让每个企业具备AI应用场景，RPA已成企业实现人工智能最佳捷径
人工智能大规模应用遇阻，多家AI企业推出RPA，或成AI落地最佳方式
无视企业信息化场景差异，RPA或成人工智能落地最佳方式
全文约3900字， 阅读时间约8分钟
文/王吉伟
AI换脸APP“ZAO”让全民谈“刷脸”色变，微软小冰已经能够作诗写歌画画，张学友演唱会上的人脸识别摄像头抓住了多名罪犯，你在家只需喊一声“睡觉”全屋电器就会瞬间停工。这些场景，让大家感觉人工智能就在我们身边。
但事实上，人工智能距离大规模应用尚有一段距离，短期内人工智能尚难以真正落地。诸如BAT 以及商汤科技、旷视科技等人工智能独角兽公司，即便已经有不少的落地实践场景，但在大规模应用和落地方面也仍在努力摸索中。
人工智能之所以落地难，主要在于当前大部分企业没有与之相适配的应用场景。人工智能是一个技术性赋能引擎，技术要落地就要解决应用问题，需要AI企业将切实可行软硬件综合解决方案输出给企业。但现在它们面临的问题是，很多企业并没有足够的场景去应用人工智能方案。
很多人工智能企业尤其是融资几轮下来的初创企业，在AI应用落地上可谓绞尽脑汁，毕竟市场份额的多少与企业融资进程息息相关。不管技术与产品多牛，到最后能够展现业绩的还是客户数量与销售数据。
就在大家一筹莫展的时候，RPA横空出世。RPA以广泛的应用性、不限场景的适应性、不破坏原有信息系统的亲和性以及与AI技术的高契合度，让一众人工智能企业看到了AI技术得以大规模落地应用的曙光。
于是，很多人工智能企业涌向RPA，踏上了通过RPA落地的征程。
自研或者并购，多家人工智能企业推出RPA
当前知名的RPA企业中，达观数据和阿博茨科技是AI企业做RPA产品的典型。
达观数据是一家成立于2015年专注于企业知识管理和文字语义理解的人工智能公司，主要为企业提供完善文本挖掘、知识图谱、搜索引擎和个性化推荐等文本智能处理技术服务。经过1年多时间的研发，在2019年1月份推出其RPA产品的1.0版本。前不久这家公司刚发布了新品“智能文本 RPA ”主打 NLP + RPA + OCR，从其擅长的 NLP 与 OCR 所覆盖的场景切入，可在更复杂应用场景实现业务流程自动化。
阿博茨科技，则是一家成立于2016年的AI云服务提供商，专注为企业提供智能化的行业解决方案。这家公司在2018年之前专注AI在区块链领域的应用，在2018-2019年期间推出了自有RPA产品，今年开始频繁发表对RPA行业看法，诸如“AI大脑驱动IPA应用变革”等等。在RPA的智能化方面，AI公司不只有技术上的先天优势，在产品理念上亦非常有远见。
在融资列表中，英诺森也是一家被资本看好的企业。该公司的定位是一家AIOT驱动的专注能源与资源行业的创新公司，但出于用户需求，目前RPA也已成为其诸多业务中比较重要的一部分。
除了自研RPA产品，也有人工智能企业会选择以资本运作的方式实现RPA业务。这种做法在国外比较多见，国内的话目前也有来也科技与奥森科技合并的案例。
今年6月27日，来也科技宣布完成与RPA创业公司奥森科技合并。来也科技是一家人工智能交互平台，专注深度神经网络的自然语言处理技术。奥森科技具备超十年的技术实力，2018年推出了平台级RPA产品UiBot。两家合并，无论是在RPA产品逻辑上还是在商业逻辑上，均能形成达成互补效应，同时还能在资本市场讲一个更好的故事。
类似的人工智能企业还有一些。譬如，实在智能是一家专注于AI方向大数据智能领域的创业公司，是一家大数据智能解决方案提供商，目前也推出了RPA产品。而容智RPA的开发商上海容智信息技术有限公司是一家专注于AI技术企业级应用的公司，RPA业务同样也只是其业务之一。
可以预见的是，随着AI技术融合RPA落地的可行性增强，将会有更多的人工智能企业会推出RPA产品，或是以合并的形式加入RPA战场。
企业应用场景贫乏，人工智能技术落地遇阻
近些年的人工智能，借助云计算、大数据等技术实现突破之后，当前业内谈的最多的已不再是技术难度如何，而是怎么落地实用。相对而言，随着AI技术的不断开源、发展与完善，深度学习、语义识别等人工智能的主要技术，企业通过研发相应的算法与模型都能获取。但想要把这些技术应用到某些行业，则需要足够多的应用场景与可行性方案。
本质上，人工智能技术应用于企业主要有两个作用：一是，让企业能够具备这个能力去改造现有服务流程，并进一步使企业面向的用户受益其中，提高产品生命周期与服务满意度；二是，可以通过优化及简化企业内部运作流程，实现企业的增效降本，进而提升企业核心竞争力
当前而言，主要的人工智能企业已将AI技术融入到解决方案之中。譬如云计算服务商的各种“大脑”与多行业智能解决方案，企业只需将这些解决方案引入，就可以借助这些“智能化”能力优化自身以及服务客户。这种实施方案看上去很简单，但其中却存在一个严重问题，那就是当前中国企业的BI(商业智能)环境太差。
