RPA（机器人流程自动化）在2019年发展势头非常迅猛，各大企业利用RPA软件机器人执行数据输人、数据收集、交叉信息检查和验证信息等操作。目前，大量的RPA软件机器人还仅限于辅助人工完成基础的数据输入和应用调度等简单、重复、有规律的任务，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，以确保实施的准确性。
RPA技术和AI技术在过去一直被视作相互独立的两个领域，看似不相关的两个技术，实际上这二者高度互补，并不矛盾。AI技术是RPA技术快速发展的基石， RPA技术在A1技术的不断加持下，能够实现深度的业务场景的覆盖，完成复杂的系统操作和数据获取，达到接近人或超过人的准确率，打破了传统RPA只能按照特定规则处理业务的局限。
正在演化发展中的智能RPA，将通过AI技术（例如，图像OCR，文字语义理解NLP）， 自动化处理目标文档中的非结构化数据，如发票或往来客户邮件。智能RPA每次执行的动作都是一致的，他们会从每次的重复执行动作中去进行“学习”，不断的为OCR获取更多的数据集，增加NLP的语料库，但智能RPA不会在每天程序化的工作中进行自我改进和寻求更优的解决思路。
AI如何与RPA深度融合？
AI技术的未来发展趋势可以说是RPA技术的发展驱动力。业内普遍认为， AI技术的主要发展趋势是运算智能，感知智能和认知智能的发展。其三者含义包括：
- 运算智能是指计算机快速计算和存储的能力。
- 感知智能是指通过各种传感器获取信息的能力，即通过视觉、听觉、触觉等感知能力。人和动物都具备，能够通过各种智能感知能力与自然界进行交互。如语言识别、计算机视觉、人机交互等。
- 认知智能即能理解会思考，指机器具有主动思考和理解、推理的能力。不用人类事先编程就可以实现自我学习，有目的的推理并与人类自然交互，如机器智能决策等。
在不久的将来，RPA技术在计算机算力和存储力不断提升下，通过感知智能（如语音识别、手写识别、图像识别等）、认知智能（如人际交互、智能阅卷等）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RPA机器人。智能RPA软件机器人可以学习人的业务处理经验，协助人类在业务场景下作出决策判断并完成复杂的系统操作。
业内普遍认为，感知智能的目标是实现高可用的感知智能，让机器有更多感知能力；其任务主要包括语音识别、手写识别、图像识别等。通过语音识别一方面可以增加RPA软件机器人操作的信息输人，另一方面可以让人与智能RPA软件机器人通过语音进行操作交互，随时改变操作流程，灵活调整RPA软件机器人工作方式。
通过感知智能赋能手写识别，可以提高OCR对静态手写单据的识别准确率，从而提高RPA机器人操作的准确率。智能RPA软件机器人与图像识别和计算机视觉技术的融合极大的扩展了RPA的能力边界。下面以两个场景诠释RPA+AI实现的智能自动化场景。
供应商/客户准入管理流程机器人
应用背景
在企业的供应商/客户管理流程中，往往需要对方向公司提供很多相关的材料，包括但不限于企业营业执照、组织机构代码、税务登记证、财务报表、产品检测报告等，管理系统基于这些信息以及公司设定的预制公式和审核规则来进行判断：供应商是否有提供相应服务的资质，或者我们能为客户提供多少信用额度，以便决定对其服务的价格等。从收集各报告中的关键信息，到跨系统查询工商信息等工作，这个过程需要耗费大量的专业人力，并且难以及时得到更新。此类问题在制造、零售、服务和快消等行业十分普遍。
供应商/客户准入管理流程自动化
在整个自动化流程中，传统型RPA能够很好地完成跨系统查询的工作，查询的信息包括企业信息、法人是否失信、是否受过行政处罚等。但对于需要抽取财务报告或其他检测报告中的关键指标数据的情况，一般会面临以下问题。
