来源丨数字化企业
受内外部环境变化以及竞争压力的影响，企业纷纷将数字化转型作为核心战略，旨在充分运用数字化技术推动商业模式、研发模式、制造模式、服务模式、运营模式和决策模式的转型，进而塑造面向未来的企业竞争力，实现持续稳定的业务增长。
企业推进数字化转型，业务流程自动化无疑是其中至关重要的一环。通过将自动化作为充分且必要元素纳入数字化转型过程，企业就能在业务运营中获得速度、准确性和成本效益等方面的竞争优势。
也正是在这样的背景下，机器人流程自动化（Robotic Process Automation，RPA）因能通过替代人工操作，简化任务并优化流程，同时将员工从低价值的工作中解放出来，使其专注于更高价值的工作，进而大幅提高效率、降低成本，而越来越受到企业的关注。特别是在经历新冠疫情后，我们可以很明显地感觉到，企业无论是对于RPA的投资意愿还是投资力度都显著增强，RPA的应用也呈星火燎原之势。
然而，RPA也并非没有局限性。特别是当企业希望将RPA的能力扩展到除了业务层以外的其它领域时，RPA的局限性也越发明显。
RPA的优点与局限性
美国电气和电子工程师协会（ IEEE ）认为，机器人流程自动化（RPA）是在数字系统中模拟和集成人类行为以优化业务流程的软件机器人。
RPA的核心在于以软件机器人模拟和替代人类在计算机等数字化设备中的操作，并利用和融合现有各项技术减少人为重复、繁琐、大批量的工作任务，实现业务流程自动化，从而有效提升工作效率，减少错误。它能自动化捕获数据、运行应用程序、触发响应并与其他系统通信以执行各种任务。
它的优势在于以非侵入的方式直接在软件前端用户交互界面上仿照人工操作使用方式第三方独立运行，而且它支持低门槛的基于图形化界面的自动化流程设计，能跨系统数据集成实现业务流程自动化。RPA具有不修改原有软件基础架构，不需要原有软件进行代码级修改，不增加原有软件运行风险，不干扰原有软件运行秩序，不影响原有软件权限管理模式，不依赖原有软件定制程序接口，数据交互符合软件定义逻辑，软件架构兼容性高，可7×24小时全天候不间断运行，以及业务人员在无需IT人员介入的情况下即可上手使用，易用性强等诸多优点。
RPA在诸多场景中被应用为成熟的虚拟劳动力
（来源：安永）
近几年来，RPA已经开始各行各业逐步渗透和落地，应用领域十分广泛，横向涵盖了各个通用职能部门，如财务、采购、人力资源、IT等，纵向覆盖了各个垂直行业、多种业务场景，如制造、金融、地产、物流、零售、医疗、通信、政务等。RPA协助人类完成大量规则较为固定、重复性较高、附加值较低的工作，不仅能将工作时间从“小时”级被压缩到“秒”级，并确保极高的精准率，而且也能让员工从繁琐的重复性流程中解放出来，将精力聚焦于有更高价值的分析、决策等环节。
RPA使用的场景条件（来源：爱分析）
不过，RPA也并非是万能的。它执行的业务流程需要基于明确且相对固定的规则，也就是流程标准化的程度要足够高。这就造成了RPA有多少优点，就有多少缺点与局限性。换言之，RPA的缺点与其优点同样明显通常只能处理结构化数据，如果遇到非结构化数据（如音频、视频信息等），RPA机器人就会无法感知，导致“看不懂“和”听不明“；无法在流程中作出复杂判断，也无法从经验中学习和改进，不能用于对业务流程的优化。
因此，当企业希望将随需应变的智能工作流作为企业数字化转型战略最核心的支撑力量，以实现卓越运营，并驱动业务模式创新时，将RPA技术与AI（人工智能）技术相结合就成为必然。而RPA与AI的结合，也推动着RPA向IPA进化和发展。
流程自动化再进化：从RPA到IPA
AI技术的优势在于，通过一整套算法，加上大量的样本数据的训练后，能够执行需要人类智慧完成的任务，如视觉感知、语义识别、智能翻译、智能对话、语音识别等。因此，在现有的RPA工具中融入AI技术，将RPA与AI和其它数字自动化工具结合，就能够克服现有的局限性。
RPA与AI的关系（来源：BCG分析）
RPA与AI技术高度互补。如果将RPA比作人的双手，那么AI就相当于人的大脑。RPA将简单重复的工作自动化，并且为AI提供大量的数据，AI则根据RPA提供的数据进行深度学习并且改善RPA流程。RPA与AI相结合，即形成了智能流程自动化（IPA）。
