<mark id="oztn4"></mark>
0
RPA（Robotic Process Automation，機器人流程自動化），亦可稱為數字勞動力（Digital Labor），最近悄然成為資本市場上一股新生力量，多家RPA創業企業獲得了A/B輪次融資，規模在千萬美元量級，就雷鋒網觀察，RPA的火熱離不開大洋彼岸UiPath的傳導效應，全球機器人流程自動化公司UiPath在五月份宣布完成5.68億美元的D輪融資，投資后估值為70億美元。
RPA已經成為AI領域增長潛力巨大的細分場景，就此熱點話題，雷鋒網專訪了阿博茨CEO楊永智，探究RPA小熱背后的深層次原因。阿博茨不是RPA公司，涉足RPA領域更多的是公司核心能力到了一定階段的一種延伸和進化，這也提供了不同于舊有RPA的新視角。
阿博茨CEO楊永智
縱使不知道RPA，你也可能接觸過這項技術，比如Word和Excel的VBA（也稱宏）就是一個初級RPA，微軟主要用其來擴展Windows的應用程序功能，特別是Microsoft Office軟件。
RPA系統通過觀察用戶在應用程序的圖形用戶界面中執行該任務來開發動作列表，然后通過直接在界面中重復這些任務來執行自動化。
在1994年發行的Excel5.0版本中，微軟就為其配備了VBA的宏功能，通過一段VBA代碼，可以實現畫面的切換、復雜邏輯的統計等等功能，核心在于提高Office操作組件的效率，這與RPA在現在的核心目標一致——提高效率、降低成本。
阿博茨技術VP李紅亮告訴雷鋒網，傳統RPA技術門檻主要包括三方面：
UI Automation，界面自動化，這部分有現成的開源自動化框架，大多數廠商只是在其上做修改；
流程配置和執行引擎，決定了如何配置RPA流程以及RPA流程如何運行，市面上有開放的flow引擎，可以進行二次開發；
RPA平臺擁有的節點數量和函數數量，決定了對業務支持的廣度，需要一定的時間來覆蓋。
“最大的門檻，還是在AI部分，也就是非結構化數據的處理能力，如何借助視覺、NLP等技術來理解文檔的內容，進而將數據結構化，決定了RPA是否能打入非結構數據的場景”，李紅亮表示。
當下RPA廠商大致分為四類，其一是原來做測試自動化技術相關廠商，即UI Automation，也是RPA的一個核心技術，這類公司也最了解RPA。
其二是一些大公司，出于自身技術發展的需求，對于RPA有需求，自身已經掌握了相對完善的RPA技術，如阿里云；
其三是咨詢和顧問公司，或者做大客戶解決方案的公司；
其四是不得不轉型的2C型AI公司，AI落地難成為大環境，部分市場競爭處于劣勢廠商沒有完成自己的商業化轉型，不得不轉型，RPA恰時出現。由于競爭壁壘并不明顯，還有相關公司也可能轉型到這條賽道。
國內外環境迥異，RPA水土不服？
根據MarketsandMarkets發布的市場調查報告 ，全球機器人流程自動化(RPA) 市場規模預計從2017到2022年以30.14％的年復合成長率發展，到2022年達到24億6700萬美元。促進該市場成長的主要原因，是RPA提供的商務流程的容易性，及RPA和傳統商務流程產業的匯流。
看起來RPA是一門不錯的生意，但在中國可能會遭遇水土不服的問題。
楊永智介紹，過去幾年，國外市場的RPA一直就很熱，中國市場真正迎來RPA火熱大概是最近半年。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的。
RPA能很好地解決這兩個問題，首先RPA的誕生就是為了減少人力成本，其次RPA可以不用改造舊有系統即可實現系統集成，避免過大的改造成本。
楊永智還提到了第三個原因——人工智能。“第三個原因我認為是人工智能這幾年的發展速度很快，以前的很多問題，現在AI和RPA的問題能結合起來，大家看到了巨大的空間，最后每個工作崗位每個人有可能今后都有一個機器人輔助，這大大提高了效率，AI的認知能力開始逐漸在升級。”
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，在雷鋒網看來，RPA目前處于一個稍微過熱的程度，楊永智也提到，國內很多系統是可以讓供應商直接改的，因為相對來說比較新。“但是對于很多大的頭部機構來說，尤其是金融領域，機會還是蠻大的，當然我覺得可能沒有國外大，但是從長期來說，這個市場肯定還是挺大的，但是短期來說，它的確沒有國外的需求那么剛性。”
