插上AI翅膀的RPA，会飞得更高吗？

来源/AItrends

作者/John P. Desmond

编译/王思宇

RPA这一技术起源于20世纪90年代早期，并在过去几年里实现了爆发式的增长。

企业引进RPA，可以替代大量的人工重复性操作，提高企业工作效率。例如电子表和数据库、在程序之间拷贝数据、比较信息资料以及执行其他日常任务。

许多人将RPA看做AI的雏形，是下一个AI领域的风口，信风智库也曾写过RPA的内容，如果您感兴趣可以前去阅读。

随着企业需求的不断提高，RPA的局限性也愈发明显。他只能依照规则执行任务，不会学习或改进。当任务中出现冲突或异常时，还是需要人工进行干预。

而AI的自我学习功能，则恰好可以改进RPA当前的局限。

但问题也随之而来，许多企业无法将自身需求和「AI+RPA」相结合，导致最终效果不理想。

对此，AItrends采访了两位RPA供应商高管，听他们谈了谈AI发展对于RPA的影响。

以下为正文：

许多公司都期望服务提供商能够为自己插上人工智能的翅膀，或者帮助他们向正确的方向前进。我们最近采访了两家服务提供商的高管，与他们谈了谈AI和服务的发展关系。

他们分别是：Antwork的联合创始人Ashesh Mehra，和UiPath AI副总裁Prabhdeep Singh。

AntWorks成立于2015年，是一家AI智能自动化公司，这个企业的特色在于有一个可以处理各种数据的平台。Ant会将来自各个行业的信息，进行数字化分析。Mehra是这家企业的联合创始人兼CEO。

UiPath是一家AI企业软件公司，并以AI，机器学习和自动化三大核心技术知名。UiPath的AI副总裁Prabhdeep（PD）Singh在微软工作了近10年，他领导过Microsoft Sales Intelligence AI解决方案的产品和业务团队，最近一年内才加入UiPath。

AI对RPA产生了怎样的影响？

Asheesh Mehra：有相当一部分客户，期望AI+RPA能是一根无所不能的「魔法棒」，可以在极短的周期内投入并交付。然而，人工智能并不是魔法。它需要后端不断的数据培训，然后才能开始执行某项操作。

它可以先从具有代表性的数据集开始学习，然后启动机器学习能力来辅助企业作出相关决策，或者开始预测或推断它在企业「看到」的代表性数据。

所以AI改变了顾客对于RPA供应商的期望吗？答案是必然的，客户的有些期望是现实的，有些则是过于理想的。AI同时也影响了企业的客户群体，从某些角度来说，它让客户的生活、日常工作变得更加容易，并将这种影响变成了依赖。

Prabhdeep：传统服务提供商的解决方案往往是让工作人员在后台操作。如今，RPA的发展已经到了全新的阶段，企业可以优化几乎所有的业务流程。这就是为什么企业不在美国开设呼叫中心，因为雇用人员的成本太高了。

传统的业务流程优化多采用削减成本的方式，比如将呼叫中心转移到印度和越南等人工成本低廉却又能够说英语的地方。随着人工智能和自动化的到来，发生了范式转变，它可以提高「个人生产力」并进一步降低成本。

在我参加的几乎所有活动上，我都谈到了这一点。如果你看一下过去10年来美国的劳动力生产效率，就会发现它已经处于非常平稳状态。

个人电脑的普及，让所有知识工作者都获得了提升。现在，为了能够再次提高信息工作者的工作效率，企业需要的是「AI+RPA」。许多客户正在通过将业务流程中加入自动化，并部署AI来获得金钱和生产率的提高。

AI能够帮助RPA达到预期吗？

Mehra：这是一个非常繁琐且很难回答的问题。是的，AI+RPA能够在特定的空间和特定的区域达到预期。我认为外界对于AI的宣传有些过度了，它在某些情况下是无法达到预期的。在保险领域，我认为AI能够加快处理索赔的速度，包括车险、寿险和房屋类保险。的确，人工智能还有改进和增强的空间，去帮助更多行业实现新的发展。

