2023年1月4日，国内知名财经科技平台钛媒体与旗下技术高管社区ITValue重磅发布了「创新场景50」年度最佳场景实践榜单，聚焦数字化转型创新场景。 实在智能RPA·数字员工凭借在联通集团财务公司的亮眼表现，斩获"最佳流程自动化场景实践"奖。一同入围的还有德勤、腾讯云智能、飞书等优秀企业案例。 钛媒体认为，数字化就是创新场景的叠加。此次推出的「创新场景50」系列经典实例，旨在遴选全行业数字化创新领域的优秀应用案例。凭借方案创新程度、方案匹配度与重要性、客户痛点解决完成度、可量化价值等四个维度的综合评定，实在智能RPA数字员工成功入围年度「创新场景50」"最佳流程自动化场景实践"案例。 如今，数字经济日新月异，企业数字化进程全面加速，大规模业务线上化给企业发展带来新契机，已有不少企业乘借数字化东风，积极谋求数字化转型。联通集团财务公司也紧抓机遇，通过建立智能财务系统，实现了业务跨越式变革与发展。 一、人机协同，数字员工助力提质增效 在基础的财务工作中，财务人面临大量的费用报销审核、付款、记账工作。重复性高、复杂度低，费时费力还容易出错。 针对这些痛点，实在智能携手联通集团财务公司，将财务数字员工引进企业。从销售到收款、从采购到付款、从费用到报销等，实现了公司18个典型业务场景的自动化和智能化。 结合AI技术，实在RPA数字员工数字员工不仅可以模拟人工操作完成单一、重复的操作工作，还可以打通业务场景的"最后一公里",开展完成如信息收集、处理等更多类型的工作任务，解决了人力成本高、人为失误、数据安全等问题。 实在RPA数字员工在联通集团财务公司的部署，实现了以下三大成效： 1、全平台数据互通，增效 数字员工通过OCR、屏幕抓取、动作模拟等方式将不同平台、不同系统的数据全部整合，资源配置效率显着提升。 2、非侵入式部署系统，安全 数字员工以安全的、非侵入式的形式部署在客户现有系统上，不影响原有系统基础架构，数据安全性得以保障。 3、解放重复性劳动力，提质 数字员工可7×24小时不间断工作，且有效减少人为失误。员工从低效工作中被解放出来，人才创新力得以释放。 二、融合AI技术，真正实现RPA人人可用 除了财务流程自动化场景外，实在智能RPA数字员工也已在金融、运营商、能源、电商、教育、制造业等领域上岗，源源不断地向全社会输出数字化力量。 作为国内AI准独角兽企业及RPA赛道头部企业之一，实在智能始终致力于推动AI和RPA深度融合。经过潜心创新与深度打磨，实在智能推出了全行业首创的实在IPA模式，颠覆了传统RPA的"专家模式",带来革新版的"小白模式": 实在IPA模式跨越了"元素、拾取、变量"三座大山，打破了传统RPA"拖、拉、拽"的固有开发范式，大幅减少了普通用户学习RPA的成本。用户只需"点、选、用",按照正常业务流程直接操作业务软件即可完成RPA的搭建。从这个意义而言，实在IPA模式不仅可以真正实现"人人可用",更能成为千人千面的个性化数字员工搭建工具。相关阅读：RPA全称是什么 颠覆式革新的实在IPA模式的背后，是强大的AI技术支撑——国产自研、行业首创的智能屏幕语义理解技术（ISSUT）。它集合了融合拾取3.0、动态元素匹配、页面结构分析、屏幕语义抽取、多模态预意图预测等多项技术应用，使得IPA新模式具备识别屏幕、理解屏幕、操作预测和在线学习的能力，从而将RPA的易用性提升到了一个新高度。 越来越多的事实表明，数字员工就是企业数字化未来发展的必然阶段，是企业数字化能力水平的标志。在提供数字化解决方案的路上，实在智能将继续坚持技术创新和服务提升双轮并驱，构建个性化、流程化、智能化的客户服务创新场景，助力企业打造业务增长"第二曲线",助力各行业高质量发展。
11月7日，华为全联接大会（HUAWEI CONNECT）2022中国站在深圳拉开帷幕。多位业界领袖、专家对人工智能的创新实践进行了总结与分享。 在"释放数字生产力"主题演讲中，华为轮值董事长胡厚崑指出，创新的云服务将推动企业提升生产效率，实现跨越式发展。 以港口龙头企业天津港为例，基于华为云天筹AI求解器，天津港实现了人、港机、车、船、货的最优调度与高效协同，港口作业计划耗时从24小时缩短到10分钟，船舶在港时间缩短7%,大幅度地提升了港口运转效率和作业效率。这些提升能够为一个吞吐量300万标箱的码头每年增收2900万，具备强大的收益潜力。 华为云CEO张平安发布华为云盘古气象大模型和AI基因平台。张平安表示，应用现代化离不开AI能力。华为云坚持"AI for Industries",将人工智能应用于各行业的核心生产系统，持续加速千行百业智能化。 AI是释放数字生产力的关键技术之一。在"华为云AI持续创新，加速AI应用走深向实"分论坛上，华为云EI服务产品部部长尤鹏表示，为解决企业在AI落地时面临的挑战，华为云在"一切皆服务"的基础上不断夯实技术、平台、应用的能力，帮助降低AI应用门槛，让AI技术随取随用。 勇攀技术高峰，发布四项助推AI落地的新利器 天筹AI求解器智能建模工具，低代码助力提升建模效率：求解器能够解决优化决策问题，帮助企业提升效率。例如，在生产调度场景中，华为云天筹AI求解器助力供应链实现超大规模的多工厂生产排程，让供应能力最大化，提升库存齐套率37%,并且每年节省大量资金。但求解器应用门槛高，需要懂业务、懂运筹学、懂编程的专家将业务语言转化成数学模型，进而转化成编程语言。为帮助企业快速进行智能建模，华为云推出天筹AI求解器智能建模工具，将建模和模型维护过程智能化，简化开发人员的建模工作，大幅压缩原本需要数月的建模时间，将求解器建模速度提高30倍。华为云降低了企业应用求解器的门槛。 华为云盘古气象大模型，为行业数字化插上AI气象分析的翅膀：极端天气会带来巨大的生命和财产损失。华为云盘古气象大模型能够秒级预测未来7天全球天气情况，相比传统预报算法，速度提升1000倍、精度提升20%.今年8月，盘古气象大模型预测台风"马鞍"的轨迹和登陆时间，准确率达90%,远超行业平均水平。在海外，华为云为印尼打造了"国家海洋人工智能平台",助力预测海洋灾害，保障航行安全。此外，华为云AI for Meteorology还可以用于农业、航空、航天等领域。 华为云盘古矿山大模型，让AI推动矿山安全高效作业，沉淀专家经验：为了解决AI在煤矿行业落地难、门槛高等问题，华为云打造了全栈性能领先的盘古矿山大模型。只需导入海量无标注的矿山场景数据进行预训练，盘古矿山大模型即可进行无监督自主学习，仅一个大模型就能覆盖煤矿的采、掘、机、运、通等业务流程下的1000多个细分场景。华为云AI for Mine让AI应用在煤矿普及更容易。例如，在主运场景中，基于盘古矿山大模型的AI主运智能监测系统能够精准识别大块煤、锚杆等异常情况，异物识别准确率达98%.此外，相较于人工巡检，盘古矿山大模型实现了全时段巡检，帮助工作人员及时地发现问题，避免因漏检造成的安全事故，缩短停机时间，同时提升井下巡检人员的工作效率。 华为云盘古OCR大模型，一个模型覆盖通用文字识别场景：OCR技术是人工智能的基础之一，能够对结构多变、种类多样、来源丰富的非结构化数据进行识别与提取。传统的OCR厂商通常从特定的应用切入，陆续发展出卡证识别、票据识别、文档识别、表格识别、车牌识别、智能扫码等一系列细分OCR能力，通过组合的方式服务于各个行业。行业中每产生一个的新的识别场景，都需要在标注后才能训练一个新的模型。这使得OCR服务的开发、维护成本居高不下。华为云发布盘古OCR大模型，通过独有的对比学习与掩膜图像建模相融合的自监督学习方法，学习并充分利用大规模的无标签数据，实现一个模型覆盖多个领域的全部通用文字识别场景，并将标注工作量降低90%.此外，盘古OCR大模型在11项经典数据集测试中取得显着的精度提升，而且与原本领先的文字识别算法相比，盘古OCR大模型的精度平均提升5%以上。 丰富平台能力，以场景化AI资产提升AI开发效率 AI基因平台支持大规模基因组计划，助力精准医疗与药物研发：作为生命的天书，基因蕴含了许多病症的秘密。通过大规模基因组计划分析基因数据，是发现药物新靶点的重要途径。华为云AI基因平台支持大规模、全生命周期的基因组计划，并通过独有的AutoGenome算法，对基因组数据进行自动AI建模、分析和解译，构建疾病与基因之间的深层次图谱关系，加速药物靶点发现。华为云AI基因平台支撑了中东的"百万人基因组计划",单日分析数据超过1PB,相比传统HPC方案提速10倍以上，成本降低40%.华为云将通过AI for Healthcare,持续为人类疾病预防、诊断治疗、药物研发等贡献力量。 集成行业智慧，9大行业Usecase让AI落地更高效：为了便于千行百业的客户及开发者调用云上的AI能力，华为云与行业ISV携手，在华为云AI开发生产线ModelArts的基础上共同打造9个AI Usecase,覆盖生产、销售、服务、运营四大场景。这些AI Usecase和5万多个AI资产都沉淀在华为云AI平台上，帮助开发者基于海量的AI资产进行商业实践，提升AI开发的效率。实践表明，华为云AI资产能推动项目的平均交付时间从月级降到天级。 ModelArts Pilot支持AI应用自动生成，让开发者拥有AI开发助手：传统的AI开发过程强依赖于算法工程师。华为云与华为2012诺亚实验室联合南京大学周志华教授团队，基于学件思想，提出面向AI Gallery模型库的模型搜索与复用机制，支持利用已有AI资产，快速解决AI开发问题，开创了新的AI落地范式，并发布AI开发助手ModelArts Pilot.ModelArts Pilot通过多轮对话引导开发者输入行业或业务问题，通过语义理解将行业或业务问题转换为AI问题，并基于已有模型库进行查搜、推荐和调优，实现AI应用自动生成和解决方案的迁移复用。 ModelArts Pilot具备"零代码开发""丰富的模型资源""自动化"和"持续进化"四项优势。第一，用户仅需要提供数据和需求描述，即可触发自动化流程，在调用API后仅需几行代码即可完成AI应用开发；第二，提供2000多个覆盖零售、医疗、游戏等领域的优质模型；第三，基于人机交互引导的方式实现模型的自动融合和优化，可以不断迭代并提升模型效果；第四，随着AI应用的沉淀与积累，可基于模型知识系统进行自我迭代和持续进化。 打造"随取随用"新工具，加速人工智能应用走深向实 为加速人工智能行业应用走深向实，华为云AI在本次会上发布和升级了两个应用，帮助释放数字生产力。 华为云发布包含数字人接入、数字人驱动、数字人交互服务三个细分领域的数字人大脑，全面释放数字人生产力。在数字人生成与制作领域，华为云数字人大脑支持分钟级建模并训练2D数字人，小时级应用上线。与行业平均1-2天的定制时间相比，基于华为云AI数字人解决方案创建成熟数字人的效率得到大幅提升，最短仅需20秒训练样本。华为云还支持接入既有的3D数字人，仅需天级改造，即可快速接入数字人解决方案平台。为了让数字人"更聪明",华为云数字人大脑能够将华为云知识计算、华为云盘古大模型等技术"传授"给数字人，帮助开发者实现输入少量文本或语音就让数字人开口表达，生成动作，在线直播，以及实时交互。 此外，华为云对端云协同、软硬件一体化的智能流程机器人方案进行了升级。智能流程机器人是面向企业流程自动化、智能化的应用层方案。华为云将云上的AI能力与RPA控件、低代码能力进行整合，支持灵活组合，让AI服务与业务系统无缝衔接，打通企业流程自动化的断点。经过与生态伙伴的共同积累，智能流程机器人已在财务、供应链、合同管理等场景沉淀了超过40个流程资产，具有行业共性，企业及开发者可以随取随用。在实践中，智能流程机器人让开发者平均降低70%的重复工作。 促进行业标准化进程，华为云发布预训练大模型白皮书 分论坛上，华为云发布预训练大模型白皮书，博瀚智能（深圳）有限公司CEO郭玮、华为云EI服务产品部部长尤鹏、华为云人工智能领域首席科学家、IEEE Fellow、国际欧亚科学院院士田奇共同出席发布仪式。 华为云盘古大模型于2021年4月正式发布，到2022年聚焦行业应用落地，已发展出基础大模型（L0）、行业大模型（L1）、行业细分场景模型（L2）三大阶段的成熟体系。华为云不断迭代盘古大模型的能力，在计算机视觉、自然语言处理、科学计算等领域为业界贡献了覆盖百余个业务场景的先进算法和解决方案，帮助更多领域专家快速掌握AI技能，创造更多商业价值。 人工智能产业已成为新一轮科技革命和产业变革的核心驱动力，推动中国经济实现高质量发展，并深刻影响人民生活和社会进步。华为云将持续夯实技术、平台、应用的能力，优化AI应用开发模式，加速千行百业智能化进程。
作为迪拜出租车公司 （DTC） 改进的一部分，RTA 总干事兼执行董事会主席 Mattar Al Tayer 宣布了这一消息。 在与 DTC 员工的一次会议上，Al Tayer 解释说，DTC 批准的项目包括智能方向系统，其中人工智能将用于分析大数据，以自动将出租车引导到需求预测系统指示的最高需求点。 该项目将减少燃料消耗并增加每辆车的行程次数。 获批的项目包括机器人流程自动化 （RPA），它将使车辆的运营效率提高 3%,将需求最高区域的数据和预测准确性提高 10%,并缩短行程时间并提高生产百分比公里。它还将使旅行接受率提高 15%,并将人力资源成本降低 20%. Al Tayer 解释说："项目组合包括部署出租车和特斯拉车辆的智能分配系统，自动收集豪华轿车服务（优步和 Careem）的日常收入，对出租车采取预防性维护措施，根据容量分配预订请求特斯拉汽车的电池，并在电池到期充电时向驾驶员发送通知。" 2022 年上半年，DTC 创造了 1.18 亿迪拉姆（3213 万美元）的利润，并签署了七项出租车、豪华轿车和公共汽车的商业协议。 Al Tayer 还检查了特斯拉 Model 3 车辆，该车辆已添加到 DTC 的出租车队中，以扩大环保车辆的使用。他还检查了 236 辆新部署的校车，包括 52 座和 36 座类别。校车配备了最新的安全措施，包括室内和室外摄像头、学生检查系统、运动探测器和自动灭火系统。 "这个过程需要加强出租车和豪华轿车的车队，加强交通方式的整合，并提供具有一系列舒适和护理选择的移动服务，以配合酋长国的快速增长并减轻公共交通乘客的移动性，"Al泰尔补充道。
