RPA和AI的区别和联系

RPA的主旨是解放劳动力，让员工从单调重复、枯燥乏味的操作型工作中得到解放。它可以完美地处理需要反复重复的工作，但这仅限于按照预先设定好的业务规则和逻辑去完成相应的动作，包括鼠标点击、键盘录入等。也就是说，我们需要RPA做什么，它就会做什么。

RPA要落地，就要理解它所解决的根本问题是什么，答案是：效率问题。理论上，只要是规则统一、附加值低、重复性高的工作，都可以使用RPA来解决。可是，在我们日常工作的场景当中，很多业务场景并不单单是由这种简单的步骤组合而成的，而是夹杂着很多需要人工处理的步骤。RPA并不会像人工智能中的深度学习网络那样，不断地自我学习和进步。

举个简单的例子，如果在自动化流程中，某一个步骤发生了变化，如字段的位置突然移动了，又比如，突然出现了一个没有碰见过的弹窗，这时候，RPA是无法自行解决当前问题的，流程就不能再继续走下去了。

不仅如此，RPA还无法解决图像识别与转换的问题，而且在很多财务场景中，都涉及从各类单据、票据中识别和提取相关的业务数据，以供后续运营系统时使用，如下图1所示。

图1-传统RPA无法解决图像识别与转换的问题

又例如，RPA无法解决非结构化文本抽取的问题（如下图2），而在我们的办公场景中，打交道最多的便是各种类型的文本和文档文件，如财务报告、合同、PDF文件、邮件等。

图2-传统RPA无法解决非结构化文本抽取的问题

因此，很多人认为，RPA并不是真正的AI。尽管如此，随着RPA的不断成长和进化，它与AI之间的联系正变得越来越紧密。

现在有一个很流行的说法是，AI就好比是人类的大脑，能够模仿人类做出判断和总结等思考行为，而RPA则是我们的双手，听从于大脑的命令并完成指令。

这两种技术的紧密结合，相当于是在基于规则的自动化基础（RPA）之上增加了基于深度学习和认知技术的推理、判断和决策能力，实现了真正的智能流程自动化，就像传统的“白领”知识型员工和“蓝领”服务型员工相互配合一样，成为新型的推动组织生产力的引擎。

人工智能扩展RPA能力边界

认识到了RPA的局限性，越来越多的人开始意识到，将RPA和AI这两种技术配合使用，能够发挥出越来越重要的作用。到底是什么大幅度推动了RPA的进步呢？这一切都要归功于蓬勃发展的人工智能技术——深度学习网络。

近年来，由于AI的高速发展，传统RPA正在与AI和其他数字自动化工具（如光学字符识别、聊天机器人、人机结合处理等）相结合，以帮助克服流程中的各种局限。这也创造了在任何流程之间实现端到端流程改造的潜能。

从简单的自动化作业到专注于提高生产力和削减成本，RPA的重点将转向智能自动化和富有洞察力的决策，这些将真正加强用户体验。

这里很自然地就引出了智能自动化（Intelligent Process Automation，IPA）的概念。智能自动化是多种工具的智能应用，其不仅涉及RPA，还有数字化和AI使能器、人机结合和“大AI”概念。“大AI”是指AI或高级分析（主要用于决策、建议、下一步最佳操作、交叉销售、客户流失等情况）。智能自动化还意味着寻找自动化的替代方案，并基于各种不同的潜在收益（不仅是成本方面）来确定对错。

RPA掀起了机器人技术推动业务变革的第一波浪潮，而数字化则使机器、AI和人机结合处理将引领业务变革的下一波浪潮。然而，目前AI仍处于应用的初期。据调查，现阶段仅有约5%的公司自认为可以熟练地运用AI，15%的公司自认为可以熟练地运用RPA。

技术应用初期难免面临风险与成本的增加，以及技能的匮乏等问题，但潜在回报仍颇具吸引力。AI可对智能自动化的交付，以及未来端到端流程改造的发展做出重大贡献。取得最佳成功的关键在于确定RPA、数字化、AI使能器以及“大AI”之间的适当结合与选择，以平衡成本、风险和回报。

智能自动化为人类提供了先进的智能技术和敏捷流程，从而可以实现更快、更智能的决策。Intelligent Process Automation(IPA)在业务中的主要优势包括：提高流程效率、改善客户体验、优化后台运营、降低成本和风险、优化劳动力和生产力、更有效的监控和欺诈检测、产品和服务创新，借助于这些优势，IPA可以更好地推动企业范围内的数字化转型。

IPA需要通过更高的效率，更好的客户体验管理以及增强的产品和服务功能来区分业务与竞争对手。IPA可以帮助领导者充分利用数十年来对众多复杂系统的投资，创建深入的见解，同时做出许多复杂的决策，帮助领导者做出更好的决策，同时转变内部管理流程。

IPA的最终目标是提高工作的效率和准确性，提高客户的满意度，以及优化工作流程，使组织投资于自动化和操作工具。