在数据充足的领域，AI能够顺利完成任务；而在没有受到足够的数据和培训的领域，AI无法完成预期的要求。

Prabhdeep：AI在企业中的运用是卓有成效的，不论在大公司还是小公司。我研究的系统具有预测功能，它可以预测病人是否会在30天内抢救回来。医生可以看着预测结果说：「我觉得他还能再抢救一下，他不应该离开」。

如果你有这样一个系统，就能够拯救生命。而医院也在为病人和国家省钱，避免过度和无效的医疗开支。

AI行业目前的问题是我们所说的「最后一公里」问题。

如果你看看人工智能的部署情况就会发现，只有4%的CIO（首席信息官）将它投入生产中，而将近90%到95%的CIO有意愿却还在观望。实际上，是否将一个系统投入生产，结果是截然不同的。所以一旦你有了一个有效的机器学习模型，你就需要把它投入生产，让它与人类和现有的应用程序互动。

有哪些领域不适合AI+RPA

Mehra:在思考这个问题之前，我们不妨问问人工智能是什么。

在我看来，人工智能就是先学习，然后通过数据做更优的决定，或者对收到的数据提供准确的预测。当我们认为AI不适用某些领域时，一定会拒绝客户。因为正如我刚刚所说，人们不应该将AI看做无所不能的魔法。

每个企业都应该部署AI系统吗？当然不，我认为AI还不够成熟，它无法解决当今企业所遇到的各种挑战。但我们知道AI学习的空间很大，可以变得越来越智能，去达到行业的期望。

Singh：我认为，一些非数字化的问题是无法使用AI进行优化的。

您会在销售和营销中看到许多AI用例，因为销售和营销是高度数字化的。如果一个行业经历了数字化转型，那么AI将在其中发挥很大的作用。

但是，如果企业从未进行过数字化处理，那就不太可能了。例如，如果一家公司在纸质和传统领域做得很好，那么第一个过程就是扫描该纸并将其以数字格式放入，然后再在信息处理上应用AI的方法。

AI的加入是否花费了更多时间？

Mehra：AI的加入，并不会延长解决问题所需要的时间。一家企业，想要提高效率，首要方式就是减少执行项目所需的时间。企业的总体目标是加快业务流程并保证准确性更高。

与员工培训相同，花时间培训人员如何完成工作，实现工作目标并不会耽误企业的效率。AI也不例外，如果您认为AI在不花足够的时间训练的情况下，就能提供期望的成果，那完全是大错特错。

Singh：我同意Mehra的看法。如果企业正确地使用AI，那么与传统方法相比，解决问题要容易得多，效率也要高得多。

但总有些特数据的领域，比如房地产销售人员。他们可能并不需要像CRM这样的任何辅助工具。他们只是按照旧的方式销售房屋，并完成交易。

我的观点是，如果您遇到的问题高度依赖于人类的专业知识，则需要花费时间来投入AI并加以改进。尤其在某个过程中，企业如果没有最大程度地实现人类效率，那AI就可以发挥较大的作用。

RPA正面临哪些挑战？

Mehra：我们的确面临一些挑战。

第一个挑战是市场份额。我们是一家创办仅有4年的年轻公司，而竞争者们都已经存在了很长时间，并且占据一定市场份额。我们的策略是，当别人出售单一技术工具集时，我们构建完整的技术平台。

第二个挑战是企业客户的理解水平在很大程度上不同。如果从1~10来打分，很多客户的理解能力可能只有3分以下。这会导致他们的期望与现实之间相距甚远。因此，我们需要投入更大的资源来帮助「教育」市场。

第三个挑战是外界对AI的期望。现在在整个AI领域有太多炒作和夸大。如果你对外宣称「我们无法做到这个」之类的话，企业很快就会失去客户。但这确实是RPA企业面临的挑战。

Singh：我们一旦在企业中大规模部署这些系统，就会发生几件事。对于AI应用程序，部署软件并不困难，困难来自于数据。数据必须是干净的，同时需要正确运行，并且AI模型必须优质。其中的客观条件要求比较多，如果其中一项不满足，则可能会对结果造成较大的影响。

另一个挑战是ROI量化。企业需要了解AI投入后的影响。它是否会损害或改善整体业务？

公司需要一个可以在部署AI时量化投资回报率的系统，明白投入与产出的比例是多少，而这也是我们最近正在努力研发新功能。