客户经常会问我们这样一个问题：市场上充斥着如此多的新技术，机器人流程自动化（Robotic Process Automation, RPA）是否将被人工智能等更先进的技术所取代？或者，SAP 和 Oracle 是否将打造自己的机器人能力，令RPA三大技术被新的技术所取代？RPA 是否只会昙花一现？ 准确地说，不会。RPA 将继续存在并发展下去。 为什么说 RPA 将持续发展下去，你只需要照一下镜子就清楚了。人体由多个不同的系统构成，它们必须协同工作，才能全面正常地发挥功能。你需要大脑来思考，需要眼睛来看，需要耳朵去听，需要嘴来说话，需要腿来行走，需要胳膊来拿东西，需要胃来消化食物。进一步来说，所有这些系统都与神经和血管密切连接，确保它们彼此之间的沟通。 市场上所有的新技术类似人体的不同感官或功能：图形处理相当于人的眼睛；交互式语音识别（Interactive Voice and Speech Recognition, IVSR）相当于人的耳朵；聊天机器人相当于人的嘴；数据则相当于人的血液；应用程序接口（Application Programming Interfaces, API）相当于神经；区块链相当于社交网络（有一天可能将不仅于此）；而 RPA 无疑相当于人的手。推荐阅读：RPA未来发展前景怎么样 RPA 协作实现数字化流程 RPA 是我们用来完成工作的工具，是我们用来将日常工作实现自动化的一项最佳的技术。正如我们可能用手来建一座桥或用机器来制造一个新的汽车部件那样，我们运用 RPA 这一技术来运行我们的数字化流程。尽管人工智能善于进行分析、检测、思考、预测和解决问题，但它却不擅长于处理我们具重复性的日常工作。 人体需要多个系统协同工作，才能真正有效地正常运行。如今，这一原理也适用于这些新技术。如果将 RPA 与人工智能两个引擎相连，那么 RPA 就会成为智能流程自动化（IPA），从而根据经验而非二进制规则来做出机器人决策；如果将 RPA 与聊天机器人 /IVSR 相连，则将令机器人能积极参与、交互并收集数据，最终扩大其所具备知识的范围以及交付能力；而结合 RPA 与图形处理，将成为医学筛选或癌症检测的未来发展方向。 换句话说，作为人类，我们的大脑是通过对双手的利用而不断进化和发展的。现在我们观察到，有机会利用 RPA 工具自动将数据输入一个人工智能平台，来"训练"其人工智能的发展。 企业要获得成功，每一项工具需要与其他工具和谐地进行协作，解决根本的业务问题，释放人力于更深层次的创造性工作。而单一的技术实施往往已经无法满足需求，企业现在所运行的系统（人员、流程和技术）极其复杂，存在不同的配置需求，涉及到广泛的部门与人员。为了成功驾驭这一颠覆性技术，实施还需要配合良好的培训、沟通、新的职业发展路径、变更管理、企业文化和领导能力等。 从根本上来说，人们需要从一些操作性工作转至创意性和需要批判性思维的相关工作。要全面实现这一目标，组织将需要实施巨大变革。
2022年9月1日至3日，由国家发展和改革委员会、工业和信息化部、科学技术部、国家互联网信息办公室、中国科学院、中国工程院、中国科学技术协会和上海市人民政府共同主办，以"智联世界 元生无界"为主题的第五届世界人工智能大会（WAIC）在上海世博中心等展馆召开。 这三天，是当今前沿智能技术舞台的展示时间。各大场馆变身企业竞相"晒出"最新技术产品的陈列空间。众多会议厅更是呈上了数以百场不同主题的会议和论坛，请来学术泰斗、技术大咖和商界翘楚到场分享，从产学研全角度回顾和探索行业发展道路。 大会另设有"元宇宙会场",奉上在虚拟空间以虚拟形象观摩开幕式的奇趣体验，让与会者直观地参与和体验技术之境。数字人、机器人与流动的人潮共同构成了2022世界人工智能大会展馆的图景。 从"金融科技"、"智能驾驶"、"可信AI"、"隐私计算"、"智能算网"、"绿色计算"、"生物计算"、"图智能技术"、"脑机智能"、"量子人工智能"、"生成式人工智能"、"数字孪生"到热门的"元宇宙"概念，都是会议期间讨论的话题。 在2022年世界人工智能大会全体会议产业发展论坛上，蚂蚁集团副总裁、首席技术安全官韦韬提出，人工智能在产业的大规模应用落地，亟需解决安全可信、协作共识、复杂计算、存储成本、降低耗能等问题，需要在隐私计算、区块链、图计算、分布式数据库和绿色计算等AI大规模应用的"根技术"上深耕探索。 蚂蚁集团洪春涛："图计算"可能成为下一代的数据底座 云、网、数、链和人工智能都被业界称为数字底座的技术基础设施。 9月1日，"新一代图智能技术发展与实践论坛"举行。蚂蚁集团图数据库负责人洪春涛提出，图技术是未来大数据、人工智能和高性能计算产业发展的关键所在，它很有可能会成为下一代的数据底座。在大数据时代，技术新星"图计算"吸引到与会者的目光，成为这场技术盛宴的焦点之一。 图数据库区别于关系型数据库，基于图模型，使用点边来表示、存储、处理数据，拥有灵活的数据抽象模型，能够更好地表达出"关系"的概念。 据悉，蚂蚁集团2015年开始自研分布式图数据库、流式图计算等图相关技术，2016年发布自研分布式图数据库，并应用于支付宝。 蚂蚁集团和清华大学共同研发的TuGraph.蚂蚁TuGraph是一套分布式图数据库系统，可以支持万亿级边上的实时查询。此次开源的TuGraph单机版，具备完备的图数据库基础功能，可以轻松支持TB级别数据和百亿级别大图，是世界上有测试纪录的"最快"的图数据库。 在论坛上，蚂蚁集团图计算负责人陈文光宣布，开源蚂蚁集团高性能图数据库TuGraph单机版，并成立图计算开源技术委员会，由中国工程院院士郑纬民、陈纯分别担任主席、副主席，5位业界知名专家担任委员。 TuGraph单机版的性能相较于市场上常见的开源产品高10倍以上。据介绍，TuGraph开源采用Apache2.0协议，在Github和Gitee上进行托管。据了解，TuGraph 正在与复旦大学合作，通过与脑科学领域的跨学科合作，将图计算应用于神经元模拟仿真探索。据悉，TuGraph座位蚂蚁集团金融风控能力的重要基础设施，已应用于能源、电信等行业。 中国工程院院士、清华大学教授郑纬民评论，当前图数据库正在成为发达国家科技企业竞相布局的新兴热门领域。在图数据库时代，我们有机会与国外企业同期起步，现在布局正当其时。 可信隐私计算应是数据密态时代核心基础设施 近年来，《密码法》、《数据安全法》和《个人信息保护法》相继实施和出台。当数据已经成为重要的生产要素，在释放数据价值同时，数据安全是行业长期发展的基石。 隐私计算能够实现原始数据不出域，让数据价值层面的流通。其作为数据安全问题的解决思路已经成为共识。如今，隐私计算已不再只是前沿技术，而已经落地到应用中。隐私计算领域的多方安全计算、联邦学习、可信执行环境、插分隐私、同态加密都在亦步亦趋发展，交叉融合。当今时代被描述为告别"数据明文时代",迈入了"数据密态时代". 面对"数据密态时代",蚂蚁集团副总裁、首席技术安全官韦韬提出，未来有两条路径，一条是做可信隐私计算原生生态；另外一条时从传统大数据生态走向密态化的路径。他认为，可信隐私计算一定是数据密态时代核心基础设施。 在隐私计算基础之上，可信隐私计算的概念被提出，中国信息通信研究院云计算与大数据研究所副所长魏凯总结，可信赖的隐私计算的产品平台必须有安全保护技术、隐私保护技术、溯源审计技术、性能增强技术这五个可信特性支撑，要安全可证、隐私保护、流程可控、高效稳定和开放普适。 据介绍，蚂蚁集团自2016年起开始推进隐私计算技术研究，打造了面向开发者的可信隐私计算开源框架"隐语"、面向行业商用的隐私计算平台"摩斯",以及承担综合能力调度的"区块链+隐私计算"融合技术平台FAIR. 2022世界人工智能大会上，蚂蚁科技的"隐语"可信隐私计算技术栈被评为大会八大镇馆之宝之一，其覆盖了全栈可信技术、多方安全计算、联邦学习、同态加密等隐私计算全谱技术域。继7月开源"隐语"可信隐私计算框架之后，9月3日，2022世界人工智能大会（WAIC）可信隐私计算高峰论坛上，蚂蚁集团发布可信隐私计算"隐语开放平台",支持低代码调用隐私计算技术，用户无需调用和开发代码，可"拎包入住". 当人工智能进入快速发展期，未知的挑战也随之而来。在韦韬看来，人工智能的发展程度有很多衡量的标准，但从安全维度评估，它还处于初级阶段。新一代人工智能的发展和大规模应用不仅要解决数据驱动的问题，还要解决安全可靠问题。 前沿技术融合实践进行中，隐私计算和区块链技术融合平台FAIR升级 单项技术在各自领域绝尘开拓，而当面临落地的产业应用实践时，技术融合是必经之途。 隐私计算和区块链均是近年来大数据行业受到关注的明星。蚂蚁集团数字科技事业群蚂蚁链技术总监闫莺表示，其坚信隐私计算、AI和区块链等技术深度融合，实现数据的资产化流转才是真正能够释放数据价值的技术方向。 蚂蚁集团在去年发布了首次实现隐私计算和区块链技术的原生融合的蚂蚁链隐私协作平台FAIR.FAIR是由蚂蚁数科蚂蚁链团队开发，深度融合了隐私计算和区块链这两项技术的优势，来解决数据流转过程中"可用不可见",以及多方协作之间的数据权属和真实性等问题。 该平台的协作流程由智能合约驱动，数据流转由隐私计算引擎来解决，并通过区块链技术确权，登记和交易共识。在数据共享过程中有效保护个人信息，实现全流程可记录、可验证、可追溯、可审计。在本届世界人工智能大会上，FAIR宣布整体架构升级。闫莺介绍道，蚂蚁链隐私协作平台FAIR兼容全类型隐私计算选型，目前已经实现与隐语、FATE等隐私计算开源框架以及摩斯等隐私计算系统的对接互通。 在金融风控、联合营销、医疗健康等场景中，巨量的多方数据计算任务结果，直接影响着业务的协作效率。实践结果显示，FAIR平台针对亿级数据的安全匹配（PSI）应用中端到端计算能力提升10倍以上，大规模数据（40万行900列）联合建模场景下端到端的算法能力提升28倍，将典型需要小时级完成的计算任务缩减至不到3分钟。 除了FAIR平台升级、开源高性能图数据库TuGraph,发布隐语开放平台，蚂蚁集团还在大会期间推出业内首个工业级全数据AI检测平台。"隐语"可信隐私计算技术栈被评为大会八大镇馆之宝之一。 前沿技术各行业领域落地开花 金融、医疗、自动驾驶等行业都是智能数据技术应用重地。世界人工智能大会也展示了各类应用相拥。 在开幕式上，世界人工智能大会公布大会最高奖项卓越人工智能引领者（Super AI Leader,简称SAIL奖），最终评出5个"SAIL 奖"和6个"SAIL 之星"项目。中国科学院自动化研究所基于昇腾AI的全球首个三模特大模型"紫东太初"等获得"SAIL 奖";蚂蚁集团的智能风险感知与响应联合反诈系统等获评"SAIL 之星". 医疗行业已有隐私计算落地应用，瑞莱智慧推出的企业级隐私保护计算平台RealSecure,据悉，某联盟医院慢性病联合研究项目，通过其隐私计算方案，实现十家成员医院间病例数据的安全共享。 自动驾驶车辆也亮相2022世界人工智能大会。西井科技的智能换电无人驾驶商用车Q-Truck与商用级自动驾驶小巴Q-Shuttle亮相，全时无人驾驶商用车Q-Truck曾入围2021SAIL奖Top30.据了解，西井科技Q-Truck车队在港口打造了无需安全员的无人驾驶集卡常态化运营场景，业务涉及泰国林查班港口、天津港、厦门港等。 在大会期间，作为央企的数字科技力量，中电金信发布了三款AI产品，包括专注金融的机器学习平台的"模法师机器学习平台"、"鲸图知识图谱平台"、数字化劳动力产品解决方案"鲸Bot RPA".据介绍，模法师平台已经给10多家的金融机构，给3家能源客户使用。此外，中国电子金融级数字底座"源启"刚于不久前发布。 中国电子旗下二级公司中电金信金融服务副总经理谢晓全谈到，从今年开始，看到大量的RPA机器人流程自动化（Robotic process automation）公开的市场招标，根据统计，公开招标情况50%多都集中在保险、金融、证券这些机构。其介绍，鲸Bot RPA产品拟服务银行智能营销、智能信贷等领域。以RPA为代表的人工智能技术正在改变金融行业的服务模式。 "元宇宙"之火铺面而来 "元宇宙"无疑是2022世界人工智能大会的主角。进入世博中心主会场正门，环形的元宇宙展台占据C位，不时有数字人与观众互动。在开幕式现场，更有360度的舞台设计呈现了多维全角度的视觉体验。张江科学会堂场馆以及西岸场馆都不乏"元宇宙"元素。 在"AI+元宇宙"投融资论坛上，中金资本董事总经理张清表示，元宇宙作为数字经济的新赛道，引起了全球各界的广泛关注，随着云计算、人工智能等前沿技术的发展，元宇宙概念已经不再遥不可及。AR/VR/XR终端智能设备、基础设施的算力需求等领域将会日益增长，也奠定了未来五到十年元宇宙在数字产业中重要的发展趋势和方向。 就元宇宙的发展路径，中金公司研究部软件、电信和教育行业首席分析师钱凯表示，需要先打造元宇宙技术维度的底层地基，而后搭建元宇宙的经济及治理系统，最终才能迎来应用场景的迅速发展。软硬件的协同迭代将推动元宇宙世界的发展螺旋上升，C端场景的率先测试也可能进一步催生B端场景的规模经济效应。 第三方支付企业也介入了这场大潮。在上海金融信息行业协会主办、分布信息科技等承办的"区块链+元宇宙新生态论坛"上，据汇付天下首席架构师梁星元介绍，汇付的数字化权益（NFR,Non-FungibleRights,非同质化权益）解决方案涵盖数字藏馆、NFR发行、数字营销、全场景支付体系、数智交易核销管理等版块。 梁星元认为，支付科技在元宇宙生态建设上有天然的势，既可以提供 "虚实相生"的全应用场景支付解决方案，也可以实现权益、支付、税收一体化，在数字权益的发行和核销上，通过支付智能终端形成线上线下闭环。此外，梁星元表示，支付拥有全链路的交易闭环，不仅解决了数字交叉营销的问题，也能完成营销后的交易闭环、财务闭环；在面向未来的合规发展方面，亦可通过实时交易数据沉淀的多维度数据分析模型。 在论坛上，分布科技CEO达鸿？谈到，元宇宙是一个集生产、交易、消费、娱乐等各种经济活动和文化活动发生的沉浸式的数字世界，它与传统的虚拟游戏最大不同是在当中会发生生产和交易，有各种经济活动的存在；这也是与过去VR不一样的地方，人们是真实在里面生存着。 对于Web3与元宇宙，达鸿？分析，元宇宙中的生产与交易的三要素主体包括虚拟的数字人格，既然有生产交易就会有要素，一个是元宇宙主体是链上身份虚拟数字人格，二是元宇宙市场，通过合规运营的开放可编程平台，并且在里面流转的是链上合规的人民币。他表示，有了主体、市场，这里交易的标的或消费生产的标的是元宇宙的商品，或叫做"数字商品". 分布科技也展示了旗下中国元宇宙技术基础设施"灵境生态",通过灵境主网连接各个区块链网络，提，供跨链枢纽和透明的数据存储；从链上服务到链下服务，链上提供完善的元宇宙即服务、数字身份等，为各场景提供一站式友好服务；链上身份支持用户自主掌握身份数据和交易数据；此外，有链上人？币支持元宇宙原生的支付功能。 在产业元宇宙论坛上，联盟由中国信通院牵头组建的"虚拟现实与元宇宙产业联盟"筹备工作启动，目前已吸引近200家单位加入，涉及虚拟人、沉浸影音、适人终端、关键器件、基础设施、业务平台、创新应用等多个元宇宙生态圈关键环节。