相較于國外，中國市場還有一個獨有的最大挑戰——付費習慣，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。
“傳統的RPA公司可能會越來越多，有可能一百家，也有可能兩百家，最后大家為了競爭肯定會打價格戰，把商業模式改成一次性的付費，那這個市場會在下半場的一段時間之內比較糟糕，這是我們看到的情況，因為這個情況已經出現了，不是我們臆想的”，楊永智不無擔憂的表示。
如前所述，一個技術壁壘不高、國內應用前景尚待探索的技術，為何值得不少創業企業調轉船頭？雷鋒網認為，RPA不是技術壁壘型競爭，而是商業模式的二次發育。
“我覺得中國最近RPA這么熱，更多是因為在目前市場情況下沒有太多的投資標的，RPA看上去不錯，國外已經有清晰的對標，這是中國特有的現象”，楊永智給出了他的判斷。
這在一定程度上會引起資本的擔憂，如何避免RPA走入和很多技術一樣的歧路，在市場煥發新的生命力，這是RPA廠商集體需要思索的話題。
“不是因為我們覺得這是一個熱點，所以選擇這個賽道。主要是因為我們在金融和財務領域做了很多東西，包括金融報表、財務報表、運營報表、招股書、債券募股說明書，各種各樣金融類文檔和財務類文檔的解析。解析之后，很多客戶就要求我們把數據錄入到他們的系統里面，接下來一步是去做自動匹配、教驗，或者是整合到他們現有工作流程里面去，那就必然會涉及到所謂的RPA這一塊，而我們就順勢把這塊都做了”。
阿博茨擁抱RPA是因為在客戶層，客戶需要一個完整的解決方案，而不是一個片面化的解決方案。是一個從上游到下游的自然衍生過程。
阿博茨更具特點的視角是做RPA平臺化，目前許多廠商的RPA并不開放給第三方接入。阿博茨的RPA平臺主要有兩點——開發者和合作伙伴，來幫助完成業務部署的“最后一公里”。首先是開發者社區，比如模型訓練，開發者可以自己開發模型訓練非結構化數據，并與平臺其他能力打通，部署到實際業務場景。RPA的應用場景非常廣，對接系統非常多，僅靠一家廠商做全部工作并不現實；
另一類是渠道合作伙伴接入，平臺會提供很多工具集，包括第三方插件，渠道商在一定量的培訓情況下可以自己做實施，生態由此壯大。
據阿博茨官方資料，阿博茨科技已與數十家頭部金融機構合作，推出了多款標準化Saas產品，并打磨了成熟的“AI+金融”的解決方案體系。
基于機器視覺、自然語言處理、知識圖譜等前沿AI技術，阿博茨建立了三大核心技術引擎，分別是非結構化數據機器學習引擎、結構化數據搜索可視化引擎、知識圖譜引擎，并由此衍生出智能投研、智能風控、智能運營等結合不同使用場景的行業解決方案。
楊永智透露了阿博茨接下來的規劃，“我們還是會持續在機器視覺、自然語言理解、知識圖譜投入最多的人力和物力。然后通過這些技術去構建特定領域的技術壁壘，通過服務越來越多的客戶積累行業知識，進一步優化算法引擎”。
毋庸置疑的是，人工智能是煥發RPA這一波生機的關鍵要素，也因此，RPA發展的天花板受限于人工智能技術本身。
據觀察，RPA供應商們已經著手為產品融于人工智能，重點在打造“認知”功能，認知機器人流程自動化(CRPA)的概念開始浮現，這類似于阿博茨的演進路線，通過整合機器視覺、自然語言處理、知識圖譜等多種認知能力，實現RPA的“智慧化”。
楊永智表示，RPA會成為一種夾心餅干的“夾心”，夾心的兩邊一類是阿博茨這類做AI的公司，自然向RPA延伸，做數據認知能力，將RPA介入到業務流程中去，另一類是做財務、ERP的公司，他們本身就做業務系統，擁有結構化的數據，他們要解決輸入的問題，自然去往RPA延伸，去發展AI能力，比如UIbot和助理來也的合并。
雷鋒網認為，目前人工智能技術本身還處于探索期，CRPA仍處于早期，RPA更像是“IA”（智能自動化Intelligence Automation，簡稱IA），RPA包括CRPA的應用范圍需要進一步擴大有賴于人工智能技術的突破，增強在業務流程中的彈性與廣度，商業模式才能得到大范圍推廣，若非如此，這一波小高潮過后，RPA將繼續回歸冷靜期。
相關文章：
2018WAIC“高光”時刻系列回顧：人工智能與傳統產業融合是大勢所趨
AutoML在IEEE-ISI World Cup 2019競賽中的應用：冠軍團隊DeepBlueAI技術分享
谷歌 AI 圖表示學習最新成果：解決重疊區域描述難題，自動調整超參數
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
