA1.0

RPA1.0可以理解为辅助人工，既简单的辅助人完成一些基础数据录入、文件打开类的标准化桌面工作，整个工作过程离不开人工干预，无法自动执行，效果往往是辅助单个员工提升较小幅度的工作效率。

第二个阶段 RPA2.0

RPA2.0，这个阶段的rpa可以部分解放人工，可以自动完成整个业务流程中部分（某个环节）的工作流程，机器人永远不会对这些重复性工作感到无聊，他们会完全按照预定的指示和规则，以最高的效率来完成这些任务，无需人工干预。

第三个阶段 RPA3.0

RPA3.0可以理解为增强智能RPA，3.0阶段的RPA可以简单融合感知技术，尝试部分获取相关的外部知识，自动化处理目标文档中的非结构化数据，例如发票信息（图像）和来自客户的邮件（文字）。但是本阶段的RPA每次执行的动作都是一致的，他们并不会从每次的重复执行中进行“学习”，也不会在每天的程序化工作中进行自我改进和寻求更优的解决策略。

第四个阶段 RPA4.0

RPA4.0概念，即通过感知技术(语音、人机交互、视觉)、认知技术(智能决策)、RPA技术相结合， 打造出能够模拟人类进行业务决策和业务处理的智能助理机器人。

RPA和人工智能AI结合后的应用范围超级广泛，一方面可以处理登发邮件、Excel计算、整理文件这类简单重复性工作外；另外还能完成身份信息智能审核、文本OCR智能分析、客服场景辅助决策与自动推荐等复杂决策类工作。

智能助理机器人可以学习人的业务处理经验（数据）， 在复杂的业务场景下，达到接近人或超过人的决策准确率，打破传统RPA技术只能按照特定规则处理业务的局限，实现深度的业务场景覆盖。

我们对RPA和AI的架构是这么设计的：

• AI+RPA（智慧大脑）通过监控引擎、决策引擎、运筹引擎、控制引擎等方式与Robot“沟通”；
• Robot通过AI（例如：OCR,NLP,语音交互）充当“耳眼鼻”更好地执行操作命令；
• Robot工作数据反馈给AI+RPA（智慧大脑）,通过算法训练，自身学习，之后选择更优路线运行。

AI（Artificial Intelligence），人工智能：1956年于Dartmouth学会上提出，一种旨在以类似人类反应的方式对刺激做出反应并从中学习的技术，是对人的意识、思维的信息过程的模拟。

简单说，AI与RPA的关系，就好比“大脑指挥”和“手脚操作”的关系。其特点如下：

• RPA倾向于重复地执行命令，AI更倾向于发出命令；
• RPA机器人能够将简单的工作自动化，并为AI提供大数据；
• AI能够根据RPA提供的数据进行模仿并改进流程；
• RPA以流程为中心，AI以数据为中心。

AI结合机器学习和深度学习，具有很强的自主学习能力，其OCR、NLP、语音识别等技术让RPA拥有认知能力，可以通过大数据不断矫正自己的行为，从而有智能决策和智能运筹能力。

未来，随着RPA技术的不断发展，以及AI的不断落地，双方的融合将会更加快速与深入，进而演变成这一行业的大趋势。

四、一个RPA4.0机器人实际例子

在我们政策匹配场景的RPA实施过程中，我们成功的完成了一个RPA4.0的成功案例：政策计算器。

它是AI+RPA的典型应用，通过人工智能语义分析，构建政策要求与企业条件之间的匹配算法，实现企业与政策双向智能匹配。

我们激动的发现，政策计算器可以有效的解决政府与企业信息不对称、政策自动化录入、自动化解析、自动化校验、企业政策推送、申请信息及时自动提醒等问题。

最让人惊喜的是，政策计算器可以智能评估企业多维度发展指数，量化评估企业自身条件与激励政策之间的距离，并综合专业政策解读经验提供专属行动建议，达到了在政策发布与匹配场景下RPA4.0所具备的卓越效果。为各级政府和企业的政策相关工作带来显著的提质降本增效！

如有相关AI和RPA问题的讨论，欢迎留言，我会分享不同场景的解决方案，技术架构设计方式，感谢阅读哈！