本手、俗手、妙手，你的RPA应用是什么手？

点击蓝字

关注UB Store公众号

本手、俗手、妙手，本是围棋术语，不过在RPA（机器人流程自动化）的开发、应用中，实际上也存在俗手、本手与妙手之别。

「本手」

RPA是依托软件机器人技术的数字化劳动力，能模拟人工在计算机上进行键盘鼠标操作，擅长执行跨系统、跨平台的数据采集、整理、录入等任务，能够帮助人工处理日常工作中繁琐、重复的数据迁移和行政文书工作，简化流程，释放人力。

RPA的本手，是发挥好自身能力与优势，给更多组织及个人赋能。

在提高效率和降低成本上，RPA对于企业的吸引力是不言而喻的。按照经验，在合适的流程部署RPA软件机器人的成本远低于雇佣人工。

与人类员工相比，RPA数字员工不知疲倦，对于有固定规则的重复工作处理速度快，这使得完成任务的单位成本得到显著优化。

RPA重塑业务流程，增强组织数字化经验，突破系统障碍，打破数据交换的壁垒，提升业务创新能力。

手动流程的自动化可以优化组织人员结构，成为高强度工作、夜间值守的劳动力补充，企业腾出人力来执行附加值更高的任务。机器人有助于生产率的提高，节省时间与成本，获得商业利益。

企业正争相挖掘下一代数字化技术的价值。RPA通常被认为是通往人工智能的第一步，它有望彻底改善企业的工作方式，提高对新兴业务趋势的反应能力，在人工智能时代关键抢占先机。

组织运作的时间越长，内部IT系统越多。管理人员可能在考虑推翻旧系统，但也面临一系列难点：系统之间互相耦合，错综复杂，改造难度高、投入大、时间长；旧的系统支撑着关键业务，无法忍受长时间的研发周期。

RPA机器人用模拟人类员工的方式在多个系统之间完成交互和切换，企业无需修改现有的IT架构。

RPA的实施运行，能够快速推动企业数字化变革，通过人机协同服务，缩短响应时长，提升应接能力与处理及时性。

RPA还可减少错误并符合合规要求，降低人工处理客户或其他敏感信息时产生的数据丢失或泄露风险，持续提升客户满意度。

「俗手」

虽然通过RPA实现业务自动化正在受到越来越多企业的追捧，但RPA远没有达到“万事自动化”的程度，也并非所有的业务流程都能适用。

部署RPA前，企业不仅要考虑RPA能够用于哪些场景，也要探讨哪些场景不宜使用RPA。应用RPA在一些不合适的流程，不仅不会发挥出软件机器人应有的价值，甚至还会造成“翻车”。

企业不应该使用RPA来实现所有业务的自动化，而是用RPA自动化来优化复杂流程中的简单任务。

另外，现阶段能让RPA机器人完全接手的流程，并没有想象的那么多。对于适合使用RPA进行自动化的流程类型，有非常严格的指导原则。其中一些标准包括，基于明确规则、业务量高、系统稳定、低例外等。

针对较复杂的流程做RPA规划，一方面会影响RPA应用规模的扩大；另一方面将会产生高额的费用。

通常，阻碍RPA规模扩大的原因在于流程和应用程序的复杂性，而非RPA本身。

嵌入了复杂应用程序和图形用户界面（GUI）的流程并不适合RPA。这样的流程不稳定、支持成本高，且不能频繁运行。

RPA不适合被部署到经常变化的系统或环境中，频繁升级或者变更会导致RPA项目维护难度直线上升。

若部署RPA时未考虑到此类情况，之后RPA运行时会出现报错，无法继续执行或者重复错误的运行，最终导致后续任务执行失败。

从技术角度来看，许多流程要实现自动化并不难。但问题的关键是这样做是否有必要。

对企业运营者而言，计算RPA的投资回报率（ROI）是一件非常重要的事。如果花费了时间、精力与成本，将RPA部署在了一些并不亟需优化的业务流程上，最终较低的ROI将会令运营者对RPA的效用产生怀疑。

「妙手」

从RPA+AI，到智能自动化，RPA的妙手之路在于与更多的技术合体。

由于RPA没有思考能力，只适用于具有一定标准化、规则化的流程。而AI因具备自主学习和认知能力，可进行自我调整和改进，从而应对更加复杂的任务。因此，可通过AI能力来拓展RPA的使用边界。

机器学习（ML）、自然语言处理（NLP）、语音识别等人工智能技术将会带领RPA，走向智能自动化。

智能自动化的4大关键点

智能自动化可以分析基于文档的工作流（如合同分析、审计规划和报告、RFP分析和组合、销售机会工作流自动化、客户支持分析和自动化、评估和索赔分析等）；还能够理解文本、图像、文档和其他非结构化数据，而这些数据是数据驱动型企业流程自动化的核心内容。

智能自动化使用了基于机器学习和智能分析的深度算法功能，而不需要企业通过巨大的数据集训练模型，它可以根据可用的信息和上下文做出准确的判断。

智能自动化让数据团队和业务人员之间实现了跨领域协作，使业务人员掌握了自动化业务流程的必要知识。业务人员需要适当的技术环境来交付必要的输入，技术人员需要适当的业务环境来驱动实现决策。

智能自动化的所有行为都可追溯，这种模式能让企业的业务运营更透明，不仅在公式和算法方面更具可视性，也能定义真实环境的标识，使得数据团队和业务团队的配合更默契，让IPA和业务联系更紧密。