一文解读流程自动化机器人与人力之间的竞争关系塑料印刷
时间：2022/07/13 17:13:14 编辑：
机器对人力的取代充满了时代的矛盾。“数字技术会让更多的人失业，还是会让工作时间更短？”，今年的达摩院“西湖论剑”抛出这一问题。希望看完本文能帮助你对机器和人力的互相竞争有新的认识。
最近RPA（Robotic Process Automation，流程自动化机器人）这个词一直在刷屏，投资圈和媒体圈似乎被这个概念所引爆。
机器人在工业制造上对人的替代是非常成功的。举个例子，曾经的“血汗工厂”富士康在不到10年的智能化改造中，部分工厂已经转型成了“熄灯工厂”，厂内工人数量减少了90%，但生产效率提高了30%，从降本增效效果明显的层面上来讲非常成功。
在企业的办公场景中，机器人至今尚未很好的进入，根据德勤咨询2019年的专题报告，国内企业中使用过RPA的不到15%，有能力使用AI的仅5%。
RPA+人工智能将有希望改变企业办公场景中重度使用人力的现状，大量重复性工作可能会交付给软件机器人处理，人类将只负责更高层次的思考和判断工作。
一、RPA不是新鲜事物
RPA所指的流程自动化机器人并不以机器人实体存在，只是一段代码。这种代码在操作系统中可以跨软件运行，操纵键盘、鼠标。
RPA通过在Office、网页、邮箱、数据库和ERP系统间的交叉运行，重复完成特定的流程化任务。
单纯的RPA技术其实非常缺乏想象力，并且已经出现了20多年。这种技术很早被应用于游戏脚本，可以按照特定的流程进行刷怪练级，解放玩家的双手和时间。
但RPA这种流程化工作存在着很大的问题。
第一是动作流程被限制的非常死板，无法适应复杂工作；第二是工作任务中的数据并非都是结构化数据，输入的受限导致其应用场景狭窄，在商业应用上不具备太大价值。这也是RPA存在了十几年却没有得到推广的原因。
与RPA类似的工具还有宏和VBA。操作者通过宏录制和VBA编程可以处理更为复杂的自动化任务。VBA从本质上来讲也是一种自动化处理的脚本，只是使用范围有所限制，无法跨软件使用。因此VBA的作用也受到限制，不可能大范围地提升工作效率和替代人力。
二、RPA借助人工智能的升级
RPA和人工智能具有互补性。传统的RPA基本无法处理非结构化的数据，在交互上也存在问题。
目前人工智能在功能性上做的已经足够媲美人类，在计算机视觉、语音识别、自然语言处理和光学字符识别（OCR）等单项技术上已经比较成熟。
如果将RPA类比于人类的四肢的话，那么目前人工智能的功能显然可以赋予其“听说读”的能力。
对于现实中存在的大量非结构化数据，语音识别技术可以让软件接受人类的语言输入，语音合成技术可以让软件说话，图像识别和光学字符识别（OCR）可以让软件阅读打印甚至于手写的票据。人工智能唯一不知道的，就是怎么将这些能力组合起来实现办公场景中的复杂功能。
RPA就是那条把AI技术串起来的绳。
目前而言，通用型人工智能的发展缓慢，要让机器产生自主的办公能力和意识，基于对所有工作环节的理解上实现自主办公，且不说实现的难度和可能性，就算实现了对于人类而言也是件恐怖的事情。RPA的优势在于，人类可以将自己对工作流程的理解能力、人工智能的识别能力和RPA软件不知疲倦的重复能力结合，实现一种完美的统一。
三、RPA+AI在企业办公场景中会对哪些员工形成替代
RPA+AI在企业内部落地是一个由小及大的试探和实验过程，并且随着技术和模型的发展而推进。
首先被替代的将会是简单重复，无需判断的工作，比如数据输入和验证。目前，人工智能已经可以较为准确的将非结构化数据结构化。随着财务领域的流程自动化推进，低层次财务及税务人员可能会被自动化程序所取代。银行的流程自动化推进将大大缩减前台和中台需要的办公人员。此外，在公共事业、供应链管理、物流、医疗等行业中也存在着RPA+AI取代人力的场景。
不仅仅是重复机械的工作，即使涉及到较长流程的工作内容，只要流程拆分成几个子流程也能够在短时间内完成闭环，这样的工作同样容易被取代。
工作内容涉及较复杂判断的职位将在一段时间内继续存在，同时其判断过程会成为机器学习的数据。机器学习和深度学习算法在建立分析判断模型的判断过程中需要具体的数据积累，人类员工的工作案例是算法和模型升级的基础数据来源。当针对某一特定业务判断的模型被训练到媲美人类准确度时，可能连从事判断的员工都会被大量替代（比如信贷审核）。
对机器人流程化进行系统维护的职位会持续存在。从现阶段看，RPA的部署并不是一劳永逸的。在RPA部署的很长一段时间内，对其进行监督和优化都是必要的，这部分内容需要懂技术和懂业务流程的员工配合完成。
如果工作内容涉及到主观创造（逻辑处理闭环的时间长，如分析和规划）和与人深度沟通交流（而不像客服的应答式沟通），那么请放心，目前的低级人工智能结合流程自动化根本不可能替代你。