在麦肯锡看来，IPA包括五项核心技术：RPA（IPA的基础）、智能工作流（Intelligence Workflow）、机器学习（Machine Learning，ML）、自然语言处理（Natural language Processing，NLP）、智能感知主体（IntelliSense Subject）。
智能流程自动化五项核心技术（来源：麦肯锡）
机器人过程自动化（RPA）：通过记录现有使用者的界面操作，将例行任务自动化，如数据抓取与清理等。
机器学习：通过“监督”式和“无监督”式学习，从数据中找出固定分析模式，自动生成数据洞见。
智能工作流：将人工团队与机器共同执行的任务整合起来，通过简化固定流程，提升端到端全流程效率。智能工作流一般应用于企业内部行政审批、业务审批和月末财务流程等。
自然语言处理（NLP）：让人与计算机之间通过自然语言实现有效沟通，达到人与机器的无缝式互动。由于企业可以获取的客户信息大部分都是非结构化数据，NLP可以分析和利用这些非结构化数据，理解和生成自然语言。智能感知主体：是指将真实行为如语音、视频等，通过摄像头、麦克风或其他传感器的硬件设备进行收集，再借助语音识别、图像识别等前沿技术转化为数字信息，最后将这些数字信息进一步提升至可认知的层次，比如理解、规划、决策等。人机界面的交互在智能感知过程中尤为重要。
IPA本质上是将AI作为大脑去指挥RPA完成工作。它以RPA为基础，融合了AI的复杂性，通过NLP（自然语言学习）、ML（机器学习）等辅助技术，扩大了机器人的能力边界，拓展了机器人的工作范围，进一步释放了自动化的潜力与价值。智能流程自动化的变革潜力在于，它创造了通过无缝集成技术、工作流程和人员来重新构思企业如何运作的机会。
相较于传统的RPA，有着AI技术加持的IPA在读取非结构化数据、做决策、保障执行任务准确率、衔接人机交互任务上更加具有优势，能够完成复杂应用场景的流程替代，为实现端到端的业务流程自动化创造条件。通过智能自动化再造以后的业务流程，可以有效摒弃原有的手工操作模式，串接前后台业务流程，打通跨部门甚至是跨企业之间的壁垒，形成人机协作运营流程，进一步提高工作效率，提升工作质量，更好地解放员工双手，让员工有更多的时间专注于更核心、更关键的工作任务。
IBM Cloud Pak for Automation
当前，IBM正致力于积极推动自动化技术向AI赋能的智能自动化发展。IBM AI赋能的自动化方法采用业务和IT自动化系统相融合的形式，通过发现、决策和行动来不断优化，使整个企业的流程实现智能自动化。
IBM最新的IPA产品 Cloud Pak for Automation，作为一款简单、易用、高效、稳定的超级智能自动化平台， 对IBM的自动化产品进行了海量集成，包括：多种嵌入式AI、智能决策、工作流、内容编排、文档识别、无代码、机器学习、低代码开发工具、智能分析、容器部署（RedHat OpenShift）和混合云平台等，能帮助企业和组织将业务流程实现智能自动化，快速实现数字化转型，以节省时间、提高效率和优化运营成本。
来源丨数字化企业
关于腾讯AI加速器
腾讯AI加速器是腾讯产业加速器的重要组成部分。其背靠腾讯产业生态投资，依托腾讯AI实验室矩阵的核心技术，腾讯云的平台、计算能力以及丰富的应用场景，为入选项目提供课程、技术、资金、生态、品牌等层面的扶持；并与入选项目共同打造行业解决方案，推动AI技术在产业中的应用落地。
AI加速器已经举办四期，过往三期在一年时间的加速中都取得了非常不错的成绩。腾讯AI加速器三期成员经过一年期加速奔跑，60%企业获得新一轮融资，全员与腾讯达成多层次联动，涉及50+产品及业务合作。在前两期AI加速器中，从全球2000+项目中甄选出的65个项目，整体估值662亿+，形成行业解决方案50+。
腾讯AI加速器四期自2019年9月启动以来，吸引全球超1000家优质AI企业报名，复试首次举办腾讯产业加速器“AI+开放日”，助力企业链接更多合作商机。最终TOP40入选名单于2021年1月21日出炉，入围率仅4%，聚焦垂直领域AI应用场景，覆盖工业、企业服务、文旅、零售、医疗、政务、出行、农业等11大行业。腾讯AI加速器四期希望与优秀的AI企业一起，加速推进新基建在AI领域落地。