很多人在抱怨每天又忙又累，越活越像个机器人。因为每一份工作中，都有一部分机械性的事情，虽然无趣，但我们却不得不做。报销就是一个典型的例子：我们需要把发票按序整理，从中提取出日期、地点、商户、金额、报销类目，一一填入表单，无比烦琐。毕竟人不是机器，难免对重复单调的任务感到厌倦。人擅长做的是沟通交流，情绪感知，跨界思考。公司方面，由于人力资源成本的不断上涨，招工难现象的出现，就导致越来越多的企业与公司倾向将一些业务流程转接给 RPA 机器人；但是由于 RPA 的发展受到时间与技术的制约，现阶段还不能完美的适应管理者一些智能化的要求。那么很多人就会猜想 RPA 与 AI 结合，会不会产生火花呢？下面百里剑兰就给大家简单聊聊 RPA 与 AI 如何结合，才能更加完美？ RPA 会经历四个阶段的发展：辅助人工、解放人工、增强智能和自主智能。现在的 RPA 处在第一和第二阶段，不涉及到决策层，只是帮助人执行预先定义好的流程。需要人在初始化和运行的过程中参与监控，确保实施的准确性。 第一个阶段 辅助人工 这个阶段的 RPA 可以辅助人工完成许多基础的数据输入，应用调度的任务，但工作过程仍然需要人工参与。RPA 会部署在单个设备端，往往是帮助单个员工提升工作效率。 RPA 与 AI 如何结合，才能更加完美 第二个阶段 解放人工 这时候 RPA 可以自动完成端到端的工作流程，无需人工干预。RPA 可以部署在中央控制台，从而进行工作流调度和任务排队。但这些用例仍然不需要外部知识，规则也是相对静态的。 第三个阶段 增强智能 RPA 不仅可以模仿人类，而且可以融合感知技术。RPA 可以获取相关的外部知识，自动化处理目标文档中的非结构化数据，例如发票信息（图像）和来自客户的邮件（文字）。任何一个业务流程的自动化都需要串接许多技术模块。如果 RPA 不具备 OCR,语音识别，实时翻译等功能，那其实还会有很多中间步骤需要人机交互，人工复核，自动化的需求就没有被完整地满足。 第四个阶段 自主智能 自主的智能不仅需要对目标有增强的认知，还需要有自动归纳和学习的能力。未来大部分流程可以通过观察大量的人工操作来学习。企业中的业务流程多种多样，如果遇到长尾用例，神经网络可能需要大量的数据才能训练出理想的效果。未来的 RPA 或许可以通过观察不仅是流程也包含流程产生的数据结果，进行自主的学习和判断，自定义新的机器人来适应动态的规则。自主 RPA 还可以结合外部知识做出更好的决策，比如收集社交媒体上产品评论的机器人能够自发学习新的缩略语和别称，自动扩展关键字列表，确保原始数据的完整性。同时企业也可以为机器人提供更多的参数，使 RPA 更了解运行的环境。 随着企业希望从部署的 RPA 解决方案中获取更大价值，RPA 将会成为融合不同自动化技术的平台，比如可以融合更多的分析和智能。企业中需要自动化的并不是技术，而是如何把人，流程和技术融为一体。 未来的 RPA 不仅仅是帮助提升工作效率的一个企业级产品，还可以成为一个让所有人都操作自如、渗透到生活中无所不在的产品。如果开发机器人的门槛继续降低，真正实现无代码或自动编码的理想阶段，那每个人都可以用自己的智慧和创造力设计出成百上千个小机器人，将自己从重复、繁琐的杂事中解放出来，腾出更多时间专注于自己的天赋和热情。机械性被削弱了，生活自然会变得更有"人味儿",甚至生活与工作间的界线也会逐渐淡化。
在多个行业中，随着时间的流逝，自动化已成为一项惯例。从自动驾驶汽车到社交媒体帖子，自动化已无处不在。根据一份报告，机器人流程自动化（RPA）软件收入在 2018 年增长了 63.1%,达到 8.46 亿美元。它成为全球企业软件市场增长最快的部分。到 2019 年底，rpa 软件的收入也将达到 13 亿美元。 尽管 RPA 如今已侵入几乎每个行业，但该技术的主要采用者是银行，保险公司，电信公司和公用事业公司。这是因为这些行业的公司通常拥有旧系统，而 RPA 解决方案很容易与现有功能集成。 RPA 与人工智能，深度学习，机器学习和自然语言处理经常被同时提及。但是，存在差异 - 许多人认为自动化的每个方面都是人工智能，这是不正确的。RPA 和 AI 是两种水平技术，具有不同的目标和界面集。 RPA 与 AI 的真正区别 人工智能基本上是关于计算机模仿人类思维的能力 - 无论是识别图像，甚至解决问题或辩论。 您可以看一下 Facebook 的 AI 研究以更好地了解。在这里，社交媒体巨头为 AI 系统提供不同的图像，然后机器提供精确的结果。当机器上显示一条狗的照片时，它不仅将其识别为狗，而且还识别了该品种。 RPA 是一种技术，它使用一组特定的规则和算法，并以此为基础自动执行任务。尽管 AI 更加专注于执行人类级任务，但 RPA 实际上是一种可以减少人类工作量的软件，它是在节省企业和白领员工的时间。RPA 的一些最常见示例是将数据从一个系统传输到另一个系统，薪资处理，表格处理等。 尽管 AI 比 RPA 领先，但如果将两者结合起来，这两种技术就能够将事情提升到一个新的水平。例如，假设您需要使用特定格式的文档来进行扫描，而 RPA 可以完成此任务。如果您使用的 AI 系统可以过滤出格式不正确或不合适的文档，则 RPA 的工作将更加容易。这种协作称为自动化连续体。 RPA 与 AI 未来在一起 RPA 和 AI 的发展速度很快，未来几年市场肯定会更加光明。甚至 IBM,Microsoft 和 SAP 等巨头公司也越来越多地使用 RPA.这意味着，它们正在提高 RPA 软件的知名度和吸引力。此外，新的供应商也正在出现并且发展迅速，并开始标志着他们在行业中的地位。 但是，不仅仅是 RPA 成为话题，AI 的角色也是当前最重要的事情之一。自动化连续性的想法在许多组织中变得越来越流行。业界现在正在见证他们的能力以及为什么不这样做— AI 可以读取，收听和分析数据，然后将数据输入到可以创建输出，打包并发送输出的机器人中。归根结底，RPA 和 AI 是组织可以用来帮助组织数字化转型的两项有价值的技术。 展望未来，似乎不仅仅是关于 RPA 和 AI 取消人类工作的谈论，关于机器成为人类的助手的谈论将会更多。
不断扩展的人工智能领域包括许多术语和技术。这自然会导致重叠和混乱。人工智能和机器学习经常被一起提及，以至于某些人（尤其是非技术人员）可能会认为它们是同一个人。它们是相关的，但实际上不是可互换的术语：机器学习是 AI 的子集或特定学科。 那是一个相对简单的例子。开始将其他术语和技术添加到组合中，并且进一步误解的机会比比皆是。 破解术语和技术之间的差异需要借助机器人流程自动化（RPA）和 AI 来解决。我们将对它进行分解，以便您可以向非技术人员解释它。 AI 和 RPA 有什么区别？ 实际上，两者之间的基本关系存在一些分歧。虽然几乎每个人都同意机器学习是一门 AI 学科，但 RPA 和 AI 并没有相同的共识。正如我们 由哈佛商业评论分析公司（Harvard Business Review Analytics）撰写的研究报告 "现实世界中的执行人员指南"所指出的那样："有人质疑 RPA 是否符合 AI 的要求。" 缺乏共识的一个原因是， 到目前为止，RPA 技术和 用例还不是那么"智能".RPA 可以很好地处理以前需要人工的重复性，基于规则的任务，但是它不会像深度神经网络那样学习。如果自动化任务发生了变化（例如，Web 表单中的某个字段发生了移动），则 RPA 机器人通常将无法自行解决该问题。 尽管如此，即使您在阵营中认为 RPA 实际上没有资格成为 AI,RPA 和 AI 之间仍然存在一定的关系。而且这种关系正在增长。 "增强和模仿人类判断和行为的 AI 技术补充了 RPA 技术，该技术复制了基于规则的人类行为 ." "这两种技术密不可分，就像传统的’白领’知识型员工和’蓝领’服务型员工共同协作，为提高组织的生产力提供了动力。" RPA 和 AI 如何一起工作 从某种意义上说，您或我是否将 RPA 视为 AI 的特定分支都没有关系。重要的是，我们知道这两种技术将如何越来越紧密地结合在一起，就像霍夫所说的那样。 RPA已经在最近几年取得了一些显着的进步："RPA 产生了重大的飞跃，在过去几年基于云的 API 和常见的数据格式的进步，这使各种服务可以在自动化的工作流程中相互交流。" 现在，随着它与 AI 技术一起部署，RPA 有望进一步提高功能。 随着 RPA 与自然语言处理或计算机视觉等 AI 学科相结合，有效自动化的可能性也在增加。 "目前蓬勃发展的 AI 技术（即深度神经网络）正在 RPA 工具箱中添加全新的工具，主要用于视觉和语言任务。" "现在，可以在决策节点之前无法实现的这些功能上启用 RPA 工作流程。这使文档和图像可以通过算法整体地"查看",并为下游逻辑和路由进行解释。" 因此，随着 RPA 与自然语言处理或计算机视觉等 AI 学科相结合，有效自动化的可能性将大大增加。 "接轨 AI 与 RPA 使企业能够更复杂，终端到端到端的流程比以往任何时候都更聪明，更快的自动化和预测建模和见解融入这些流程，以帮助人类工作，" 什么是智能自动化？ "随着 AI 算法变得越来越复杂，软件机器人可以从自动执行特定流程过渡到充当具有完全认知能力的业务助手，能够实时自动处理各种重复性任务，最终使人们摆脱繁琐的重复性工作。" "就像农业革命看到人类每周从农业上过渡七天一样，第四次工业革命可以取消每周五天的工作，使我们可以将时间花在人类最擅长的工作上 - 创造性地思考。" 如果这听起来不错，那么很大，这是因为确实如此，这就是为什么全世界如此关注这些主题的原因。 RPA 与自动化：人类有足够的空间 事实上，这是"大"的东西 - RPA 和 AI 的配对可能带来显着向前移动，向一些关于自动化和今后的工作中更加崇高的预测。但是要保持扎根，还应该提醒我们自己，配对技术也仅代表了 RPA 当前功能的增长。因此，现在还不算我们人类之外。 "净效应将是扩大 RPA 以获得更高的生产率工作流程的范围，" Costenaro 从说 Jane.ai."随着这一波扩张浪潮的成熟，这项技术将在综合，创造力和战略思维的新边界上奔跑。这些领域没有明确的自动化研究途径，因此，在上游 RPA 工作流程的推动和协助下，人类将继续执行这些任务。"
现阶段由于人力资源的步步高升与业务数量的不断增加，导致很多企业陷入了两难的境地；不获取新的人力资源，完成不了现阶段所有的工作任务；获取新的人力资源，高额的成本又吓退很多企业。这时候RPA的出现则完美的解决了这些问题了，它可以很好的完成人类给于的任务，关键它出错的概率很小，而且成本低廉；但是很多人却对 RPA 的未来很担忧，认为未来是 AI 的市场，rpa 终将会被淘汰，其实不然；随着科技的发展，RPA 也会慢慢的顺应时代的要求。接下来百里剑兰就给大家聊聊RPA 未来将变成什么样子，希望大家对未来的 RPA 充满信心。 1、RPA 的广泛采用 越来越多的企业开始意识到 RPA 的优势并在其业务中实施 RPA.在 2018 年，RPA 的影响已经变得更大，并开始从主要用于预算较大的跨国组织转移到国家，中型企业和小型企业的领域。随着这种情况持续到 2019 年，越来越多的公司将使用该技术来完成更广泛的过程。推荐阅读：RPA 应用在哪些方面 2、扩展到更多领域 随着 RPA 越来越成为主流，并且发布了更多的用例，RPA 的用途将扩展到更广泛的行业，包括拥有强大实力的行业，包括银行，金融服务和保险，制造业，零售，法律以及石油和天然气。 3、RPA 外部流程能力的发展 更多组织正在继续尝试 RPA 并见证其结果。因此，鼓励许多人尝试该软件的功能；这使得该行业为创新做好准备，新的应用程序自然会很快出现。由于 RPA 当前专注于业务的内部流程，因此认为随着创新的进行，RPA 可以为外部流程做的事情很可能会发生发展。 4、内部流程能力将至高无上 尽管如此，RPA 将始终保持其对内部流程的核心关注。传入电子邮件分类是该领域的一个示例，该领域将借助 RPA 进行大规模改进。在不久的将来，将通过 RPA 以及分析和数据分析来管理大多数由一组协议控制的计算机辅助流程。 5、与其他工具整合 将 RPA 与其他工作场所工具结合使用将变得越来越普遍。随着公司在其流程中增加 RPA 的采用，很明显，与他们使用的其他工具集成时，RPA 的效果最佳。这将导致 RPA 与其他工作管理平台一起使用更多。 6、更高的 AI 功能 人工智能和 RPA 通过它们的共享历史有着内在的联系。因此，随着 RPA 超越简单的基于规则的技术，预计 RPA 的下一阶段将包括与 AI 的更多集成也就不足为奇了。相关阅读：RPA与AI有什么区别 7、SPA 将出现 Smart Process Automation 或 SPA 被誉为 RPA 的下一个体现。如今，大多数组织中部署的 RPA 都在努力实现非结构化数据的自动化，而 SPA 将结合机器学习，大数据，人工智能和云技术来从非结构化源中提取数据，并使用更加智能的规则集对其进行上下文处理。
RPA 是模仿人类行为的软件机器人，而 AI 是机器对人类智能的模拟。 许多人经常问到机器人过程自动化（RPA）和人工智能（AI）之间的区别。一些人甚至混淆了两者相同。更糟糕的是，许多供应商现在都在使用诸如智能自动化（IA）或智能过程自动化（IPA）之类的商标。对于初学者而言，所有这些行话可能会非常令人困惑，甚至令人生畏。为了帮助您，我们整理了此文章，重点介绍 RPA 和 AI 之间有什么区别。 RPA（机器人流程自动化）是一类自动化软件工具，RPA 可以通过操作者介面使用和理解企业已有的应用软件，将基于规则的常规操作自动化，例如读取邮件和系统、计算、生成档案和报告，检查档案、发送邮件与文档等。因此，RPA 的应用范围非常广泛。在未来，那些你不想做的枯燥的工作，就真的可以不做了；重复化、标准化的工作都可以让 RPA 机器人帮你完成。推荐阅读：RPA能干什么 RPA适用的领域是企业具有明确业务规则、结构化输入和输出的操作流程，如财务、人力资源、供应链、资讯科技等。RPA 的技术本身适用于业务高频、大量、规则清晰，人工操作重复、量大、时间长的任务。规则清晰的定义则是可以把详细的、人工操作的每一步动作都能写下来的操作手册。简而言之就是流程标准化程度要足够高。 以发票处理为例，由于 RPA 中的每个活动都需要进行明确的编程或编写脚本，因此实际上不可能教给机器人确切的位置，以便为每个收到的发票提取相关信息。因此，需要 AI 像人类一样智能地解密发票。 当然，可以仅通过 RPA 处理发票处理。在这种情况下，我们将部署通常称为有人参与的自动化。 参加自动化或机器人桌面自动化（RDA）就像是一个虚拟助手，可以与您的员工共同工作。 如果说 RPA 就是机器人的神经网路，那么 AI 是机器人的大脑。 AI 即人工智慧，是研究、开发用于模拟、延伸和扩充套件人的智慧的理论、方法、技术及应用系统的一门新的技术科学。AI 企图了解智慧的实质，并生产出一种新的能以人类智慧相似的方式做出反应的智慧软件，该领域的研究包括机器人，语言识别，影象识别，自然语言处理和专家系统等。总的说来，AI 研究的一个主要目标是使机器能够胜任一些通常需要人类智慧才能完成的复杂工作。 目前人工智慧主要应用的领域： 个人助理（智慧手机上的语音助理、语音输入、家庭管家和陪护机器人） 安防（智慧监控、安保机器人） 自驾领域（智慧汽车、公共交通、快递用车、工业应用） 医疗健康（医疗健康的监测诊断、智慧医疗装置） 电商零售（仓储物流、智慧导购和客服） 金融（智慧投顾、智慧客服、安防监控、金融监管） 教育（智慧评测、个性化辅导、儿童陪伴） RPA 和 AI 的区别是什么 归根结底，RPA 只是 AI 宝贵的实施工具，可用于帮助组织的数字化转型。 实施 RPA 或 AI（或两者）的选择实际上取决于您的特定用例，确保"适合目的"是关键。 对于 RPA,许多公司都列举了一些原因，例如想要获取"廉价的劳动力",快速的实施和投资回报（通常在数周或数月之内），低成本和复杂性等。 许多人都在明智地选择将 RPA 用作通往 AI 的数字楼梯的第一步。 希望本文能使您更加清楚 RPA 和 AI 的区是什么，我们期待着您的 RPA 与 AI 之旅。
