来也科技智能自动化平台-助力政企实现智能时代的人机协同

以下文章来源于ToB行业头条，作者樊航

以下为采访内容，以飨读者：

ToB行业头条：我们观察到，流程自动化企业的愿景开始出现一些变化，从“人人身边拥有机器助手”到“每个人拥有智能助理”，感觉一下子划入了一个新的时代，您的感受是什么？

汪冠春：2015年公司成立的时候做的第一款产品是面向C端的AI虚拟伙伴叫小来，彼时的想法就是用AI技术让身边的每一个人都能够拥有智能助理，后面发现面向C端有一些局限性，而更好的方式是落地ToB侧，因此2017年才陆续做了客服机器人、财务机器人以及特定行业业务流程对应的机器人。
到2019年，开始做RPA业务后，我们将口号进行了调整——人人身边拥有机器助手，这样利于客户端去理解，虽然叫法变了，但让每个人拥有智能助理是公司最早的目标和初心。

尤其是大模型技术涌现，为业内带来很大的变化，从技术角度来说，对于来也要实现人人拥有智能助理的初心带来了极大推动作用。

ToB行业头条：企业服务的整体增速近两年似乎都不及预期，比如RPA+AI赛道，从IDC最新报告过去预测的每年近30%增长，到实际2023年的16%增长，结合您的实际感受看，您认为是什么原因，这个增速属于正常现象吗？

汪冠春：从需求上讲，企业对数字员工的需求是在不断被激发的，尤其是当下技术的变革让RPA类的解决方案价值进一步放大。那么为什么市场增速反而比之前预测要低呢？我觉得有几点原因：一是尽管企业有需求，但外部经济环境带来的挑战性比较大，所以企业在采购解决方案是变得更加谨慎，预算也随之缩小。二是由于这一过程中，很多业内供应商为了求生存，所以在竞争方面不遗余力，导致业内低价竞争现象严重。

但从另外一个角度看，当下的预测都是基于金额，但如果从企业客户数量和留存数量上，或者看数字员工部署的数量上看，它的增速仍然在30%甚至更高水平上。

ToB行业头条：AI Agent应用的到来，会让流程自动化这个市场加速普及？增速重回高位吗？

汪冠春：这件事情是一定的。就刚刚讲到即使是 AI Agent还没有完全落地，企业的留存数和客户数量都在高速上涨。

AI Agent到来之后，数字员工正迈入AI Agent 阶段，这个阶段的数字员工充分利用多模态大模型的理解、生成和推理能力，让更多复杂又高价值的流程实现了端到端的自动化。AI Agent不仅能执行任务，还能理解用户的意图和复杂的业务场景，主动为员工提供实时的建议和支持，这样的价值体现会让更多的企业积极拥抱。

ToB行业头条：回到来也科技的视角，本次的发布会推出了三款高价值、可落地的AI Agent 数字员工产品，分别是数字员工开发助手、知识管理和问答助手、文档审核与风控助手。率先推出这几款，是基于什么样的考量？

汪冠春：AI Agent的形态是非常自由和多元化的，它适合各行各业各类场景。但是就像来也最初推出对话式AI，主要落地的是客服场景。之后面向TOB推出RPA平台，主要落地财务场景。我们始终觉得想要被市场接受，一定是先解决客户的真实痛点，聚焦到更具体的需求场景上去。

所以今天如果客户最终要接受AI Agent，它一定会先从特定的具体场景开始落地。而当下市面上至少有“数字员工开发、知识管理和问答、文档审核”这三个场景是能通过AI Agent应用产出高价值的，这也是我们率先聚焦它们给客户落地的原因。

ToB行业头条：想请您结合实际应用案例，分别谈一下这三款产品，过去的能力和现在的能力发生了哪些变化以及是否有数据作为体现。

汪冠春：比如说过去开发成本高，有了大模型能力之后，来也就推出了RPA魔法帽，通过自然语言生成RPA流程代码，提升了开发效率，这在以前是做不到的。此外，过去可能最多提供一个可视化界面，用拖拉拽的方式让开发过程变简单。

