7月11日，Forrester副总裁、首席分析师Craig Le Clair受邀出席2020世界人工智能大会云端峰会RPA+AI分论坛，分享RPA在全球的发展现状。

　　大会现场，Craig带来了RPA最新趋势报告《后疫情生产力时代，智能自动化打造以人为本的企业》，并为众多云端观众解读了自动化的关键趋势。他的分享为后疫情时代企业智能自动化相关建设指明了思路。

　　01 后疫情时代智能自动化的三个主要趋势

　　人机协同随着机器智能水平的不断提高，它们取代了越来越多的人工流程，这通常被称为人机协作-“Human-Machine Cooperation”。得益于人工智能技术，人们逐渐向规则更复杂、确定性更低的流程自动化领域迈进。在这个过程中，我们使用机器学习等人工智能技术来进行数据处理、辅助决策。这极大改变了人类很多传统的工作场景。云扩观点

　　如果员工注定与人工智能一起工作，云扩希望每个员工都能掌握与人工智能协作的能力。

　　因此，云扩正式推出千人千面的自定义人机协作平台--云扩工作台。

　　业务人员可以通过云扩工作台以零代码的方式自定义与机器人的交互，无论用户是否具有技术背景，都能轻松调取RPA机器人执行任务，从而让RPA可以真正落地企业，助力企业迈进大规模人机协作时代。

　　智能文本提取文本挖掘属于机器学习的范畴，也是人工智能的一个子集。所处理的文本通常是文档、表格、票据、电子邮件等非结构化的信息。基于智能文本抽取技术，可以获取更高质量的数据，用于后续的数据分析工作。例如，查看用户填写表单时可能出现的错误，检查可能不正确的交易，挖掘文本中的客户情感。 虽然这一领域的核心仍然是自然语言处理，但用机器学习的训练模型，来理解文本背后的含义，也是近期热门的领域。随着计算机视觉、文本分类等方面技术的逐渐成熟。机器可以理解文档上的表单和图像，以及上下文的逻辑。在AI技术的赋能下，智能自动化蕴含了具有洞察力的价值。而不仅是过去的降低运营成本。云扩观点

　　随着流程自动化在企业的深入推进，云扩发现企业内部存在80%的非结构化文档，无法被高效解析，纳入智能自动化业务流中。

　　为了响应需求，云扩推出的新产品云扩DocReader，集成了 OCR 、NLP 机器学习等人工智能技术，能够在少量样本的情况下，对各类文档进行智能的识别和信息的抽取。

　　用户仅使用少量的样本，通过简单的框选标记，即可快速定制文档理解模型，让机器人具备文档理解能力，实现文档处理的自动化，能帮助员工节省大量的整理文档、处理表单、发现错误与风险的时间。

　　自动化突击队对于企业的自动化建设，用更广阔的视野进行整体规划十分重要。这里有多方面的原因：一是一些自动化场景，引入了需要从组织治理角度考虑的新问题。

　　其次，机器人通常会使用员工的密码凭证，进行一些生产系统的日常操作。因此，需要关注密码凭证的安全管控。

　　此外，智能自动化涉及许多技术的应用，需要团队在企业内部解释不同自动化技术的特点，以便用正确的方式应用和落地。云扩观点

　　Strike team 是未来 RPA 规模化最重要的趋势之一，也有人会把 Strike team 叫做 COE。

　　云扩的企业流程银行，能够给企业内部的 RPA Strike 团队、COE 团队提供一个工具，让他们能够积累和沉淀在企业内部推行 RPA 时的经验和流程；能够鼓励企业内部跨团队的自动化流程分享，打造一个企业私有化的流程自动化智库，实现公司范围内跨部门的自动化经验的交换和分享，从而充分地发掘流程自动化在整个公司内部所带来的价值。