- 各家企业报告的格式不尽相同，利用传统技术根本无法有效识别和提取非固定模板的内容。
- 科目体系、科目名称、语义表达千差万别，需要强大的中文及财务理解能力。
- 关键信息会随机散落到报告中的文本段落、主表、附表等不同的位置，除此之外，通常还需要区分信息是单体公司的还是集团合并的数据。
- 难以实现对无边框表格的识别与数据抽取。
- 对财务报告内的数据无法实现智能校验，例如，表内纠错、上下文、表内表外内容一致性核对等。
自然语言处理能够快速实现对各类报告的信息解析，以做到准确理解、关键信息抽取和智能审核。RPA系统的智能机器人，根据经过NLP处理的各类信息，按照预定的规则自动填写文档，生成企业资质评分表，并发送邮件通知相关业务人员进行二次复核。
烦琐的数据收集工作，降低由于人工操作疏忽而导致的错误；同时机器人快速高效的工作，使得客户评分环节能够及时参考更多、更新的信息，从而控制由于信息不对称所导致的评分不准确的风险。NLP技术的引入，解决了传统RPA流程中只能进行人工操作而不能实现自动化的关键问题，整体工作流程耗时从原来的数小时缩减至十几分钟，在大幅减轻员工工作量的同时，为客户的准入评分增加了更多的管理维度，使得整个管理过程更加科学、客观、严谨。
券商智能审核机器人
应用背景
券商行业的文本和文档数量大，文本处理场景多，例如，篇幅较长的招股说明书、上市公司年报、审计报告等。下面以券商的主营业务债券承销为例，债券承销涉及大量的文件材料，用于报送监管机构和对外公告，其中债券募集说明书的每份文档均在数百页左右，且审核规则复杂，传统的人工审核费时费力，容易出错。采用NLP+RPA的智能审核机器人，可以在大幅降低人工成本、提升业务人员效率的情况下，大大降低业务风险，从而使报送更准确、更安全。
文档审核流程自动化
智能审核机器人通过深度学习建立专门的语言模型，针对债券募集说明书、招股说明书、年报、审计报告等不同类型的文档进行处理，让机器可以识别出多字、漏字、同音字、形近字等常见错误，准确率可达到90%以上。同时，利用视觉检测技术可以识别出文件中的各种样式的表格内容，并结合语言模型和关键信息抽取来定位表格中单位缺失、标题不一致、语法错误等各类表格内容错误。
除一些基本错误之外，金融类文档中还存在着大量的财务数据，分布在文字段落和表格当中，智能审核机器人内置的模型可以智能识别财务数据的指代关系，有效验证文件中上下文财务数据的一致性，实现表内纠错、表表纠错以及表文纠错的功能。
优化工作流程，提高工作效率
随着企业对于RPA的接受和应用越来越多，原本用于某些特定业务的集成服务系统可以融合成一个更加智能的系统，在企业内部自我管理各种组件。例如，在企业中，系统可以对外部数据与内部核心系统数据进行交互应用，以提高业务人员的工作流程和效率。例如管理预测，系统从业务人员的日常数据沉淀中，可以优化业务人员工作方式，使业务人员从简单的、重复的、单调的工作中释放出来，将时间与精力投入到自身价值的提升中。
RPA的应用使人类的工作像之前的自动化浪潮一样发生了巨变，自动化系统如何才能更好地取代并优化工作流程和管理方式，是未来不断实践和探索的目标。业务人员有更多精力在自身培训方面多做规划，真正达到人机协作的完美融合。
有关RPA更多详细内容与案例解析，详见由国内智能RPA领域的龙头企业达观数据撰写的《智能RPA实战》。
《智能RPA实战》从实战角度讲解“AI+RPA”如何为企业数字化转型赋能，从基础知识、平台构成、相关技术、建设指南、项目实施、落地方法论、案例分析、发展趋势8个维度对智能RPA做了系统解读，为企业认知和实践智能RPA提供全面指导。