四、RPA+AI现在发展到了什么程度
麦肯锡曾经给出过RPA的发展路径。
RPA1.0，桌面自动化软件。部署在员工的单人PC端，起到辅助性功能。
RPA2.0，端到端的流程工作机器人软件。在1.0的基础上增加了虚拟化部署和调配，可以部署在虚拟机上，还需要人工的控制和管理。
RPA3.0，自主型RPA。在2.0的基础上增加了情景感知，高级分析，和工作流等功能,但对于大部分非结构化数据无能为力。
RPA4.0，认知型RPA。在3.0基础上增加了人工智能和机器学习建立模型的能力，对于非结构化数据实现处理，同时具有模型优化下的预测规范分析、任务自动受理等进步。
在中国，RPA和人工智能的结合刚刚开始。
老牌的RPA软件商如艺赛旗和金智维积淀了多年的2B服务经验，成为银行和券商的技术提供商证明了其稳健性和成熟度。AI赛道的创业者如达观科技，利用其在自然语言处理方面的技术优势，同样希望在数据自动录入和整合领域占得一部分市场。专门做RPA的奥森科技和AI创业公司来也科技合并而成的UiBot，更是直接将目标瞄准“RPA+AI”这一市场。
巨头同样关注于RPA，微软、IBM、SAP、阿里云都有不同程度的介入。另外值得一提的是金融巨无霸中国平安的RPA产品。近年来中国平安的金融科技转型获得了阶段性的成功，部署于平安云上的RPA安小蜂是其内部服务后的对外输出，目前已经提供财务、人力资源、行政、银行等方面的RPA服务。
从各家提供的产品和服务来看，数据的自动录入和自动合并整理是目前的主流，而较少涉及到机器的自主判断。可以说目前的应用都是RPA技术中使用了一点AI技术，而我们更期待的是AI技术中使用了RPA技术，达到RPA4.0的状态。
四大（普华永道、德勤、安永、毕马威）等咨询公司在财务RPA的实践上处于领先地位。其咨询团队承接了大量的企业RPA项目。作为商业服务商，四大能够在商业解决方案上积累了足够的项目经验，但是在应用人工智能上同样还差的很远。
五、RPA在企业内落地的成本核算
尽管RPA或者R&CA听起来是项可以帮企业省一大笔人工成本的黑科技，但要注意的是新技术应用的成本也很高。未来几年，一般的中小企业很可能并没有引入高水平RPA的能力和必要。
在安永咨询的一项报告中提及，对于一项并不复杂的业务进行机器人流程化改造，希望可以实现RPA4.0层级的判断模型。小样本数据量下机器学习的判断正确率差得离谱，反而需要更多的人为介入纠正错误。只有保证以万为单位的处理量时，该模型的正确率才有所提升。该机器人流程自动化项目的盈亏平衡需要业务处理量的保证，也依赖于开发工具的选择。开发团队在使用开源免费软件的情况下可以在12个月收回投资，而使用收费软件则意味着收回投资的时间在2年以上。
这仅仅只是单项并不复杂业务的流程自动化改造而已。
企业的数字化基础也很重要。如果企业前期未进行数字化转型，那么RPA很难以一种孤立的技术存在，和企业业务的融合也将浮于表面。这意味着现阶段只有在那些业务处理量大，数字化程度较好，又具有较厚实财力的企业才能支付得起RPA的落地。典型的如银行、保险等金融机构和大型企业的财务部门。
从企业实现RPA技术所需付出的成本和价值考虑，在大企业中当螺丝钉的员工比小企业员工的处境要危险的多。
六、未来的工作机会和人机协同关系
今年6月25日，在阿里罗汉堂的“西湖论剑”，提出了关于人类未来的十大问题。其中第四个问题是，“数字技术会让更多的人失业，还是会让工作时间更短？”。诺奖得主给出的回答是——并没有证据证明技术会带来失业率的提高。但技术的发展过程中，确实会促进就业的结构性转变。以1980年以来的就业数据显示，就业逐渐从制造业向服务业转变。
这个问题特别适合用来思考当下以及未来的RPA+AI应用扩张。
一方面，技术进步带来的人力需求减少必然带来一部分劳动者的被替代和失业；另一方面，新技术的发展和扩张又带来了新的职位需求。结构性的转变一直在发生，以前是制造业向服务业转变，以后就算是服务业也将发生分化。
按照罗兰贝格的报告，在2018-2025年间，德法两国将会有总量5%的工作受到人工智能影响，大致相当于330万工作岗位，这一比例在支持性部门和后端办公室将达8.5%。每破坏掉100份工作，将创造出16份高附加值的新工作。
随着RPA+AI的应用深入，与电脑操作相关的重复性劳动被机器所取代，有能力将人工智能技术和自动化技术糅合到企业运营的流程中的产品经理和研究人员将获得巨大的机会。但被取代的和崛起的，应该会是两种截然不同的人。
人机协作的关系也将随着数字技术的发展进入到新的阶段。未来理性和精准的可怕的机器同事将伴随在我们的身边，为人类的工作提供底层的数据保证和流程优化，使得人类相对于机器的优势发挥的淋漓尽致。对此，我们应该感到喜悦，还是害怕呢？