而现在，数字员工开发助手在代码生产、插件开发、流程自愈等方面全方位赋能开发者，例如，开发者不仅能可以快速生成复杂的流程自动化代码和插件，还能够自动分析和修复运行过程中出现的异常，显著减少开发成本和维护成本。

另外像知识管理和问答助手，结合RPA、IDP、大模型等技术，可以自动整理和分类企业的知识文档，将企业内大量散落在各处的专业知识问答进行高效管理和使用，比如医药行业，可以帮助研究人员快速查找相关医学文献和试验数据。

文档审核助手的优势则更明显，过去都是依赖人工审核企业内大量文档，工作量和出错率都高居不下。现下通过简单的配置，文档审核助手就能够自动识别文档中的潜在风险点，并给出审核建议。

ToB行业头条：实际AI Agent落地的应用场景和相关的产品肯定会有很多，您是否可以列举一些目前正在积极探索的方向？以及在选择深耕这些场景是否会有（投入和产出）的考虑。

汪冠春：肯定是需要考虑投入产出比的，并不是每一个流程环节都必须马上需要大模型或者AI  Agent应用，可以根据业务需求所产生的价值来进行优先级筛选。

我们会和更多的客户、生态伙伴一起共创，去发现哪些场景最适合AI Agent应用去解决。因为客户是最知道他的投入产出价值最大化的需求在哪，那这些场景下就是AI Agent发挥价值最大的地方。

比如说银行业有上千人的呼叫中心，那么我们可能做一个解决呼叫中心需求的AI Agent，或者如果保险公司可能有数十万保险经纪代理人，那我们也会去做代理人助手。

ToB行业头条：从行业竞争视角看，是否也意味着，同行厂商也有同样的能力推出一举推出系列 AI Agent数字员工解决方案，会有一些差异点存在吗？

汪冠春：坦率的讲，市面上会有一些雷同的地方。但这绝非坏事，因为任何一个新的品类和新的时代到来的时候，一定是很多人一起进入去推动它的发展。2019年开始有RPA+AI这个概念，很多友商不论是传统行业还是那些VC支持的厂商很快都跟进RPA+AI，也促成了RPA+AI赛道的高速发展。

真正的差异点其实还是对客户对业务理解，以及谁能真正把有价值的产品和解决方案做出来。客户是乐于看见供应商们能提供帮助他们提升效率，创造价值的强大应用产品，而不是停留在PPT或者讲故事阶段。

ToB行业头条：过去我们在谈到企业护城河的时候，还谈到很多比如易用性、场景丰富性、AI技术和研发投入等等，那如今 AI Agent时代，是否还会是这些？会有其它差异点出现吗？

汪冠春：平台的易用性、场景的丰富度等等在今天仍然是非常重要的差异指标，但在AI Agent时代还有一个非常重要的护城河就是合作伙伴生态。

首先是和众多大模型厂商的紧密合作，很多企业用户基于大模型做应用时，对底层模型实际上提出了很多要求，比如私有化部署、参数适中、长期性等等，来也可以借助这些大模型能力和自身的先进的Agent平台，去落地实现业务流程的自动化和智能化，从而显著提升企业的生产力和效率。

另外是用户生态共创，前面也讲到，应用或者解决方案一定是基于价值最高的业务流程优先落地的，那这些场景从何而来，就是从客户需求中来。

今天中国500强里面有超过半数是来也的客户，良好的生态会让我们和客户一起去发现接下来五个、十个甚至数十个有价值的业务场景。如果是一家新的创业公司，它大概率会闭门造车做一些自嗨的场景需求，或者基于比较小的数据样本去构建Agent数字员工，那可能这个数字员工并不具备可复制性，因此最后价值也并不会很高。

所以良好的生态里，既有各种各样的模型厂商去解决底座问题，也有各种各样的企业用户去找到有盈利空间的场景，只有驾驭这些新能力的企业客户将在AI时代依然保持领先。