　　更多的自动化机会存在于业务一线，RPA+AI的深入需要激发每个员工自下而上的创新能动性。通过人人可用的流程挖掘工具云扩Spark ，业务人员可以利用完整的在线工具箱，梳理、标准化和自动化每天操作的业务流程，并转化为RPA流程，帮助流程从发现到实现的提速。

　　02 疫情给数字化转型带来的机遇

　　尽管在移动互联网、社交媒体等领域，Uber等全球公司，以及美团、滴滴等中国互联网企业，在数字化驱动业务模式创新等方面的势头表现良好。但传统企业数字化转型的进展相当缓慢。这让我们不得不面对一个现实：现代化是艰难的，数字化转型不易。

　　在2020年1月到3月的全球疫情高峰期，突然之间，企业快速进行数字化转型。每个人都不得不在家工作，企业必须以新的方式开展远程业务。随之而来的，是在供应链等领域衍生出的一系列问题。在巨大的压力下，企业不得不进行业务创新。不幸中的万幸，疫情也从侧面推动了一部分企业的数字化转型进程，部分企业在过去的两个月里构建了比过去五年更多的数字化能力。

　　上图中闪电标志描述的数字化转型激增的区域。现在，公司面临的挑战是如何在压力下进行这种转变，并在疫情结束恢复更正常工作环境时，继续保持数字化转型的势头。这将影响我们在过去几个月中取得的数字化转型成果。

  03 后疫情时代的智能自动化路线图

　　Forrester提出了后疫情时代智能自动化路线图，为企业提供了一种确定智能自动化项目优先级的方法。基于Forrester对所服务企业、政府客户的调研和沟通。一些正在进行中的，大型人工智能、数字化转型项目，进度会受到影响甚至停滞，会掉进左下象限的动量损失区。因为根据大多数人的估计，我们正在经历的这场疫情引发的经济衰退，将是漫长而痛苦的。就像以前所有的经济衰退一样，企业将更专注降低成本和成本转移。因此，在象限右上方的加速区中，RPA自动化变得非常重要，因为它在降低成本方面具有非常明显的ROI。

　　上面提到的智能文本提取也在这个区域，它能帮助员工节省大量的时间，来整理文档、处理表单、发现错误、客户投诉、欺诈风险等问题。此外，一些视频会议、远程协作类的办公产品和工具，也在疫情期间发挥了巨大的作用。 极少数人能够准备好，应对我们所说的系统性全球风险。下一个系统性全球风险可能是气候变暖。我们看到，更多的公司开始关注治理领域的问题，增强了风险管理意识，为可能发生的此类系统性风险做好准备。因此，系统弹性、业务韧性等可持续发展能力，已成为数字化转型中的重中之重。例如，提升供应链的多样性，以确保可用的材料采购，和商品交付能力。

 04 智能自动化对不同类型工作者的影响

　　智能自动化对不同类型工作者的影响程度是不同的。例如，呼叫中心的客服员工，企业后台从事财务工作的员工，由于他们拥有相似的工作模式，标准的工作流程，因此自动化对他们工作的影响也是相似的。

　　另一方面，对于法律从业人员等创造工作者，他们通常会处理复杂的信息，并在海量数据之间建立联系。由于工作的创造性水平、流程不固化等特殊性，自动化可能在很长一段时间内，都不会应用在这个领域。但我们也看到了一些创新的场景，比如数字员工助手辅助医疗行业的从业人员，进行认知搜索和知识发现。

　　RPA+AI对特定职能的知识工作者和行政人员影响最深

　　目前，RPA真正发挥作用的应用领域主要集中在运营领域。智能自动化非常适合于特定职能的知识工作者、协调员、行政工作者。这些流程标准、操作规范的场景是RPA主要的应用领域。很多自动化技术、AI技术正在改变企业的传统流程。云扩观点

