0
向前一步，AI，退后一步，RPA。
AI落地難成為業界面臨的共同難題，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）適時出現在牌桌。
一批 RPA+AI 廠商如雨后春筍般出現，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軟件，同時相較于其他成熟的企業軟件，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、達觀數據、阿博茨科技和明勢資本等，希望呈現RPA行業的全貌。
此RPA，非彼RPA。
傳統對RPA的理解——通過配置計算機軟件或機器人抓取并解析現有應用程序來處理事務、操縱數據、觸發響應并與其他數字系統通信的技術應用。針對重復性工作的自動化以及高度智能處理的自動化，達到優化整個企業基礎流程作業、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行的操作并且穩定回放。構建可執行的操作并且穩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的技術，可能需要幾個人月，或者幾十個人月的開發工作，使用RPA可以可以減少到幾個人日甚至幾個人時的高度。快速構建知易行難，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。可被組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，傳導至國內并引發資本的追捧。RPA有現成的國外對標廠商，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 RPA 的業務范疇。
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，在原有的系統和業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RPA公司合作或者搭建團隊把傳統 RPA 環節完成就是更加簡單的事情，如文因互聯、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行的工作，允許用戶實時啟動和跟蹤端到端流程的狀態，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計數據。
機器學習/高級分析，通過“監督”或者“無監督”學習來識別結構化數據中模式的算法。監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）：在人類和系統之間創建無縫交互的引擎，遵循規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，在經濟周期的循環中，類似的需求總是間歇性特別突出，RPA需求爆發也不是憑空而來，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 沒有辦法處理的環節，人工智能技術可以做到，這在金融場景表現的十分明顯，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，傳統的 RPA 技術沒有處理這些數據的能力，因此這部分業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、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、關鍵實體和關系抽取；KG主要建模業務知識（實例圖譜和業務規則），如公司圖譜、人物圖譜、產業鏈圖譜、風險傳導關系、合規規則、信貸規則等。
文因互聯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，想象破滅之后發現AI 當前真真正正能夠落地的是幫助解決一些業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、信息抽取已發展到業務可用 ；原始數據儲備豐富，各單位自己的大數據系統建設完畢，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
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、OCR系統、RPA系統緊密結合在一起，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企業快速發展的啟發，開始系統地去看RPA這個賽道。
這也從側面體現出RPA發展的曲折，蟄伏許久終見曙光，以至于現在RPA火熱的有些過分。黃明明坦言，如果類比其他行業軟件的市銷率來看，RPA企業普遍估值比較高。但是對于早期投資來說，挖掘出優秀的企業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秀的企業。按照早期VC投資企業的評估標準，優秀的RPA企業會帶來50、100倍以上回報。
相比2016年，至少現在行業變得明朗了許多，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，流程配置和執行引擎，RPA平臺節點數量和函數數量，前兩者都有現成的開源技術，大部分廠商也是在此基礎上做二次開發，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，而且其缺點和優點一樣明顯，換句話說，RPA缺點恰恰是由于它的優點帶來的。
首先，RPA是非常明顯的直線性流程，狹義RPA能夠實現可視第三方系統非侵入操作，雖然造成了不需要依賴于第三方系統是否提供接口，也可以去操作第三方系統的優點，但是也會導致第三方系統的任何改動，都會對RPA流程產生某種影響。
李立峰提到，有一些第三方系統的修改比較頻繁，但是即便是不頻繁的三方系統的修改，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，所以第三方系統可能的修改就可以輕易破壞掉原來運行非常穩定的一些流程，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對于那些在穩定性以及異常處理能力不健全的RPA產品敬而遠之，RPA行業會進入一個相對低谷，阿里云認為這是一個必然會發生的事件。
要規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避；其二，在業務場景上展現出足夠大的價值，高價值會改變用戶的判斷，優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發展的因素，國內外市場IT市場和人力成本的差異，發達國家市場如歐美，人力成本貴是RPA火熱的直接原因；其次，發達國家市場IT系統建立的比較早，有很多歷史遺留系統，這些系統已經年老失修，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，客觀影響RPA行業形成一個比較健康的商業模式，這是行業已經發生的事情。
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 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，整個行業都在觀望。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