在由机器人流程自动化（RPA）的会议上，肯定有很多关于人工智能（AI）的话题。不幸的是，大多数谈话似乎只会使人们对这种最新，最被炒作的技术感到困惑。提出的框架显示 RPA 和 AI 是一个"连续体",有些模型似乎表明从RPA到 AI 有着自然的"旅程",而其他人则谈到 RPA 是 AI 实现其全部价值"必不可少的"的工具。一些专家谈到了 RPA 或 AI 之间如何"抉择".这些都没有真正帮助读者与会者如何区别 RPA 与 AI.下面百里剑兰就给大家简单讲讲RPA与AI有什么关系？ AI 是 RPA 的延续-虽然可以说 RPA 是这两种技术中相对简单的一种，但实际上它们是完全不同的技术。关键区别在于 RPA 的机器人是"机器",而 AI 是"自我学习".RPA 机器人将完全按照您的要求执行操作，并且一次又一次地完全相同。当您具有基于规则的流程（对合规性和准确性至关重要）时，这是完美的选择。但是，在存在歧义的地方，通常是当流程的输入是非结构化的（例如客户电子邮件）或存在大量数据时，则 AI 是合适的技术，因为 AI 可以管理这种可变性，并且大多数情况下重要的是，通过自己的经验不断完善它。 RPA 到 AI 之旅 -很多案例研究中，公司先实施 RPA 然后再实施 AI,但这仅仅是因为 RPA 是比 AI 更成熟的技术。有更多的公司实施 RPA 而完全不实施 AI 的例子，因为他们实际上不需要 AI.RPA 在提供人力资源，准确性和合规性方面做得非常出色，而 AI 却无处可寻。当然，有些公司在没有 RPA 的情况下实施 AI.这不是旅程，只是基于特定需求的一系列选择。 RPA 对 AI 的依赖 -RPA 仅在支持 AI 时才有价值。显然，这是能够提供两种技术的供应商提出的一种自我实现的观点，但这是不正确的。如上所述，许多公司在无需考虑或不需要 AI 的情况下实施 RPA.如果您想要合规，可重复的流程，并且可以为机器人提供结构化数据，那么为什么要引入 AI 来使事情变得复杂和混乱呢？ RPA 与 AI 选择其一 -即企业需要在 RPA 和 AI 之间做出选择-换句话说，这是它们实现此目标的最佳选择达成目标？到目前为止，这两种技术实际上已经很好地互补，例如，在流程开始时通过使用 AI 来构建非结构化数据，通过使用机器人来处理交易，然后可能使用 AI 来进行决策和/或最后的数据分析。推荐阅读：RPA全称是什么 那么，为什么所有这些混乱和错误的信息呢？供应商和提供商显然会出于自身利益而建立与自己的能力和营销信息相一致的框架和模型。而且，尽管 RPA 的定义非常明确（带有成熟标志：它自己的缩写），但是某些混淆肯定是由用于描述人工智能的多个术语引起的；人工智能，认知计算，机器学习，NLP 等。
人工智能技术越来越强大，比如AI文章生成器自动生成文章，AI绘画工具可以创造各种风格艺术艺术画作，它们甚至还可以发明专利。那么问题来了，人工智能发明出来的东西可以申请专利吗？ 美国联邦巡回法院已经裁定，人工智能系统不能获得发明专利，因为它们不是人类。 据悉，计算机科学家斯蒂芬塞勒（Stephen Thaler）为其创造的各种人工智能软件工具的产出申请版权和专利。2019年，塞勒为其称为 "创意机器 "的人工智能系统一幅图像申请版权，结果遭美国商标局 （USPTO）驳回。 2020年，美国专利局还裁定，塞勒的人工智能系统DABUS不能成为合法的发明人，因为它不是一个"自然人",这一决定随后在2021年得到法官的支持。 在最新发布的裁决中，美国联邦巡回法院法官 Leonard Stark 再次确认了原有的裁决，他在法院意见书中写道"根据美国专利法，只有人类才能持有专利。" 业内分析认为，该裁决确认了美国人工智能专利法的现状，并支持了正在慢慢巩固的国际法律意见。欧盟专利局和澳大利亚高等法院近年来都做出了类似的裁决。相关阅读：AI是什么意思 由于不满裁决结果，塞勒计划寻求最高法院对该案进行复审。值得一提的是，他在英国、欧盟和澳大利亚的类似案件中败诉，但在南非获得了人工智能发明专利。
技术进步向来都是改变商业运作方式的重要因素。在数字时代，您几乎可以想到一千种改变企业运营的创新技术的发展。比如说，RPA已经成为了简化传统业务流程和系统的重要手段。它能够使用自动化技术为繁琐的后台任务提供所需的功能，例如数据提取、文件传输和其他类似操作。机器人自动化的概念主要集中在使用软件工具来复制人机界面中的操作，并使用多个软件应用程序来执行不同的任务。 一、我们能从RPA中得到什么？ 当您听到"机器人"这个词的时候，您可以想象它可以完成人类能完成的所有任务。那么，RPA 会不会将机器人而不是人类工人引入劳动力市场呢？ RPA工具的目的并不是取代底层的业务应用程序。 相反，它们有助于自动化人类工人现有的手动任务。 它主要涉及 API 和用户界面交互的组合，用于在企业和生产力解决方案之间集成和执行不同的冗余任务。RPA 工具可以利用脚本模拟不同的人工流程，以确保可以在不同的非关联的软件系统中自动执行不同的事务和活动。相关阅读：RPA是什么意思 机器人自动化的使用主要集中在基于规则的软件上，用来处理大量的业务流程活动。 因此，企业可以腾出人力资源来优先处理需要人工干预的更复杂的任务。 基于机器人的自动化应用已经帮助了企业主和决策者去加速数字化转型的工作，也产生更高的投资回报率。 二、RPA与AI是相同吗？ RPA 的含义和定义指出了它与人工智能的相似之处。如果基于机器人的自动化工具或软件机器人需要保持竞争力，那么它们必须超越任务自动化的范围。现在，RPA工具必须提供智能自动化的扩展功能。有了智能自动化的新先例，RPA 显然必须专注于整合人工智能的不同组件。 基于机器人的流程自动化在机器学习、计算机视觉和自然语言的处理方面都取得了巨大进步。智能过程自动化的概念不仅仅关注传统机器人驱动的过程自动化中简单的基于规则的系统。人工智能和机器学习还在训练算法中发挥着至关重要的作用，可以使用数据更快、更有效地完成任务。 但是，您必须注意，RPA和AI是两码事。人工智能是认知自动化、假设生成和分析、机器学习、推理和自然语言处理的独家组合。RPA和AI之间的一个最重要的区别是后者是数据驱动的。RPA 自动化的流程驱动性质与 AI 的性质形成鲜明对比。您可以注意到 AI 如何利用机器学习来识别数据中的模式以及从数据中学习的。另一方面，RPA依赖于最终用户定义的流程。相关阅读：AI是什么意思 人工智能专注于模拟人类智能。而基于机器人的过程自动化工具旨在复制人类的任务。他们都专注于减少对人工干预的需求，尽管采用了不同的自动化方法。 虽然 RPA 和 AI 彼此不同，但您不能破坏它们之间的互补关系。例如，AI可以支持任务的完全自动化，同时解决复杂程度更高的用例。同样，RPA可以在人工智能洞察方面起到关键作用，而不是等待人工实现。 三、RPA 如何提供更好的自动化？ RPA 含义的详细概述以及关于人工智能的一些误解要求我们调查它如何提供更好的自动化。您可以通过深入研究其工作原理来理解为什么机器人驱动的流程自动化可以提供更好的自动化。可以帮助您了解 RPA 流程在自动化中的效率的第一件事是核心功能。基于机器人的过程自动化功能的主要亮点是它可以向您展示有关其工作的更多信息。以下是定义软件机器人工具工作的一些关键方面。 用于开发自动化脚本的低代码特性。 与不同的企业应用程序无缝集成。 管理和管理任务，例如配置、安全和监控。 自动化平台可以像人类一样工作，并执行日常任务。例如，聊天机器人展示了 RPA 在自动化客户服务业务任务方面的最佳应用。企业可以使用聊天机器人软件，而不是让专门的客户服务人员回答客户的常规问题。聊天机器人帮助实现与客户的自动化通信，也确保了信息中的人性化体验。后端连接到数据库以及企业 Web 服务的设施可以推动自动化方面的改进。同时，RPA的真正价值体现在更快、更容易的前端集成上。 四、为什么我们应该使用RPA? 在详细了解了 RPA 技术的基本原理和工作原理之后，您一定对它的使用有一些疑问。它可以提供给您正在寻找的价值吗？这些数据展示了基于机器人的过程自动化的高效方面。 根据 Pegasystems 的一项调查，大约 63% 的全球高管认为 RPA 是数字化转型计划中的一个重要元素。 根据 Forrester 对基于机器人的流程自动化对员工体验的影响的研究，大约 57% 的受访者认为 RPA 工具可以减少人工错误。 德勤的一项调查表明，大约 92% 的受访者确认改进了基于机器人的流程自动化的合规性。近 57% 的企业高管表示，基于机器人的流程自动化在提高员工敬业度方面发挥着至关重要的作用。 大约 60% 的高管还表示，RPA 流程将人工干预的重点放在更具战略性的任务上。 您可以注意到在企业领域中基于机器人的流程自动化的良好看法。现在，您可以考虑以下好处作为开始使用机器人驱动自动化的理由。 简单 与 RPA 技术相关的最重要的价值优势是非技术用户的简单性。专注于有限的编码，用户可以通过自动化工具中的简单拖放功能启动机器人驱动的自动化。 可用性 RPA的另一个优势是可用性。当您有机器人全天候工作时，客户等待时间会变得更短，从而确保更好的客户满意度。 没有人为错误 机器人遵循其代码中定义的特定规则和流程，可以大大减少人为错误。 生产力 RPA 自动化的下一个显着优势是生产率和成本节约。机器人驱动的自动化可以让团队腾出时间从事其他更重要的工作，这有助于提高生产力。同时，企业可以通过提高投资回报率和生产力来抵消对 RPA 工具的投资。 无干扰 最重要的是，您还应该注意基于机器人技术的流程自动化的破坏性最小这一事实。企业采用自动化技术，但不会中断底层系统，企业可以在底层系统不受任何干扰的情况下采用自动化技术。即使没有 API 或资源，也可以使用机器人来创建深度集成。 我们可以在哪里使用RPA? RPA已经成功地进入了许多现实世界的用例。以下是一些基于机器人的流程自动化用例，您可以在任何业务中尝试。 客户服务 使用RPA技术的客户支持系统自动化，可以在生产力方面为企业带来长远的好处。客户服务流程基于规则的特性使其成为实现基于机器人技术的流程自动化的理想候选者。 人力资源管理自动化 RPA用例的另一个值得注意的例子是HR自动化。人力资源自动化案例展示了很多关于使用RPA的前景。比如，使用RPA来实现新员工入职流程的不同方面的自动化。 您可以探索在转换传统企业操作中实现RPA工具的广泛用例。探索机器人过程自动化的世界，以及它为当今企业带来的大量可能性。
RPA在国内正得到前所未有的关注，但其并不是一项可"孤军奋战"的技术。只有在融合AI技术完成互补的基础上，方能"二人同心，其利断金",为银行、企业等带来更高价值。 RPA得资本追捧，或成金融业增强核心竞争力的重要工具 2019年，RPA在资本浪潮中崭露头角，为国内RPA元年。目前其正深受资本的欢迎。 据《银行科技研究社》不完全统计，2021年1月至2022年4月，有16家RPA企业共融资26起，多笔融资金额达到1亿元人民币以上，单笔融资最高金额1.5亿美元，为弘玑C轮融资。其中2022年以来的几笔较大融资有：达观数据C轮5.8亿元融资、影刀RPA C轮1亿美元融资、来也科技C++轮7000万美元融资等。 谈到较为理想的RPA应用领域，标准化程度较高的金融业，必是其中一个。 毕马威和腾讯金融研究院、腾讯云联合发布的《数实共生·2022金融科技十大趋势展望》报告显示，"RPA加速金融业自动化、智能化"是其中一个趋势，RPA带来的价值将成为未来金融业的核心竞争力之一。 RPA对于银行来说，是一个降本增效的有力工具。RPA的优势在于：可不间断工作，节省人力成本；提升业务处理、运营管理效率；相对人工操作，准确性高；可解决跨系统采集数据的难题，消除操作断点问题；部署较为灵活快速，不影响原有计算机系统等。 在银行，RPA可用于营销、风控、运营、信贷、数据处理、反洗钱、税务申报、报表制作等场景。 据悉，目前各银行已完成招标的RPA建设项目有70个左右。 RPA实际应用存在较大局限性， 银行打造RPA+AI融合项目 但是，RPA并不是万能的。随着银行应用深入及需求进一步挖掘，RPA的弊端和局限性显现。 RPA主要处理大量重复、规则明确的结构化数据。然而，在银行，基于规则化数据的业务只占一小部分，剩下的则大量涉及图片、文字甚至音视频等非结构化数据，且非结构化数据每年都在快速增长。RPA对此"耸肩摊手",表示无能为力。 比如当RPA进行跨系统采集数据的时候，遇到非结构化数据，只能"歇菜",其优势便得不到有效发挥。 因此，银行打造数字员工，仅有RPA是不够的。RPA只能成为数字员工的四肢，处理一些简单业务。 而处理非结构化数据，是AI技术擅长的。得此搭档，RPA便能打破限制，拥有来自于"大脑"的智慧，可进行思考决策，处理更复杂的数据。 可以这么说，AI是RPA不可或缺的Buff. 可与RPA结合的AI技术主要有，NLP（Natural Language Processing,自然语言处理）、OCR（Optical Character Recognition,光学字符识别）、ML（Machine Learning,机器学习）、CV（Computer Vision,计算机视觉）、KG（Knowledge Graph,知识图谱）等。 据《银行科技研究社》了解，已有多家银行打造RPA和AI融合的项目。 比如山西银行RPA项目，旨在建立RPA平台并结合OCR、NLP等AI组件，使用机器人完成数据比对、抽取分析等工作。 上海农商行在进行新一代审计系统POC供应商征集时，要求系统具备机器学习、OCR、语音识别、RPA等技术的应用与整合能力。 宁波银行召集异构RPA选型项目供应商时，要求其对RPA技术有比较完整的体系规划及前瞻性，包含但不限于从数据分析、人工智能技术集成等方面的全生命周期的产品功能覆盖，如人机交互能力、AI集成能力等等。 另外，工行RPA+AI企业级智能数字劳动力建设方案，以机器人流程自动化服务平台为基础，集成计算机视觉、自然语言处理等人工智能技术。以RPA技术作为更多AI技术落地应用的加速器，实现RPA控制力与AI认知力相互融合，从而解决传统业务场景的非结构化数据操作、跨系统连接、人工决策等问题。 RPA厂商正探索与AI的融合， 在银行多场景落地应用 在技术领域，超自动化（Hyperautomation）或已成热门词汇，其连续三年入选Gartner技术趋势报告。超自动化，其实是RPA、AI等技术的集合。RPA+AI,两者结合还创造出"IPA"这一词。 显然，RPA+AI,或成为未来重要趋势。因此，RPA厂商在努力融合AI技术。 比如金智维K-RPA数字员工助力银行数字化建设方案，以"RPA+AI+大数据"为核心技术，其中AI技术包含OCR、NLP、ASR自动语音识别、KG知识图谱、计算机视觉等。 弘玑的超自动化解决方案融合了人工智能和机器学习等技术，RPA产品线囊括NLP、机器学习、计算机视觉等一体化AI技术。其在银行的应用有信贷部房融贷信息填写及合同生成、大额和可疑交易填补、征信查询、银行发票验真、银行可疑预警基础报告生成、业务作业分配等。 来也科技于2019年进入RPA+AI市场，已打造基于"RPA+AI"的智能自动化平台，并应用于银行、保险、政府等领域。在银行内的应用场景包含对公开户、反洗钱监控和报送、贷款资质审核、企业账户年检、报销业务审核等。银行客户有兴业银行呼和浩特分行、华夏银行福州分行、南洋商业银行等。 值得一提的是，来也科技2022年收购了法国对话式AI公司Mindsay. 达观数据的银行机器人解决方案，集成流程机器人、计算机视觉、NLP、知识图谱等技术，赋能信贷审批、国际业务、风险管控、智能营销、运营管理、财务税务等业务。据悉，某国有大行与达观数据联手研发整合RPA+OCR+NLP的智慧信贷机器人，已完成企业征信查询、财务报表解析、信贷合同制作、审批意见书智能解析等多项核心能力落地应用。 赛旗的iS-RPA也已集成OCR、NLP、CV等AI能力，且新版本支持本地化部署AI能力，在银行业已应用于营运管理、计划财务、网络金融、人力资源、资产管理、审计、信用卡中心等场景。 可以见得，RPA和AI"相爱",正带来一次绝妙的"联姻".
