RPA（机器人流程自动化）将原本需要人工重复执行的计算机操作交给机器人执行，帮助企业降低成本、提升效率，成为推动企业数字化转型的利器。
然而，传统RPA只能实现基于规则的流程自动化，应用场景相对受限。伴随人工智能、云计算、区块链等技术的不断发展，市场、用户对于RPA的预期也越来越高。
如何将RPA同AI等技术深度融合，为企业带来更大的价值，改变人机协作的工作方式？
01
AI嵌入RPA，变身“超级机器人”
各行各业对大幅爆发的数据愈发重视。谷歌、微软、脸书等巨头每年都会花费数十亿美元用于抓取和存储数据的开发工作。
而RPA+AI的组合，将会进一步打通企业数据的难题。
通常企业的数据主要分为两大类：结构化数据与非结构化数据。
结构化数据。存储在数据库里可用二维表结构来逻辑表达实现的数据。很多公司都在使用机器人理解并查询结构化数据。
RPA天生就是处理结构化数据的能手。RPA通过记录人工操作的行为、依据人工操作规则，模拟人类员工自动执行一系列特定的工作流程。具有出错率低、效率高等特点。
非结构化数据。包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频、视频信息等。
非结构化数据很难甚至不能通过算法解释。大多数公司目前仍处于从非结构化数据中提取信息的阶段。
数据的二八法则
不同业务系统之间的数据，通常只有20%是可以直接利用的结构化数据（例如表格数据库等），剩下80%都是非结构化数据。
如何解决80%的非结构化数据处理问题？
AI则具备这样的能力。RPA本身能力有限，需要用AI增强。具备“头脑能力”的AI，可以把非结构化数据（如图片、声音、文字等）转换成结构化数据，然后交给具备“手脚能力”的RPA去操作。
搭载OCR、NLP等AI技术的RPA，可以处理大量非结构化数据，应用于文档、表格、票据、卡证识别等垂直场景，帮助企业节省成本、提高工作效率。
票据识别场景
在票据识别场景，UiBot Mage提供开箱即用的模型覆盖了增值税专用发票、增值税普通发票、行程单、火车票等20多种票据类型，在卡证识别场景则包括了银行卡、身份证、护照、营业执照等20多种模型。
文本理解方面
在文本理解方面，UiBot Mage也提供一系列开箱即用的模型。以信息抽取为例，Mage提供的模型支持几十种常见的实体抽取，包括企业名称、日期、时间、金额、地址、电话等，能够应对大多数业务中的信息抽取需求。
02
企业数字化重塑的粘合剂
今后一段时间内，企业将会面临从数字化转型向数字化重塑这一过程的转变。
数字化转型与数字化重塑的区别在于，数字化重塑受到企业内部各种IT系统通过恢复、打散、聚合的方式，快速响应客户敏捷高速变化的业务需求。
而这一过程中，RPA将起到至关重要的作用。目前，很多企业已经度过了RPA前期的尝试阶段，准备通过其建立一套全新的服务体系。
当企业需要与多个系统进行通信，而系统之间的数据又错综复杂。要想让RPA在不中断企业现有应用程序的情况下，快速推动业务流程的数字化和自动化升级，其中AI技术的应用则是非常重要的一环。
借助AI，RPA机器人则具备感知和认知能力，将自动化拓展到更复杂的业务流程，产生更大的价值。应用RPA+AI在服务底层建立全新的自动化流程，使得整个业务效率得到质的提升。
广泛应用RPA只是企业迈向智能化的第一步。随着AI的持续接入，RPA能够解锁更多的应用场景，RPA+AI的互补效应将无限放大。
有研究表明，到2022年，业务流程的整体市场将会重构，主要涵盖了围绕RPA和AI技术的服务改造，总价值将超过80亿美元。据麦肯锡预测，到2025年，全球人工智能应用市场规模总值将达到1270亿美元，并将成为智能产业领域发展的新突破点。在这样的发展中，RPA+AI将大有可为。
未来RPA+AI这样的“世纪组合”，将会在更多行业掀起变革的潮流。