事实上，目前人工智能技术落地的最大障碍也正是企业应用场景的缺乏。举个例子，某企业想把带有AI技术的CRM系统应用于运营，但实施团队考察之后发现在其现有的信息化程度下根本无法实施，除非重新构建其信息化系统才能保证CRM的应用，就需要投入更多的成本。企业经过核算，发现这种实施方案投入产出比并没有想象的那么高，索性就先不做了。
这个案例只是中国万千企业引入AI时所面临困难中最简单的案例，更多企业面临的情况还要复杂的多。中国的企业虽已跟随互联网历经十几年的信息化发展，但除了少数大型企业与互联网企业，大部分传统企业不够完善、不具标准的信息化场景，在没有进行信息化改造之前的碎片化场景并不适合引入AI方案。这，也正是令人工智能企业头痛的主要问题之
一。
RPA充当场景“媒介”，或为人工智能落地最佳方式
目前最常见的AI应用方式，是以云服务的形式融入到企业ERP、CRM、OA等信息化系统之中。但很多企业存在的问题是现有ERP等系统没有得到有效应用，或者一直打算改造但因为预算及施工周期会影响企业整体运营策略而将计划搁置。这种情况下，让企业再花钱上一套智能ERP系统或者改造现有信息化系统，估计很多企业难以接受。
AI技术也可以软硬一体的模块化形式离线应用于企业各种软硬件设备，只是将其引入企业运营流程的难度也不小。每一项AI技术的应用都将需要一笔价值不菲的预算，不是每个企业都能用得起人工智能，很多企业亦就此放弃了引入AI的打算。
RPA的出现与应用，则给了广大企业以曙光。RPA几乎可以无视企业信息化的场景完善完整与否，理论上只要是企业运营流程中存在重复的、规则性的工作任务就可以应用。甚至在没有组网仅有几台电脑的办公场景中，都可以用RPA来优化运营流程，提升办公效率。
类似于游戏的窗口化等增强工具，对企业运营中应用的office、ERP、CRM等软件而言，RPA就是一种“外挂”形式的存在。不管企业是否有标准的信息化流程，不管企业应用什么样的办公流程软件，RPA以“外挂”的形式在不破坏原有信息化架构的基础上最大化帮助企业实现运营流程的自动化。
尤其是RPA也可以接入OCR、NLP等技术，使得企业不用大费周折就能应用人工智能技术，这是大部分企业之前从没有想过的。从这个角度而言，RPA起着“媒介”的作用，不具备AI应用场景的企业在应用RPA之后，就能通过RPA的API接口应用相应的人工智能技术。这，也是人工智能企业看重RPA的重要原因。
此外，从RPA产品的进化迭代来看，所有RPA产品最终都会以IPA (RPA+AI)的形式存在。这个发展趋势由用户需求衍生，也由RPA技术发展路径决定，并已得到头部RPA企业的践行。由此，在UiPath等国外老牌RPA企业将AI技术融入RPA产品之后，国内的达观数据、云扩科技等企业也相继发布了智能RPA。
从企业运营的商业流程来看，RPA处于操作员与应用系统交互接口的位置。RPA是企业业务操作员与系统的人机交互接口，而嵌入智能技术的RPA就属于人工智能应用率先落地，将会在未来的应用中处于关键地位。
对RPA企业而言，人工智能意味着产品的未来。对部分人工智能企业来讲，RPA可能已成现阶段AI技术落地的最佳方式。同时，也是企业实现人工智能的最佳捷径。
后记：RPA将成人工智能企业重兵杀器
经历了几年的火热，2016年人工智能开始在资本市场降温。热炒的技术与估值，在资本机构回归理性投资之后，不管之前有技术壁垒还是资源优势，最终这个赛道竞争的落脚点又回归到了市场格局。
人工智能下半场选手们比拼的是落地能力，谁的落地能力强，谁能争取到更多客户，谁就能获得更多的市场份额，也就能得到资本的长期垂青，最终在估值高悬众星捧月的氛围中IPO上市。
在AI企业生死时速的狂奔中，最重要的莫过于短期内占有一定的市场份额，才能进一步讲出更好的资本故事。很多企业都在抓耳挠腮，偏偏就在“如何做、怎么做”的问号一直萦绕在AI企业心头之时，突然火爆RPA一下就成了解决人工智能落地难题的万能钥匙。
相关数据统计，RPA在未来十年会有大几万亿的市场价值。而RPA的终极形态又是IPA，这使得RPA可能会成为是AI技术落地应用的最大场景，而人工智能也将成为主导RPA的重要技术。
而从发展趋势上，接下来RPA有望成为企业运用流程自动化的通用解决方案，或者会成为流程自动化解决方案的主要方式之一。也就是说，以后不只是的RPA供应商，包括PaaS、SaaS平台以及ERP、CRM供应商都将首选RPA作为解决企业增效降本的通用方案，人工智能企业又可以AI技术供应商的身份从上游为这些企业提供RPA智能解决方案。
这一点，已在RPA供应商的产品发展规划中得到验证。当前主流RPA厂商的产品规划中，基本都包含了增强AI技术，其中NLP技术、知识图谱技术等都是重点，这也是来也科技擅长的技术方向。
这意味着，RPA不仅会成为部分AI企业落地的重兵，同时也将成为更多人工智能企业做大做强乃至上市的杀器。