健乐保近日宣布，已完成千万级的天使轮融资，本轮融资由宇烨健康领投、独立知名风险投资人跟投。本轮融资主要将用于进一步推动AI+RPA保险平台的完善和推广。 据了解，健乐保平台隶属于深圳意诚格物科技有限公司，于2022年6月成立，创始之初即定位于"打造算法驱动的智能用户需求平台",通过AI人工智能科技优势进行挖掘数字化的保险需求，再通过RPA（机器人流程自动化）实现保险工作流程全自动，致力服务保险流程一体化和自动化。 据健乐保创始人谢平川介绍：健乐保平台自6月底上线以来，已签约超过100家头部及腰部保险中介公司，并建立紧密合作关系，快速地取得了商业模式的验证，并将和多家合作方开展进一步的深度合作。健乐保团队位于北京及深圳、珠海三地，核心的合作方式采用邀请注册及熟人推荐制。 谢平川表示："在获得本轮融资后，更有利于我们加速打造的AI+RPA保险平台，并可以进行全面推广。"具体而言，即通过健乐保AI技术持续分析，从而帮助流量平台在保险垂直领域深度挖掘用户需求，并进一步为用户提供保险产品和服务；同时健乐保AI不断深度学习，针对不同层级用户特点进行分级管理；再通过健乐保RPA能力，做到自动填表、自动预审、自动计算和决策、自动创建报表，自动分发……进而达到高质高效完成用户需求与保险服务匹配，通过健乐保AI+RPA保险平台服务保险从业者。
依托三大自主研发的核心技术：知识库、智能风控引擎和可配置化理算引擎，栈略数据为医保、商保、再保、保险中介等各行业合作伙伴提供大数据智能风控创新解决方案，为健康险行业建立理赔"护城河". 保险科技公司上海栈略数据技术有限公司（下称"栈略数据"）是国内"RPA+AI"在医疗健康保险领域的探索者，目前已成为保险医疗支付解决方案的重要提供商。 作为企业数字化转型的趋势之一，RPA技术（RoboticProcessAutomation,机器人流程自动化）近几年正成为全球资本关注的亮眼赛道。因其可通过模拟并增强人类与计算机的交互过程，代替人力完成高重复、标准化、大批量手工操作的特点，被视为助力保险行业数智化转型的有力工具之一。 麦肯锡数据显示，全球RPA市场规模在2025年将达到1000亿美元，并将以每年64%的增速成为人工智能相关领域中发展最快的技术之一。 2021年4月，全球RPA头部厂商UiPath在纽交所上市，成为美国历史上最大的软件公司IPO之一，上市后该公司市值最高超过500亿美元，目前市值约103美元。 UiPath的亮眼成绩也带动了国内RPA再次成为创投圈的焦点。据企名片数据统计，2021年，国内RPA领域有13起融资事件，比2020年翻了一倍，融资金额超过10亿元。栈略数据就是其中一员。 技术很重要但非唯一 2021年12月31日，栈略数据宣布获得近1.5亿元C轮融资。本轮融资由君联资本领投，盛景嘉成、广发乾和、华智资本跟投，山景资本担任融资顾问。 自成立以来，栈略数据已完成6轮融资，投资方包括君联资本、高榕资本、富慕资产、DCM、普华资本、丹华资本、领沨资本、信也科技、威诚资本、360数科、华智资本、广发乾和等。其中高榕资本、华智资本等机构参与了公司两轮融资（表1）。 公司核心创始团队来自硅谷一线科技公司，由资深技术专家、资深保险业务专家及医疗专家组成，拥有丰富的人工智能、大数据、云计算技术及保险风控经办业务经验。公司创始人和CEO刘戈杰是塔夫茨大学计算机工程硕士，曾与哈佛教授郭健创建医疗大数据公司TenxorTech,曾任硅谷公司Telenav（NASDAQ:TNAV）的高级软件工程师。 "RPA+AI"技术是栈略数据的优势之一。公司通过"RPA+AI"一站式智能风控服务平台为商业保险公司及医保局、审计部门等监管机构提供企业级大数据风控解决方案。 刘戈杰认为，栈略数据获得资本青睐，是基于公司的技术能力、团队配置乃至品牌影响力等综合因素。 在刘戈杰看来，"技术本身是重要的，但并不是最重要的。最重要的是找到适合的应用场景，然后不断随着业务的成长来打磨。虽然栈略数据即将走过6个年头，但目前也只能是将RPA+AI的技术理念和技术框架在一些具体场景中进行了初步应用，未来还有比较大的成长空间，需要时间来进行打磨。" 盛景嘉成母基金创始合伙人刘昊飞表示："作为一支具有硅谷技术+医疗+保险综合背景的创业团队，栈略数据凭借自身过硬实力以及对保险客户在业务层面的深入洞察，找到了保险支付、保险控费这片属于自己的蓝海，团队稳扎稳打，让公司在过去几年实现了长足的发展。" 建立理赔"护城河" 栈略数据利用RPA+AI技术结合，赋能保险数字化运营全流程，对商保机构、医保机构、服务机构予以支持，创造了独特的价值。 2022年4月，中国银保监会下发《关于我国商业健康保险发展问题和建议的报告》就提到，中国商业健康保险仍处在发展的初级阶段，在产品供给、理赔服务等方面仍存在诸多不足。如何利用人工智能大数据的数字化科技能力，帮助医保和商保控费，为健康险行业建立理赔"护城河",提升有效理赔率，降低不必要理赔支出，已经成为产业各方的关注重点。 事实上，国内健康险业务前景广阔但渗透率低，长期存在运营成本高、赔付风险大的痛点，同时缺失可用性的标准化数据格式，这些都为相关参与方带来了运营压力。 据悉，对10万被保人的数据进行理赔合理性评估，发现50万余条数据中疑点数据超4万条，约8%的索赔金额存在异常。涉及问题包括：就医流程不规范、个体就诊异常、数据异常、理赔金额异常等。 而且，在传统的健康险智能审核过程中，存在着刻意规避规则的欺诈风险难以被发现、风险提示案件数量不可控、假阳性高等问题。而稽核团队资源有限，难以逐条审核，规则库本地化调整的工作量又极大，实施流程复杂，对稽核流程的效率影响非常大。 针对这些痛点，栈略数据运用"RPA+AI"技术，搭建了健康险智能理赔、智能调查，政府医保智能审核、长护险智能管理以及大数据反洗钱、大数据治理等平台，不仅能为商业保险机构、再保险机构和保险经纪公司提供理赔和风控全流程服务，还能为医保部门、审计机构、银行等提供智能风控、基金管理、智能稽核、数据治理、反洗钱等服务，为相关政策制定调整提供决策助力。 以健康险理赔端为例，传统的保险理赔环节包括报案、信息提取和理算等，对人工依赖程度较大，不仅效率低下而且容易出错。而栈略数据提供的自动化理算引擎能配合保险公司的自定义规则，自动判定报销范围及报销金额，缩短理赔时效，提升运营效率，降低人工失误。 具体来说，栈略数据主要提供两个方面的服务。 一是自动化理算，主要应用于商保。栈略数据为保险公司提供一套自动化理算系统，配合保险公司的自定义规则，帮助稽核人员高效的判定理赔案件的赔付结果。举例来说，在一起报销案件中，传统上稽核人员需要人工判定药品是否在报销范围内，而自动化理算系统中包含全面的医保三大目录信息，可以自动判定是否报销及报销金额，帮助稽核人员和保险公司缩短当前健康险理赔时效，优化核保流程。 二是风险识别，覆盖了商保及社保。通过对医疗知识图谱和历史医保数据的机器学习，栈略数据建立了一套智能风控模型，能够识别异常的诊疗行为，从而帮助保险公司进行决策。结合医保数据和医疗知识的多维度综合分析，智能风控系统可以有效识别来自医疗方的欺诈行为，同时，栈略数据也拥有自身的医疗团队，帮助对此类风险进行判别。 "‘RPA+AI’技术已经应用在了健康险理赔的全流程。在报案、信息提取、理算、剔费等环节中，栈略都结合RPA+AI技术进行了全链条整合。"刘戈杰表示。 另一方面，针对医疗、重疾等不同险种中承保、理赔、客服、调查等不同环节的需求，栈略数据还开发了机器学习模型和医疗知识图谱。在数据层面有效检测核保、理赔过程中的风险点，为保险的各核心环节精准控费；其大数据和人工智能技术还能反向赋能保险定价，精准预估保险产品中不同责任条款组合的风险，从而丰富产品形态，扩大承保用户范围。 截至目前，栈略数据已与中国人寿、中国人保等保险公司、药厂等数百家相关行业伙伴建立了密切合作关系。 立足内地深耕亚太 刘戈杰表示，公司在立足广阔国内市场的同时，继续深耕亚太保险市场。"在下个阶段，栈略数据将在亚太市场继续发力，特别是业务开展已初具成效的东南亚及其他各国市场，稳步推进并打造世界级保险科技RPA+AI平台技术、风控模型建设以及运营服务能力。" 据了解，早在2018年底，栈略数据就在中国香港成立了栈略国际总部，并于2020年成功入选香港特别行政区政府创新创业企业推荐计划，及香港数码港培育计划金融科技孵化项目。 以香港市场为起点，栈略国际在亚太保险市场探索RPA+AI的落地已有三年时间。目前已将其风控模型和RPA+AI体系在中国香港地区和新加坡、越南、泰国等国家的本地商业保险公司及医保监管机构进行成功落地。 C轮融资领投方君联资本执行董事戚飞表示："近些年，百万医疗险、惠民保等新形态险种出现，未来的商业健康险会深入更多细分医疗场景中，而栈略数据对于医疗信息的智能化分析处理和风控审核能力，在多年服务医保和商保的过程中，已积累了非常丰富且专业的经验。包括对于医疗场景的理解，对于医疗数据的AI分析算法，都使栈略数据成为行业的佼佼者。我们也希望继续帮助栈略数据找到更多的健康险场景和机会，成为保险公司与创新药械公司之间的桥梁。"
人工智能 （AI） 和机器人过程自动化 （RPA） 有很多共同点。它们都是越来越受欢迎的技术，企业安装量逐年加速。他们都承诺彻底改变致力于数字化转型的公司。到目前为止，它们都被归入组织内部的孤岛，需要高技能但稀缺的从业者才能成功部署它们。 结合起来，人工智能和 RPA 技术 可以实现智能自动化，从而实现快速的端到端业务流程等等。 AI 自 1960 年代以来，人工智能一直存在。它指的是机器，通常是计算机，执行过去需要人类智能才能完成的任务。今天，人工智能正在改变人们的生活和工作方式，并融入到跨行业和环境的解决方案中。 RPA 机器人过程自动化中的"机器人"一词并不是指物理机器人或人工智能机器人。它是一个软件机器人或机器人，可以自动执行平凡、重复的任务和流程，消除人为错误，并在很大程度上提高生产力和效率。 RPA 机器人自动执行所有基于规则的任务。此外，他们可以复制/剪切和粘贴数据、定期移动文件和文件夹、抓取网络浏览器、填写表格以及从文档中提取数据。 机器人根据 RPA 合格工作人员指定的规则完成任务，或者它们可以利用内置的 AI 功能。RPA 可以提高人力资源、金融服务、医疗保健、供应链管理、客户服务、会计、数据输入等广泛领域的效率。 今天的流程自动化非常适合企业，提供： 用户友好 - 易于设置操作 灵活性——能够适应您组织的需求 非破坏性——不需要对工作场所进行重大改变 可扩展性——可以增长以适应不断增加的工作 集中化——机器人可以从一个中心位置控制 易于使用——无需编程专业知识 安全性——坚如磐石、万无一失的保护 人工智能和RPA的应用 虽然它们有很多共同点，但人工智能和机器人过程自动化是两种不同的技术。RPA 非常高效，但它只执行用户或程序员告诉它做的事情，而 AI 可以自学。RPA 可以自动执行所有基于规则的任务，而 AI 可以弥补 RPA 的不足之处。 RPA 处理结构化数据。AI 用于从文本、扫描文档、网页和 PDF 中的半结构化和非结构化数据中收集见解。人工智能通过处理数据并将其转换为结构化形式以供 RPA 理解，从而带来价值。 AI 和 RPA 如何以及为什么可以结合 这两种技术可以相互支持，并且可以在集成中共存，以形成一个更强大的智能自动化平台——自动化任何前台或后台业务流程，并在联合的人机团队之间协调工作。 以下是您在一个软件包中使用 RPA 和 AI 的一些原因： 大幅提高员工的生产力。 为您的员工节省痛苦、乏味、烦躁和重复性的工作。 消除工作场所的人为错误，并确保获得正确的结果。 更有效地改进数据管理并节省成本。 通过定制的仪表板和定制的报告支持获得完整的流程透明度。 AI 和 RPA 不再局限于程序员。该技术以智能自动化的形式很容易被业务用户使用。
看牙贵的问题让不少牙齿有问题的人望而却步。其中有不少人怀疑，有些牙科诊所的医生存在诱导消费、过度诊疗的情况，理解和信任诊断仍然是一个挑战。 而随着人工智能的应用，患者在看牙上的体验或将得到有效改善，其中一点就是关于诊断结果的可信度。 最近美国食品和药物管理局批准，人工智能算法现在可以应用在帮助牙医检测和跟踪口腔健康问题，其灵敏度和诊断精度与肉眼相当，甚至识别能力更强。这样的技术对患者和牙医来说都是双赢的，有望为长期受到患者不信任困扰的医学领域带来更高的准确性、一致性和透明度。 在过去的10年里，人工智能在医疗保健中的应用已经起飞。据德勤称，就有75% 的大型医疗保健机构对该技术的未来有足够的信心，仅在2019年就在人工智能相关项目上投资5000万美元或更多的研发预算。 目前，人工智能在大多数医疗领域都扮演着幕后角色，用于理解和分类临床文档以及组织管理工作流程。它也越来越多地应用于执行各种放射功能，包括检测疾病和其他医学异常问题。 另外，人工智能将对牙科领域产生巨大影响的原因有很多。 在其它其他医疗保健领域，X 射线仅用于诊断特定疾病的原因，对比之下，大多数牙科患者每年都会接受X 射线检查，以跟踪他们的口腔健康并告知护理。因此，牙齿的x光扫描比任何其他类型疾病的成像都要多得多，如此大量的可用图像刚好能够用来训练高度准确的机器学习 （ML） 算法。 就像通过大量的人脸图像来训练ML算法识别人类一样，ML算法经过数百万张牙科 X 光片训练之后，可以比人眼更准确地检测口腔疾病。AI/ML软件区分健康和不健康牙齿的能力首次允许在牙科提供商之间建立诊断一致性。由于X射线在日常牙齿护理中比在普通医学中使用得更频繁，该技术的影响可能比医疗保健的其他领域更大。 牙医在读取 X 光片方面的作用也与其他医学领域不同。呼吸科、骨科和泌尿科等领域通常有专门的放射科医师与专家一起完成和分析成像。 然而，在牙科领域，诊所牙医也扮演着这个角色，其诊断结果的可信度自然就降低了。因此，人工智能有助于提高诊断准确性。此外，与医学放射学的其他领域不同，牙医不必担心他们的工作将被取代——虽然诊断可能是计算机辅助的，但提供护理仍由牙医掌握。 人工智能还可以从根本上消除患者的信任问题。AI 能够测量和检测蛀牙、牙结石和牙根脓肿等问题，并随着时间的推移跟踪疾病进展，避免漏诊或误诊一些常见疾病。 现在，已经有牙科诊所在推广这项技术。例如，在佛罗里达州和乔治亚州运营的牙科服务机构Sage Dental一直在使用人工智能辅助技术来确保其82家诊所的质量和供应商之间的一致性。 事实证明，人工智能辅助检查能比其他方式更早地帮助患者发现和治疗牙齿问题。从长远来看，人工智能对诊断的影响将提高患者的信任度。 消费者已经习惯了在我们日常使用的许多技术中使用人工智能。比如人脸识别、智能语音等等。而对于更大的医疗行业来说，牙科准备扮演类似的角色，帮助患者对人工智能辅助诊断产生类似的舒适感。 未来，人工智能技术不仅可以识别牙科方面的直接问题，还可以通过分析医疗记录来预测这些问题可能如何影响患者的整体健康。