　　企业很难尝试找到适合AI技术并敏捷落地的方式，即便匹配到了合适的AI技术，也很难融入到端到端的业务流程之中。

　　更重要的是企业原有的人才结构缺乏对AI技术的深入了解。这一切都让人工智能技术可触达的市场非常有限。

　　让人工智能人人可用不再是一个“口号”，云扩特别推出拖拽可用的人工智能应用中心——云扩AI Hub，集合全球顶级人工智能能力，供客户方便低成本地将AI能力集成到企业自身业务流程中，进行测试与使用。

　　05 人机协作的五个层次

　　在与智能自动化相关人机协作中，会根据技术复杂度和自动化模式的不同分为5个层次。第五层是应用最先进的人工智能技术实现机器的自主运动，比如自动驾驶汽车。相反，第零层是描述人类日常工作中没有自动化驱动的场景。 在这中间，随着自动化技术发展的不同阶段，又有进一步的细分。

 第一层是工作流领域，我们使用BPM软件来设计流程，连接不同的工作节点，处理一些确定性流程的自动化。

　　第二层：人类驱动机器完成任务

　　第二层是很多RPA正在做的事情，企业已经构建了一些数字员工或数字助理。人类与机器人之间有某种程度的互动。比如在客服中心，人可以使用机器人批量更新客户的地址。以此来降低员工的信息系统负担，解放生产力，投入更有价值的工作。

　　第三层：人类在机器的帮助下完成任务

　　第三层是一系列AI技术与RPA相结合，赋予人们更强的数据处理能力。一些AI组件，例如NLP，通常使用机器学习来提供更灵活的数据提取。在过去，我们必须根据模板准确地定位字段的位置，随后才能取出数据。但现在，机器学习可以理解文档中的内容，识别文字、数据在哪个区域，并利用训练机制，使机器的识别和提取越来越精确。

　　我们可以预见在第四层和第五层，人工智能将更多的参与决策工作。我们也会遇到一些智能自动化能力的黑盒问题，没有人知道决策是如何做出的。我们需要更完美的算法和智能技术，以保证无人驾驶汽车不会因错误识别引发的事故。第四层和第五层中的所面临问题，在第二层和第三级中，并不是那么引起关切。06企业级RPA规模化拓展的阻力

　　现在很多公司在智能自动化方面做了很大的投入，企业级的RPA也在逐步走向规模化。但整体上，大约一半的公司投入使用的机器人数量不到10台。这不是我们预期的大规模。其中的规模化拓展阻力涉及几个主要的原因： 一是早期的一些机器人流程和自动化解决方案，存在产品能力的不足。这些机器人维护成本高，缺乏管控手段，不足以支持企业的规模化拓展。

　　此外，组织面临着发掘自动化场景能力不足的问题。起初，很容易找到可以自动化的业务场景。但持续不断发现自动化需求并不容易。

　　因此，我们建议组织建立自动化工作小组，或机器人卓越中心。团队由技术和业务人员组成。智能自动化技术专家具有自动化和AI领域的技术知识。各个部门的业务人员了解业务场景、数字化需求和人员安排。他们将共同设计、建立和维护数字劳动力解决方案。

　　这就是我们所说的联邦工作方法，智能自动化不仅需要高水平的技术和产品，也需要了解业务场景、痛点需求的业务专家，在协力共建的模式下，才能确保自动化解决方案的有效价值产出。云扩观点

　　规模化的挑战远远超乎想象，挑战同样也意味着机会和价值。对于大型企业而言，能够被 RPA 所自动化的业务流程，是企业非常重要的资产。而这些标准化流程的价值，往往和自动化技术、自动化产品一样重要。

　　企业流程银行用于存取企业内部的RPA流程与经验，能够为合作者提供经验积累与流程沉淀工具，帮助企业打造私有化的RPA智库，实现公司内部跨部门的自动化经验分享，快速解决企业内部规模化难题。

　　点击下方链接：https://www.encoo.com/whitepaper2019即可免费申请Forrester《后疫情生产力时代：智能自动化打造以人为本的企业》报告！