RPA（机器人流程自动化）将原本需要人工重复执行的计算机操作交给机器人执行，帮助企业降低成本、提升效率，成为推动企业数字化转型的利器。 然而，传统RPA只能实现基于规则的流程自动化，应用场景相对受限。伴随人工智能、云计算、区块链等技术的不断发展，市场、用户对于RPA的预期也越来越高。 如何将RPA同AI等技术深度融合，为企业带来更大的价值，改变人机协作的工作方式？ AI嵌入RPA,变身"超级机器人" 各行各业对大幅爆发的数据愈发重视。谷歌、微软、脸书等巨头每年都会花费数十亿美元用于抓取和存储数据的开发工作。 而RPA+AI的组合，将会进一步打通企业数据的难题。 通常企业的数据主要分为两大类：结构化数据与非结构化数据。 结构化数据。存储在数据库里可用二维表结构来逻辑表达实现的数据。很多公司都在使用机器人理解并查询结构化数据。 RPA天生就是处理结构化数据的能手。RPA通过记录人工操作的行为、依据人工操作规则，模拟人类员工自动执行一系列特定的工作流程。具有出错率低、效率高等特点。 非结构化数据。包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频、视频信息等。 非结构化数据很难甚至不能通过算法解释。大多数公司目前仍处于从非结构化数据中提取信息的阶段。 数据的二八法则 不同业务系统之间的数据，通常只有20%是可以直接利用的结构化数据（例如表格数据库等），剩下80%都是非结构化数据。 如何解决80%的非结构化数据处理问题？ AI则具备这样的能力。RPA本身能力有限，需要用AI增强。具备"头脑能力"的AI,可以把非结构化数据（如图片、声音、文字等）转换成结构化数据，然后交给具备"手脚能力"的RPA去操作。 搭载OCR、NLP等AI技术的RPA,可以处理大量非结构化数据，应用于文档、表格、票据、卡证识别等垂直场景，帮助企业节省成本、提高工作效率。 票据识别场景 在票据识别场景，UiBot Mage提供开箱即用的模型覆盖了增值税专用发票、增值税普通发票、行程单、火车票等20多种票据类型，在卡证识别场景则包括了银行卡、身份证、护照、营业执照等20多种模型。 文本理解方面 在文本理解方面，UiBot Mage也提供一系列开箱即用的模型。以信息抽取为例，Mage提供的模型支持几十种常见的实体抽取，包括企业名称、日期、时间、金额、地址、电话等，能够应对大多数业务中的信息抽取需求。 企业数字化重塑的粘合剂 今后一段时间内，企业将会面临从数字化转型向数字化重塑这一过程的转变。 数字化转型与数字化重塑的区别在于，数字化重塑受到企业内部各种IT系统通过恢复、打散、聚合的方式，快速响应客户敏捷高速变化的业务需求。 而这一过程中，RPA将起到至关重要的作用。目前，很多企业已经度过了RPA前期的尝试阶段，准备通过其建立一套全新的服务体系。 当企业需要与多个系统进行通信，而系统之间的数据又错综复杂。要想让RPA在不中断企业现有应用程序的情况下，快速推动业务流程的数字化和自动化升级，其中AI技术的应用则是非常重要的一环。 借助AI,RPA机器人则具备感知和认知能力，将自动化拓展到更复杂的业务流程，产生更大的价值。应用RPA+AI在服务底层建立全新的自动化流程，使得整个业务效率得到质的提升。 广泛应用RPA只是企业迈向智能化的第一步。随着AI的持续接入，RPA能够解锁更多的应用场景，RPA+AI的互补效应将无限放大。 有研究表明，到2022年，业务流程的整体市场将会重构，主要涵盖了围绕RPA和AI技术的服务改造，总价值将超过80亿美元。据麦肯锡预测，到2025年，全球人工智能应用市场规模总值将达到1270亿美元，并将成为智能产业领域发展的新突破点。在这样的发展中，RPA+AI将大有可为。 未来RPA+AI这样的"世纪组合",将会在更多行业掀起变革的潮流。
2021年7月8日,以"智联世界、众智成城"为主题的2021世界人工智能大会在上海正式开幕.7月9日,实在智能创始人孙林君出席了由亿欧主办的"AI商业落地论坛",并发表了题为"智取未来——IPA数字员工创新与应用"的主题演讲,向与会嘉宾和行业同僚分享了IPA数字员工在各行各业落地的实践案例和使用效果.会后,我们采访了孙林君先生,进一步深入了解他对数字员工技术和行业发展发展趋势的独到见解. 数字员工正在成为"刚需" 伴随着新基建如火如荼地开展,"上云用数赋智"渗透进入各行各业,智能技术已经成为当前产业发展的强劲动力和解决经济社会问题的高效路径. 近年来,我国老龄化趋势加剧,人口红利逐渐消退,劳动力成本不断攀升,低廉劳动力给我国企业带来的价格竞争优势将难以持续.面临着越来越大成本压力,企业产生了优化内部流程,提高劳动生产力的迫切需求.因此,在劳动密集型的场景下,少量人力与软硬件机器人配合完成工作,节约人力成本,提升工作效率的自动化工作方案正在成为企业的优先选择. 目前,工业场景下的自动化技术水平已经相对成熟,然而办公环境下自动化水平还处于起步状态.很多劳动力密集的办公场景,例如财务共享中心、客服中心、运营中心等,仍存在人员密集、重复性工作多,效率低下的特点,具备较大的自动化提升空间.在未来的办公场景中,机器人、自动化系统承担主要工作任务,少量员工进行配合监控将成为普遍现象,机器代替人工作会逐渐成为刚需. 扩展到全球范围内,智能技术手段代替人工的趋势也日益显现.根据《IDC Future Scape: 全球人工智能市场2021预测》报告,"到2024年,45%的重复工作任务将通过使用由 AI、机器人和机器人流程自动化(RPA)提供支持的‘数字员工’实现自动化或增强."企业员工将更大程度上从繁重机械的重复劳动中解放出来,从事更加有创造力的工作,企业的发展活力也会进一步获得提升. 未来是美好的,但未来到来的速度和步伐则取决于技术发展的进程及技术稳定性的提升.AI与RPA技术结合的"IPA"——智能流程自动化技术,可以提升数字员工的技术性能和运行稳定性,使数字员工可以更好地服务于各行各业. IPA=AI+RPA,是数字员工的基本形态 RPA技术发展已有十余年,但落地程度和渗透速度有限.孙林君认为,其根本原因在于,RPA自动化技术本质上依赖于对操作系统的研究、理解和针对性攻克,仍有许多难点没有解决,技术能力存在一定的局限性. 2017年,正是RPA与AI技术的有机结合,使数字员工获得了跨越式进展:RPA成为AI落地的高效渠道,解决了AI技术落地难的问题;而AI技术可以大幅提高RPA的稳定性、扩展性、实施效率,大大提升了数字员工的实践效益和落地价值. 孙林君强调,只有同时具备自动化和智能化特点的软件机器人才能被称作数字员工,实现对人力工作的有效替代. 对此,RPA技术可以实现自动化操作和信息采集,相当于数据员工的手和脚,实现了"自动化";而AI技术则相当于相当于眼、耳、口、鼻、大脑,为数字员工增加了感知和决策功能,实现了"智能化".也就是说,数字员工的基本形态就是AI+RPA,即IPA——智能流程自动化. 目前,计算机视觉、自然语言处理等AI技术已经与RPA深度融合,实现了文本识别、图像识别、情绪分析、语音分析、数据挖掘等功能,大大增强了数字员工的自动化和智能化程度.未来,随着 AI 技术的进一步发展,IPA将在优化用户体验、提升用户效率和增强数据分析能力上为用户提供更大的价值,从而更好的满足用户的预期,开拓更广阔的市场空间. 数字员工,未来潜力无限 对于行业的未来,孙林君有着乐观的判断.他认为,数字员工的理念将进一步被各行业广泛接受.行业的渗透率以及客户数都将进一步迅速增长. 受到疫情影响,社会各界对办公自动化和数字员工的关注有所提升.从整个行业的发展来看,IPA技术的渗透已经不再局限于金融、保险、银行等数据基础完善的领域,而是已经逐渐扩展到核电、烟草、能源等传统制造业领域,正在参与更多行业的数字化转型进程,为各行各业的业务流程优化提供良好解决方案. 我们可以看到,数字员工相关的招投标项目越来越多,代表了IPA技术在实际应用中切实的给各行各业带来的效果已经深入人心,已经实际给客户创造了很大的价值. 伴随着市场升温,实在智能也在不断更新完善自身的产品和服务,满足用户个性化需求. 针对不同行业,实在智能把行业通用软件的自动化操作沉淀为行业业务组件,针对不同行业特有的功能进行模块化集成,为各行业提供更有针对性的数字员工产品. 同时,实在智能也在进行标准化实施模式来解决用户需求,通过"小快零"的快速部署,把AI能力集成进RPA的底层功能当中,让客户更快地看到数字员工价值.
近日，实在智能签约知名羊绒服饰品牌"鄂尔多斯",通过全自研的AI技术和RPA产品，为鄂尔多斯提供电商自动化和智能化解决方案，双方携手探索电商数字化新征程。 羊绒之致，亦是中国品牌之致。2021年《中国500最具价值品牌》报告显示，"鄂尔多斯"品牌价值品牌位列第50,已经连续15年蝉联纺织服装行业第一。除国内销售在传统线下渠道之外，鄂尔多斯还通过电商、小程序、企业微信、社群、直播等线上新渠道新工具，建设多场景销售能力，在公域私域平台开展直播，从品牌及门店不同角度带动品牌种草及商品营销活动。中国制造代表鄂尔多斯，正以更广阔的视角与全球化战略高度，整合优势资源，积极融入创新大格局，争做数字化新时代领头羊。实在智能RPA,全方位助力"鄂尔多斯"电商数字化升级，在各项典型场景中进一步实现提质降本增效，向更广阔的领域跃进。 一、运营自动化：多平台一键上新 实在智能RPA数字员工，可支持淘系、京东、拼多多、唯品会、亚马逊以及自建平台等各类电商平台商品一键同步上新。 二、数据自动化：智能化数据监控 实在智能RPA数字员工，可支持生意参谋、京东商智等各类平台数据的自动获取、自动汇总以及自动分析，并且可根据分析需求，自定义报表模板智能化生成数据大屏或分析报告。同时结合对邮箱、微信等通讯工具的控制，还可以第一时间发送分析结果给指定人员，助力敏捷性决策。 三、营销自动化：千人千面私域营销 实在智能RPA数字员工，可以支持微信、企业微信、钉钉等市场上所有即时通讯工具，以及淘宝、京东、天猫、拼多多、小红书等各类电商平台的精细化操作，可以将分散在各类平台的客户信息进行聚合管理，或者根据指令对不同平台客户对应的标签进行信息备注。后续根据标签分类，可以实现针对不同客户的定制化营销内容投放，投放渠道可以覆盖个人聊天、微信群、朋友圈和小程序等所有生态触点。 实在智能基于行业领先的AI和RPA技术，创新融合打造数字员工套件，包含RPA三件套（控制器、设计器、机器人）以及全栈自研AI云脑（算法平台、标注平台及决策平台等）。RPA工具本身的易用性、稳定性、完整性，以及是否能智能适应复杂场景，是数字化解决方案能否成功的关键。实在智能除拥有国产全自研的RPA产品外，还拥有全自研的AI底层能力（NLP、CV/OCR、智能决策等），通过"无感知的流程修复、无锚点的元素拾取、业务操作视频自动生成流程机器人……"等行业领先的技术亮点极大地提升了RPA的稳定性和易用性。此外，通过丰富的AI产品矩阵（智能问答机器人chatbot、智能外呼、智能客服质检、智能文档审阅等），与RPA实现无缝结合，提供各种场景下的自动化+智能化完整解决方案。
公司无法再花一年时间考虑转向人工智能和基于物联网的自动化,因为它们有可能被当今采用这些技术的公司所取代.趋势表明,随着世界转向数字经济,具有敏捷商业模式的数字驱动、高度自动化的企业最有可能生存. 过去的公司运行繁重的企业系统,而这些系统的发展时间太长,为数字化转型创造了巨大的障碍.为了改变这种情况,公司在采用更智能的自动化系统方面变得更加灵活,这些系统可以随着时间的推移保持竞争优势.虽然机器人流程自动化 (RPA) 是数字化转型的一个重要转折点,但事实证明,人工智能驱动的自动化是实现更高性能、低延迟和自主决策的更好选择. 一旦充分挖掘 AI 的所有潜力,传统 RPA 的局限性就会变得清晰起来.在当今市场上使用传统 RPA 的最大挑战之一是它非常脆弱,仍然需要大量的人工协助和干预来保持自动化流程的无缝运行.虽然 RPA 确实减轻了手动工作的负担,但它面临着端到端自动化扩展方面的挑战,并且经常无法适应不断发展的流程,需要大量的动手干预. 自动化的未来是人工智能 随着传统 RPA 的局限性越来越明显,CXO 和技术领导者应该问问自己,他们真正需要的是 RPA 还是 AI.随着人工智能以如此快的速度发展,组织可以开始采用人工智能与传统硬件和软件相结合,以实现整体和弹性的自动化. 为了说明 AI 提供的价值,让我们看一下金融服务公司的常见运营流程.许多金融机构处理用于支票支付、KYC、发票处理和其他相关操作的文件和其他信息.此流程的一部分需要验证信息,例如美元价值、收款人姓名和发票信息,以便与其他支持文件(例如存根、薪水支票、报表等)进行匹配. 乍一看,有人可能认为 RPA 可以自动化这一点,但这并不是最好的解决方案.由于通过自动化处理的薪水、发票和存根中有如此多的信息和格式变化,因此构建 RPA 来处理其中一些流程将是一项艰巨的任务.然而,人工智能可以像人类一样理解和关联文档,因此可以快速轻松地吸收这些不同的信息.例如,由于使用视觉 AI 的智能字符识别 (ICR),AI 还可以理解手写体的变化.因此,直接自动化率在短短几个月内成倍增长,并且可以有效地实现端到端的业务关键流程自动化. 将人工智能作为转型战略的一部分实施从未如此重要.随着远程工作变得司空见惯,我们很幸运拥有足够智能的软件,可以在几乎不中断的情况下连接世界各地的人们.即使在工厂层面,人工智能也可以涵盖质量控制、检查和生产线分析等领域,以延长正常运行时间.使用 AI 来自动化这些流程,将 RPA 的功能置于上下文中,并向我们展示了 AI 如何涵盖数字流程、物理系统等. 据 Gartner 称,到 2022 年,55% 的企业架构计划将得到支持 AI 的软件的支持,这将使领导者能够提供更好的产品、更强大的客户服务和更快的周转时间.由于采用率如此之快,不接受人工智能的公司有可能落后于竞争对手. 开始用这些新的尖端技术设想更大的可能性,并评估传统技术的局限性,这样您就有更好的机会实现指数级增长.
2021 年 8 月 31 日,毕马威中国与来也科技战略合作伙伴签约仪式在毕马威上海办公室举行,宣告双方正式上升至战略合作伙伴关系.未来,双方将共携手,精诚合作相助,彼此赋能,让毕马威的专业服务与来也科技的 RPA+AI 平台产品在以金融行业为代表的多行业领域落地深耕,帮助更多企业实现智能自动化. 来也科技与毕马威中国从 2020 年开始正式接触,在 2021 年携手拿下第一个共同客户,同时来也科技也是毕马威中国领先金融科技 50 强企业之一.本次签约仪式由毕马威中国生态及合作伙伴总监朱欣怡担任主持,毕马威中国首席技术官及创新主管合伙人刘建刚,毕马威中国金融业主管合伙人张楚东及来也科技董事长兼 CEO 汪冠春分别致辞,双方正式签订战略合作伙伴协议,标志着战略合作伙伴关系圆满达成. 毕马威中国税务管理变革与科技服务合伙人李忆敏,管理咨询服务总监马金平,及来也科技渠道与销售运营副总裁吴超、战略合作总经理白泽宇、东区销售总经理余海杰、东区商业客户组总经理王崎、金融解决方案总监贺广平、战略合作高级商务经理孙鑫等双方高层及相关同事共同出席见证,并进行圆桌交流. 嘉宾观点 I来也科技董事长兼 CEO 汪冠春 毕马威在金融行业的咨询服务上拥有极强的领先优势,未来双方也会在综合方案打造和落地上进行深度合作.同时在战略合作之前,来也科技在 2020 年年底便入选毕马威发布的领先金融科技 50 企业,也感谢毕马威对我们在金融科技领域的认可. 而在 RPA+AI 领域,来也科技也在今年作为中国首批 Gartner RPA 魔力象限上榜企业,收获了来自国际的肯定;而未来,来也科技也将持续努力,以 2025 年应该成为全球三大智能自动化平台之一为我们的阶段性目标. 如今,中国 RPA 市场、行业及生态都在日渐繁荣,毕马威对人工智能的布局走在最前面,对战略合作生态的布局也是走在最前面;而来也科技也始终坚持合作伙伴生态搭建的理念.相信在未来,毕马威中国和来也科技定能共同碰撞出更多的火花,用更专业、更有深度的产品、解决方案及服务助力更多企业实现智能自动化转型. I毕马威中国首席技术官、创新主管合伙人 刘建刚 毕马威近年来一直致力于内外部的数字化转型和科技创新的应用,并聚焦行业,用创新支持毕马威业务的改变.同时,毕马威也在逐步搭建大规模的集创新与研发交付为一体的数字化中心,对毕马威及毕马威合作伙伴的数字化解决方案进行打磨、落地、交付,让数字化转型落地成为切实可行. RPA 在近年来发展十分迅猛,在与来也科技的合作中,我们也希望能够聚焦于来也科技的强项,发挥毕马威的咨询优势,共同致力于复杂场景的落地部署及研发,携手来也科技在 AI 能力上的耕耘,做更多前沿探索,共同对行业进行深度洞察. 同时,在打造数字化合作伙伴生态圈的过程中,毕马威非常重视本土合作伙伴的发展,中国也有一批这样的软件科技企业,比如刚刚进入 Gartner 魔力象限的来也科技,毕马威希望帮助这些合作伙伴在中国市场及全球市场上更好的发展. I毕马威中国金融业主管合伙人 张楚东 金融业作为毕马威重要的业务板块之一,近几年我们大力助力金融企业进行数字化转型,在银行、保险、资产管理等领域上具有行业最佳实践.同时,我们积极规划未来,在未来银行、未来保险、未来资管等领域上,将数字化、科技相结合,为客户提供更具创新的业务.希望毕马威能和来也科技强强联手,结合来也科技的产品技术、毕马威的咨询优势,一起开拓更广阔的市场. 签约仪式及圆桌论坛 在双方分享致辞结束后,毕马威中国首席技术官及创新主管合伙人刘建刚与来也科技董事长兼 CEO 汪冠春一同签署完成战略合作伙伴协议. 随后,双方高层及相关同事就 RPA+AI 未来发展趋势、双方合作机制、 行业聚集等多个话题展开圆桌讨论,分享行业见解,抒发未来畅想. 此次战略签约仪式,标志着来也科技和毕马威中国合作的新起点.双方将利用自身的优势资源和技术创新,深化合作,把咨询+产品的合作模式转化为竞争力与驱动力,打造在金融等多个领域内有行业深度、贴近业务需求的智能自动化解决方案.
本周,ICT产业风向标——国际研究机构IDC在其王牌报告产品MarketScape中首次发布RPA(机器人流程自动化,Robotic Process Automation)市场研究. 罕见的是,研究对象并非全球,而是把视线投向中国——目前RPA发展增速最快、也是买方需求最强烈的市场. 据IDC预测,全球RPA软件市场规模将达到39亿美元,2018-2023年复合增长率为36%,对于中国RPA市场,IDC预测2018-2023年复合增长率高达64%. 过去的一个月,中国RPA市场并不平静.? 7月10日,AI领域最为重量级的年度盛会WAIC(世界人工智能大会),国内的头部和腰部RPA厂商悉数到场,不乏多个新品发布.? 7月15日, 兼具RPA和AI背景的厂商来也科技,在宣布与德勤达成战略合作一周后,再度宣布包括多名前VMware、Oracle、思科、金蝶等业务高层和中层在内的全明星团队加盟. 7月16日,老牌的金融业数字化解决方案商金智维,获得高瓴创投领投的2亿人民币B轮投资,距离其A轮融资刚满1年. 此次IDC报告发布,再度激起中国RPA市场的讨论.据了解,报告综合RPA厂商在RPA+AI核心能力,厂商产品响应企业内部应用需求的能力、易用性,厂商生态构建情况等三个角度,为企业客户提供了选型的参考建议. 透过这些建议,也隐约显现出行业进化方向,反应出 IDC判断"何为市场领导者"的深层次评判逻辑. 01、RPA+AI已成为厂商必修课 在本次MarketScape报告中,IDC指出:AI 与 RPA 技术的融合会极大地促进中国RPA市场的发展,并使 RPA 的运用范围更广.为什么是RPA+AI?RPA+AI,究竟是两个行业厂商的交叉路口,还是RPA软件厂商的必修课? 在中国甚至是全球,财务与会计领域都是RPA最早的应用场景,时至今日仍然渗透率最高.流程规则性强,存在大量的结构化数据、需要重复执行的工作,财会领域是理想的RPA落地场景. 但是,在更多行业和领域,若想实现自动化,必然要面临大量的非结构化数据的理解,要去打通从前台到后台的业务与部门,要实现连接数据与决策. 在这样的挑战下,AI及相关的技术,就成为了RPA厂商发展中的一个巨大的变量;而能否通过RPA+AI所构建的集成式自动化平台,也成为了所有RPA厂商的必修课. 在2020年,另一国际权威机构Forrester Research甚至预测:不具备AI能力的RPA工具必将被取代. 相对于国外市场先修"RPA学分"再修"AI学分"的特点(甚至UiPath早年还是从UI自动化切入),中国市场从2019年起,就存在着坚持点亮RPA+AI双重技能树的厂商,而RPA平台的原生AI能力,也决定了产品的前途和命运. 本次IDC报告中评估的市场领导者来也科技,就是具备 AI和RPA软件研发双重基因的厂商.不同于多数RPA厂商往往借助公有云平台提供OCR/NLP 能力,来也科技用原生AI能力保障了对于各种非标准化、非结构化数据的理解,因此能很好的满足真实环境下的业务场景需求;又凭借在对话式AI、NLP领域的多年积累,实现了产品和方案对于前台到后台业务打通,串联起了端到端的业务自动化能力,使企业对于业务自动化的构想,成为现实. 事实上,来也科技早已是业界研究机构推荐名单的常客. 7月中,另一权威机构 Gartner发布了年度重磅的《2021年中国ICT技术成熟度曲线报告》,来也科技同时在RPA和NLT(自然语言技术)两大领域被收录.独立技术厂商能被单一领域收录已经是极大的认可,在多领域收录往往也只有BAT才能达到;而对于RPA厂商来说,则更是独家.在RPA和AI双重领域,来也科技身位已遥遥领先. 02、IDC首度评估厂商收入规模 在本次MarketScape报告中,IDC对中国厂商的软件平台和解决方案收入规模做出评估,印象中,这也是目前所有行业研究机构、市调机构、行业媒体中,首次对中国厂商收入规模的总结.根据气泡图范围显示,来也科技在本土厂商中优势显着. 图片:报告气泡图,摘自来也科技官网 在今年上半年,来也科技披露完成C+轮5000万美元融资的同时,也公布了其业务成绩——RPA业务全年软件订阅收入同比增长9倍. 参考来也科技此前对外披露的信息,可以了解到其客户行业范围分布较为广泛,不存在于对单一或极少数行业客户的依赖,产品遍布保险、电力、运营商、零售、物流、地产等行业,以及智慧城市、政务、医疗、高等教育等公共事业领域. 同时,来也科技的大客户拓展速度迅猛,据了解,在全球500强企业中,每5家就有1家在使用来也科技的智能自动化产品,中国移动、南方电网、中国太平洋保险、联想、强生、保时捷、LVMH等近百家知名企业都是其客户. 03、厂商生态规模决定产品竞争力 IDC分析师对买方企业强调:中国市场中的技术供应商应注重产品的易用性建设,开放云原生架构,并在多模态AI技术、流程挖掘方面持续创新,通过个人开发者生态、AI技术合作伙伴、集成商、实施合作伙伴、渠道商、咨询合作伙伴、IaaS厂商实现生态系统的拓展,形成竞争优势,帮助中国行业用户对于RPA的应用更好地落地. 对于任何平台级的软件产品来说,生态都是绕不开的话题,其规模也决定了最终能帮助企业客户实现的价值. AI领域的知名投资人上海人工智能产业投资基金、临港科创投总经理吴巍曾经对媒体分享个人思考,"微软成功的核心在于底层开源生态的建设,能通过竞争让高质量的技术展现出来.一个科技创业公司,如果能建设起生态,并且技术人才都愿意在生态内活跃,那它的产品就是有竞争力的." 在RPA领域,合作伙伴与开发者的规模,不仅决定了一家厂商最终交付自动化方案的能力,还关系到RPA机器人到底能够服务于多少不同的业务场景,关系到企业客户最终对于RPA的使用观念和理解深度.生态规模,不仅是买方企业要重点关注和考察的指标,也是RPA厂商的生命线之一. 据今年4月完成IPO上市的全球RPA领导厂商UiPath公布,他们已经吸引了150万开发者使用其产品搭建机器人. RPA开发者社区建设,在中国起步虽晚,但发展迅速.本次报告中的领导者来也科技在中国市场一枝独秀,基于在RPA和自动化软件领域的长期积累,完成了超过40万社区注册用户的开发者培训,其中不乏大型企业不同职能部门的业务人员,他们基于企业的实际业务场景,开发出了大量使用性极强的RPA机器人;而在生态合作一端,德勤、微软、联想、浪潮云等头部的咨询商、解决方案商、云平台,都是来也科技在的合作伙伴,仅在中国市场,合作伙伴规模就达500家以上. 最后据行业共识,2020年是RPA在中国市场的落地元年,仅仅一年半时间,RPA就已经成为企业数字化转型中,不可或缺的重要产品与方案. 究其原因,一方面得益于中国企业对于效率提升、韧性发展的关注,对于通过新兴技术构建自身竞争力的重视; 另一方面,也来自于中国RPA市场中领导者、头部厂商在产品技术侧的积累. 根据此前Forrester Research 在关于亚太市场的RPA研究中指出——"越来越多的公司开始意识到,RPA 以及智能自动化技术带来的后台流程革新的机会与可能.更多本土 RPA 厂商,如来也科技的出现及其在本土市场的机遇及开拓,激发了对 RPA 的认知与需求." 总结此次报告,中国的RPA市场虽仍在早期,但是厂商在RPA+AI技术的投入,在渠道与开发者生态的规模,将决定为客户交付的智能自动化价值的深度和广度,也让厂商之间的竞争身位出现分水岭,而且将持续影响格局走向.
随着技术的持续快速发展,世界各地的金融机构都面临着提高效率、降低成本和提高生产力的巨大压力.事实上,金融服务行业现在非常需要从传统的、古老的商业模式中全面发展.作为回应,自动化已经成为这一演变的重要组成部分,特别是机器人流程自动化 (RPA) 将在未来几年内在金融机构的任务执行中发挥关键作用. RPA 结合了机器人自动化和人工智能,是跨应用程序和系统自动化以执行曾经由人类执行的重复性任务的过程.它有时也被称为"智能自动化"或"智能自动化",因此是指任何可以编程来执行以前需要人类智能输入才能成功完成的任务的软件系统. "RPA 处于人机技术的最前沿,为金融服务行业的参与者提供基于规则的虚拟劳动力,并设置为以与现有用户相同的方式与您公司的系统连接,"埃森哲表示."借助机器人技术,您可以为前台、后台和支持功能自动化并构建一个自动化平台." 由于目前由员工完成的一些重复性的、通常是平凡的任务现在将由这个自动化平台来执行,RPA 显然对金融服务行业具有深远的影响,可以改变银行内部的工作性质,带来显着的收益.客户体验以及降低成本和更有效地分配稀缺的生产资源. 将此类任务交给机器人技术的一些主要好处包括节省成本;节省时间,RPA 为员工腾出时间处理更复杂的任务;减少甚至消除人为错误;和可扩展性,机器人能够以任何人类无法比拟的速度执行任务.更重要的是,可扩展性意味着自动化解决方案将处理更高的容量,并且任务将在创纪录的时间内交付.开户就是这样一个流程的例子,该流程对于员工来说通常是重复、乏味和不必要的耗时.但是通过自动化,这些任务可以更快、更准确地完成.从长远来看,RPA 可以显着提高金融机构系统内账户数据的完整性和质量. 开户只是银行业中可以被 RPA 严重改变的众多领域之一.事实上,根据其 2018 年的研究,麦肯锡发现,目前展示的技术可以"完全自动化"42%,并"大部分自动化"另外 19% 的金融活动.随着周转时间已成为衡量整体客户体验的最重要指标之一,银行现在可以使用机器人来处理与账户、贷款和欺诈查询等领域相关的各种任务.由于客户服务团队目前正在处理此类问题,使用 RPA 作为替代品将为这些团队腾出大量时间来专注于需要更多智能和细微差别的更重要的查询. RPA 现在正在引发戏剧性转变的银行业的另一个重要领域是抵押贷款和贷款.鉴于购买房屋所涉及的常规流程数量——就业验证、信用检查、产权订单和检查报告,仅举几例——RPA 已成为无需人工干预即可接管其中许多任务的主要候选人,从而大大提高效率,减少贷款处理时间并大大缩短总周转时间.例如,OCBC(华侨银行)在该领域广泛使用 RPA,这使得这家新加坡银行能够将重新定价房屋贷款的时间从 45 分钟缩短到仅 1 分钟.华侨银行的 RPA 机器人检查客户重新定价的资格,推荐适当的重新定价选项,甚至起草推荐电子邮件给客户.所有这一切都意味着它可以处理比以前更重的工作负载,每天处理多达 100 个重新定价的应用程序. 也许最值得注意的是,对于基于贷款的活动,RPA 设法提高需要作为整个流程的一部分执行的每项特定任务的可见性."借助工作流自动化,贷款流程的每一步都是电子化的,这意味着您可以在每一步收集数据.寻找贷款申请以了解其当前状态现在已成为过去,"专注于 RPA 的数字产品工程公司 RapidValue 表示."您可以在您的文档管理系统中搜索该文档,并立即了解其处理状态." 因此,它可以极大地改善客户的整体借贷体验. RPA 还将对银行的合规活动产生重大影响,鉴于银行在过去十年左右的时间里为遵守日益严格的监管要求而承担的成本不断上升,这一点尤其有利.特别是,RPA 可以消除与了解您的客户 (KYC) 和反洗钱 (AML) 相关的手动流程的需要.自动化这些重要要求中的大部分将有助于最大程度地减少人为错误、降低成本并大大提高新客户入职流程的效率.同样,欺诈检测也将受益于自动化,特别是考虑到银行近年来面临的案件数量迅速增加,这使得合规团队的管理更具挑战性.但是有了 RPA, 也许在更长的时间范围内最重要的是,RPA 可以持续监控监管法律的变化和更新,并迅速将调查结果纳入金融机构的反洗钱政策."这种从外部和内部来源收集和处理数据的持续过程有助于 RM [关系经理] 掌握其客户组合并保持合规性,"纽约管理层的创始人兼首席执行官 Breana Patel咨询公司 Bonova Advisory 于 2017 年 10 月在 Finextra 上写道."由于 RPA 是自动完成的,因此对客户行为的持续监控过程变得更加高效." Patel 举了一个客户使用信用卡的例子,RPA 识别出消费行为与历史模式的明显偏差. 由于支持 RPA 的技术的进步,上面提到的许多潜在收益最终都可以实现.例如,人工智能 (AI) 的发展将在未来几年 RPA 的整体增长和能力中发挥关键作用.根据 Business Insider 的 Insider Intelligence 的"银行业人工智能"报告,金融机构实施人工智能可能占各行业潜在人工智能成本削减总额的 4160 亿美元,预计到 2030 年将达到 4470 亿美元.减少员工工作量,显着减少完成手动任务所需的时间,并降低成本,"该出版物承认."随着人工智能技术在整个行业变得越来越突出, 9 月,Gartner 估计,尽管新冠疫情大流行造成了经济压力,但 2021 年全球 RPA 软件收入将达到 18.9 亿美元,比 2020 年的水平高出 19.5%.Gartner 研究副总裁 Fabrizio Biscotti 表示:"RPA 项目的关键驱动力是提高流程质量、速度和生产力的能力,随着组织试图满足 COVID-19 期间降低成本的需求,每一项都变得越来越重要." . "通过投资 RPA 软件,企业可以在数字优化计划上迅速取得进展,而且这种趋势不会很快消失." 事实上,Gartner 预计 RPA 市场到 2024 年将以两位数的速度增长,这只会进一步说明银行对这项技术的长期预期有多大潜力.由于人工智能和自动化将决定世界的大部分运作方式,因此,那些尽快在广泛的业务部门实施 RPA 的金融机构在效率提高方面获得最大收益似乎是合理的和成本降低.考虑到这一点,"走向机器人"的竞赛显然已经开始了.
近日,专注于企业级RPA技术的人工智能公司金智维宣布完成逾2亿元B轮融资,本轮融资由高瓴创投领投,启明创投、琥珀资本、珠海科创投、君盛投资、太和基金跟投.此前,金智维已于2020年7月获得近亿元A轮融资. 据悉,金智维本轮融资,除了用于加大人才和技术方面的投入外,还将用于进一步推动渠道生态和AI技术合作生态的建设,加强市场营销布局,加速行业研究院与销售团队的建设以及渠道体系的搭建,继续扩大金智维产品技术和行业标杆客户拓展的领先优势,推动产业生态赋能,助力金智维打造开放、合作、共赢的多元生态系统,持续领跑国内RPA赛道. 金智维CEO廖万里表示:"目前RPA市场竞争非常激烈,不断有投资机构和新的玩家涌入,这也证明了市场对RPA的价值是非常认可的.随着后期市场竞争越发激烈,RPA市场将与其他热门领域一样,也会有大浪淘沙的过程,只有那些把创新放在首位,注重客户体验,并且具备核心技术、产品化能力的企业才能生存下来." 持续火热的RPA赛道 从RPA概念的问世到RPA成为企业数字化转型的技术底座,RPA历经数年间跌宕起伏的进化发展,终于迎来全球市场大爆发.随着RPA技术的发展成熟和市场的扩大,大量企业在数字化转型进程中对RPA技术的刚需也促进了中国市场的苏醒. 根据Gartner数据:RPA全球市场2018和2019连续两年增速超过62%,成为增长最快的企业软件类别.同时,随着中国SaaS领域迅速升温,市场趋于成熟,以及企业对SaaS产品的态度转变,助推RPA成为SaaS领域中发展最快的黄金赛道. 在疫情的持续影响下,很多企业都面临着巨大的生存压力,而RPA却能在疫情以及复工复产中大显身手,支持远程办公、无人值守,为控制疫情提供便利,这也让创投市场对RPA信心大增.疫情不但没有阻碍RPA厂商的融资进程,反而令RPA项目身价再度倍增. 2021年人工智能正式迎来"遍地开花"的黄金时代,而RPA能够作为AI落地的连接器、催化剂与加速器,加速推动RPA和AI的双向赋能,因此基于充分的RPA+AI技术积累,市场发展潜力巨大.对于未来RPA+AI的生态布局,金智维CEO廖万里表示:"对RPA+AI的投入是有两个方向的,第一个方向是通过AI给RPA赋能,让RPA更简单、更快捷地实现场景落地;第二个方向是AI和RPA的技术融合,扩大应用场景使用边界,构造更多的自动化、智能化场景能力."AI能够成为RPA的最强大脑,助推RPA的能力拓展,而RPA对AI而言是集成器,让AI技术更好地落地应用.AI技术实现的碎片化场景通过RPA的连接,最终完成由点到面的全景化、智能场景落地,具备极高的应用价值.双方成为彼此的加速器,发展前景无可限量.近年来,国内RPA厂商的融资力度不断加强,唤醒了中国的创投市场和RPA新生创业力量,也引发了寻求最佳方案的数字转型企业以及各方相关媒体的持续关注. 投资机构频频加注,金智维备受青睐 高瓴创投、启明创投、琥珀资本、珠海科创投、君盛投资、太和基金各投资机构对金智维的发展前景持续看好并寄予厚望. 伴随人工智能和数字化转型的浪潮,科技的发展已经从感知智能逐步向更为高阶的决策智能跃迁,创投市场对科技领域的洞察也早有共识.随着RPA赛道的持续火热和RPA巨大的商业价值吸引,嗅觉敏锐的投资机构也把目光投向了这一赛道.据不完全统计,仅2021年上半年中国内RPA领域融资金额已超10亿. RPA赛道投资热潮过去后,RPA的市场形态逐渐显现,市场更倾向于自主核心、自身具备创新能力、拥有丰富落地场景的RPA厂商和真正能够帮助企业解决数字化转型难题的RPA解决方案. 作为具有全球视野的长期价值投资者、中国最受创业者欢迎的创业投资机构之一的高瓴创投,也是本次融资的领投机构,曾对外表示:AI已经成为对话未来的语言,将对科技(软件与硬科技)、医疗(生物医药与医疗器械)及消费(新消费与消费互联网)等领域优秀的早期创业公司持续加码,加速创新的反应和共振.而高瓴创投在RPA领域选择投资金智维,主要基于多个维度的考虑: 真正理解金融机构业务需求的RPA软件服务商 作为能够满足金融业在新形势下精细化、专业化、敏捷化、协同化发展需求的一项新科技,RPA(机器人业务流程自动化)率先在金融领域打开局面.回顾人类的金融发展史,科技创新与金融创新始终紧密相连,共生式成长.而中国尚未完全成熟的金融市场给予金融科技快速发展的土壤.金智维RPA从设计之初就是立足金融行业高度、针对企业级的自动化软件产品.并且,其领导人和团队具有丰富的行业领域从业创业经验,能够真正理解金融机构的业务需求. 2、金融行业IT系统及企业级产品的核心是安全可控 安全稳定可控是金融行业软件系统的第一要求.不具备安全稳定可控特性的软件,对助力金融行业组织降本增效毫无意义.金智维RPA产品的安全、检查、保护等一系列机制都是基于金融业务,更能够满足大型企业、组织机构的转型需求,对产品在安全稳定可控方面的把控也更加严格. 3.价值赋能,更强延展性 金智维打造赋能金融行业全局及大型企业各部门的RPA中台,以"RPA+AI+大数据"为核心技术,能够实现现有业务流程自动化的安全可控以及未来新业务的快速响应,同时支持大规模机器人并发协同作业和高密度部署,后期开发更方便拓展,且兼容性和延展性更强. 4.国产化自主可控,积极拥抱信创生态 金智维坚持掌握自主可控的核心技术,拥有一批持续复购的优质行业客户,是其产品和服务竞争能力的综合体现,并且其产品能符合国家政策的引导,全面适配国产化,顺应信创的大趋势. 除高瓴创投外,本次融资也包括其它的新老机构,包括启明创投、琥珀资本、珠海科创投、君盛投资、太和基金.启明创投从2014年起就已经开始布局人工智能赛道的投资.琥珀资本也一直重点关注中国经济升级中由企业用户业务数字化转型驱动、IT基础设施等领域形成的投资机会.作为珠海市首个全资国有科技创投平台,深耕本地市场的珠海科创投也把新兴科技作为重点投资领域.中国投资市场发展的见证者君盛投资的整体投资策略也是紧紧围绕企业数字化、金融科技以及人工智能等新技术.重视专业和价值的太和基金也不断加强在新科技赛道的投资布局. 企业数字化转型的核心是提质降本增效和人力的释放,这也是帮助企业实现自动化、智能化运营的关键.金智维成立于2016年,作为一家专注于企业级RPA机器人的人工智能公司,也是国内第一批进入RPA赛道的公司,在2009年就开始RPA技术的积累,并一直致力于研发企业级自动化、智能化解决方案,帮助企业解决数字化转型难题,目前已为400家行业客户提供数字化、智能化技术支持,自成立以来一直保持着非常好的发展势头. 高瓴赋能金智维持续"增值" 产品和技术能力以及过往的耀目成绩,是金智维历经多年积淀打磨的成果,也是其综合实力和现有价值的有力证明;资金是企业运行的血液,而高瓴创投独有的深度价值创造模式DVC(Deep·Value·Create)则可成为企业价值的放大器,优秀的企业和投资机构的联合,可加速企业本身高质量的发展. 正如本轮融资领投机构高瓴创投的"价值投资"理念:"价值投资"可分为两个阶段,第一阶段是发现价值,第二阶段是创造价值.投资就是投人,要找靠谱的、真正有格局、有胸怀又有执行力的创业者和企业,做时间的朋友.作为一家长期价值投资机构,高瓴创投始终将科技创新作为重要投资主题,不仅先后投资腾讯、京东、美团、字节跳动等新经济企业,同时也是地平线、百济神州等技术创新驱动型公司的早期投资人. 从金智维的未来发展布局看,金智维可谓是"长期价值"的坚定实践者.金智维坚持自主核心,重视技术创新和底层技术积累,推动"RPA+AI"战略布局,构建PaaS生态,持续为各行业数字化转型赋能;以金融业为立足点,逐步渗透全行业;紧跟国家发展战略大力发展信创,坚持产学研人才培养战略.每一步布局都是基于未来的长远发展考虑,这和高瓴创投的"长期价值"理念不谋而合.金智维CEO廖万里在访谈中称:"金智维在选择投资机构时并不仅仅关注资金和估值,更多关注投资机构的价值理念,希望找到长期赋能的合作伙伴和朋友,实现价值的共享和共赢发展." 本次融资的成功,是各大投资机构对金智维经过多个维度考核后,给予企业综合实力和未来发展的价值认同,标志着金智维作为国内头部RPA厂商的又一次完美蝶变,也是金智维迈上更高起点竞跑国内外RPA赛道的重要节点. 相信未来在市场和生态伙伴赋能的双重加持下,金智维将以更优质的产品、生态和解决方案服务中国巨大的数字化转型市场. 转：钥城网
如果"机器学习"听起来像是一个暗淡的反乌托邦未来的开始——想想 《终结者》 与《黑客帝国 》的混合 ——那么"机器人过程自动化"一定是机器崛起以无情的效率统治人类的阶段. 第一件事:机器人过程自动化中并没有真正涉及任何机器人. 幸运的是,机器人过程自动化 (RPA) 不涉及任何此类,除了效率部分.这个自动化软件中甚至没有真正涉及任何机器人. "机器人流程自动化不是物理 [或] 机械机器人," Kofax首席战略官 Chris Huff 说 . 什么是机器人流程自动化（RPA）? 相反,机器人流程自动化中的"机器人"是在物理或虚拟机上运行的软件机器人. Nintex 产品总监 Aaron Bultman 说:"RPA 是一种业务流程自动化形式,它允许任何人定义一组机器人或‘机器人’执行的 指令." "RPA 机器人能够模仿大多数人机交互,以高容量和高速度执行大量无错误任务." 如果这种自动化技术听起来有点无聊——尤其是与好莱坞机器人相比——那是设计使然.RPA 最终是关于自动化工作场所中一些最平凡和重复的基于计算机的任务和流程.例如,考虑复制粘贴任务和将文件从一个位置移动到另一个位置. RPA 使曾经需要人工操作的日常流程自动化——通常其中大部分是死记硬背、耗时的.这也是 RPA 承诺提高组织效率的方式. 让我们稍等片刻,将 RPA 的其他一些明确定义添加到我们的武器库中.使用这些来加深你自己的理解——或者帮助向同事、客户或合作伙伴解释 RPA,尤其是在与非技术人员合作时. 用简单的话定义 RPA 的 5 种方法 "通俗地说,RPA 是软件机器人结合自动化、计算机视觉和机器学习来自动执行基于规则和触发器驱动的重复性、高容量任务的过程." – David Landreman,Olive 的首席采购官 . "机器人过程自动化只不过是指导机器执行平凡的、重复的手动任务.如果执行任务有一个合乎逻辑的步骤,机器人将能够复制它." – Vishnu KC,ClaySys Technologies 的高级软件分析师主管 . "RPA 是一种软件,可以自动执行在计算机上执行的基于规则的操作." – Chris Huff,Kofax 首席战略官. "RPA 是一种高级形式的业务流程自动化,能够记录人类在计算机上执行的任务,然后在没有人工干预的情况下执行相同的任务.从本质上讲,它是一个虚拟机器人模仿者." -Marcel肖,联邦系统工程师 Ivanti. "简而言之,RPA 的作用是自动化以前由人类处理的重复性任务.该软件被编程为跨应用程序和系统执行重复性任务.该软件被教授了一个包含多个步骤和应用程序的工作流程."——茄子公司首席运营官安东尼爱德华兹 . 该流程是否适合 RPA? 评估适合 RPA 的内部流程和工作流程是另一天的故事.也就是说,这里有一些基本标准值得注意,因为它们可以帮助您和您的团队更好地了解 RPA 是什么以及它如何有用.此外,当您与公司其他地方的非技术同事讨论 RPA 实施时,这些标准会有所帮助.大类之一:任何需要人们进行大量重复数据工作的流程. "RPA 非常适合涉及高水平人类数据处理的任务,"Olive 的 CPO Landreman 说."RPA 程序最常见的用途是补充重复性功能或数据密集型流程,在这些流程中可以预期基于逻辑的结果." Landreman 在确定可能的 RPA 拟合时分享了四个基本检查: 该过程必须基于规则. 该过程必须定期重复,或者有一个预定义的触发器. 该过程必须具有定义的输入和输出. 任务应该有足够的体积. RPA 可以做什么? 向 IT 以外的人员展示 RPA 如何减少日常工作中的繁重工作. 在 IT 之外解释和宣传 RPA 应该比为非技术人员更难提炼的其他主题(例如无服务器 或 微服务)更容易一些 .上面的定义说明了这一点.还可以更轻松地向 IT 以外的人员展示 RPA 实施如何通过减少日常工作中的繁重工作直接使他们受益.(在向现场服务技术人员解释容器化如何使他们受益时,同样的任务可能更具挑战性.) "企业和组织喜欢 RPA,因为它可以帮助他们提高各种人群的生产力——用户、客户、员工、销售和营销人员、业务人员、会计师、法律和财务分析师等,"首席执行官 Muddu Sudhakar 说. 爱莎拉. 尽管如此,灯泡通常会更快地打开,并提供有关如何在企业中使用技术的可访问示例.因此,让我们回到数据密集型流程作为一个好的起点.Sudhakar 提醒我们有多少不同的动作可以处理数据:数据接收、数据处理、数据收集、数据校正、数据创建等等. 想想财务、客户服务和人力资源等业务职能中的重复流程. 考虑在金融等领域的此类工作量:传统上,仅应收账款和应付账款就需要技术工人进行大量重复的手工劳动.这就是为什么您会在特定业务职能中看到有关 RPA 的崇高预测:例如,Gartner 预测 ,到 2020 年,73% 的公司控制者将在其财务部门实施某种形式的 RPA,高于 2018 年的 19%. 其他传统业务部门,如客户服务和 HR,提供了自己的数据密集型、基于规则和重复性流程的示例.保险和金融服务等特定行业也符合要求. Eggplant 的首席运营官 Edwards 提供了这个特定用例作为示例:退货处理.想想您上次在网上购买的商品退货是什么时候,这不仅对您而且对您购买的公司都有什么影响.那些"免费"的回报真的什么都不是. "传统上,退货处理是手动进行的,而且成本高昂.借助 RPA,公司可以在不增加成本或造成延误的情况下管理退货,"爱德华兹说."RPA 软件现在可以处理退货,其中包括一系列重复步骤:发送确认收到退货的消息、更新库存系统、对客户进行付款调整、确保内部计费系统更新,以及很快." 比方说,退回一双不太合脚的鞋子所涉及的步骤非常符合上述 Landreman 的标准,无论是客户还是企业.这是一个基于规则的流程,具有特定的触发器并且是可重复的;它具有特定的输入(例如发起退货和退回产品)和输出(例如您的退款);尤其是对于零售企业来说,数量肯定很大. 这是一个必要的过程,为低效率、错误和其他问题提供了大量"机会".让我们面对现实吧:这很无聊.这是 RPA 存在的改进过程. Kofax 的 Huff 说:"[使用 RPA] 自动化的能力使工作人员能够将注意力转移到更周到、更有意义的工作上,同时还消除了可能损害处理时间、合规性和整体客户体验的数据输入错误." RPA 的好处是什么？ 除了我们刚刚在财务、客户服务和 HR 中检查的业务流程之外,RPA 的其他好处是什么?DevOps Institute 的首席研究分析师 Eveline Oehrlich 建议,想想您的组织可以利用回收的 IT 团队时间做什么. "RPA 的生产力潜力不容忽视,"Oerlich指出."技术将继续改进,但这并不一定意味着机器人会抢走工作.理想情况下,这些机器人将使 CIO 能够腾出员工从事更有意义的工作,从而推进组织的数字化转型工作.此外,提醒怀疑论者许多供应商提供免费试用,因此您可以在提交之前体验 RPA." AI 和 RPA 有什么关联？ 尽管越来越多的企业采用 RPA,但在 AI 和 RPA 之间的基本关系上仍存在一些分歧.正如我们 由哈佛商业评论分析公司制作的研究报告 "现实世界人工智能高管指南"指出:"有些人质疑 RPA 是否符合人工智能的要求." 为什么会出现分歧?RPA 不会像深度神经网络那样学习."如果自动化任务中的某些内容发生了变化——例如,Web 表单中的一个字段发生了变化——RPA 机器人通常无法自行解决,"正如我们所报道的那样. 即使你持这种观点,RPA 和 AI 之间也肯定存在一种关系——一种日益增长的关系. "增强和模仿人类判断和行为的人工智能技术补充了复制基于规则的人类行为的 RPA 技术," Kofax 的 Huff说."这两种技术相互配合,就像传统的‘白领’知识型员工和‘蓝领’服务型员工作为推动组织生产力的引擎进行协作." AI R&d在主管Dave Costenaro, Jane.ai,指出,作为RPA被部署在音乐会AI技术,它的收益能力. "目前蓬勃发展的人工智能技术——即深度神经网络——正在向 RPA 工具箱中添加全新的工具,主要用于视觉和语言任务,"科斯特纳罗说."现在,RPA 工作流程可以通过这些功能在决策节点上启用,而之前他们无法做到这一点.这允许通过算法整体‘查看’文档和图像,并为下游逻辑和路由进行解释." "利用 AI 和处理日益复杂的数据的不断发展,可以模拟人类的决策水平,"Oerlich 指出."这可以加快决策速度并消除人为偏见的可能性."
近日,专注于医疗智能自动化解决方案供应商Olive宣布,获得由Vista Equity Partners 领投,老虎全球管理基金和Base10 Advancement Initiative跟投的4亿美元融资,估值达到40亿美元.在去年12月,Olive曾获得了2.2亿美元的融资,估值仅为15亿美元.时隔7个多月,估值增长了2倍多,这说明RPA赛道仍处于高速增长期. Olive自 2020 年 3 月以来已获得 8.32 亿美元融资,成为医疗RPA领域融资最多的厂商.在这之前Olive仅获得了7000万美元融资(Olive成立于2012年),也就是说在1年多时间里借着RPA这股"东风"Olive获得超8亿美元巨额融资. 目前,美国40多个州900多家医院已部署了Olive的智能RPA产品,其中,有20多家医院排名全美前100名. Olive首席执行官SeanLane曾表示,Olive每赚1美元,医疗保健机构就可以节省5美元,这是让人难以置信的双赢合作.智能RPA正帮助医疗界节省难以置信的运营成本,尤其是在COVID-19爆发后,RPA机器人帮助医疗保健机构缓解了人力资源的压力.使得医护人员可以将宝贵时间用在病人身上,而不是那些枯燥、繁琐、无意义的工作上. 根据麦肯锡在2020年发布人工智能应用报告显示,医疗保健领域是最应该应用人工智能的行业之一.尤其是AI与RPA相结合之后打造的智能数字化劳动力,有助于医院将 财务、人事、病人管理等业务流程实现自动化,从而节省大量宝贵时间,并在以后的恢复工作中发挥巨大作用. 随着全球智能RPA赛道迅速崛起以及各行业对自动化的重视,越来越多的RPA厂商开始崭露头角.资料显示,Olive成立于2012年,Olive并没有做全域型RPA厂商,而是聚焦在医疗自动化领域.目前,Olive在美国43个州拥有800多名员工,而在2020年Olive仅有200多名员工. Olive除了提供医疗领域的财务、索赔、付款、供应商管理等自动化服务之外,例如,自动处理供应商付款,自动处理发票的收/发等,还针对COVID-19推出了特定的智能自动化解决方案. Olive为医疗机构提供疫苗自动化管理:可以自动筛选符合接种的人群,预定接种疫苗,接种人员分类,临床HER管理等操作.整个业务流程比人工操作效率提升了4倍左右,最重要的是释放了医护人员缓解了人力资源压力. Olive为新冠病人提供自动化管理:病人的入院、病历登记、病史查询以及出院提醒等操作.可以让医护人员时刻掌控病人的详细情况. Vista旗舰基金联席主管兼高级董事总经理Monti Saroya表示,我们看到 Olive强大的自动化创新技术,为医疗保健领域带来了巨大的变革能力.强大的智能自动化技术帮助医疗保健人员,将很多无意义的数据操作实现自动化,这是一项重大技术突破.期待与Olive团队的合作,他们的技术将帮助医疗机构重塑业务流程.
2021年7月8日-10日,以 "智联世界·众智成城" 为主题的2021世界人工智能大会(WAIC2021)即将在上海隆重召开.在上海全面推进城市数字化转型大背景下,作为全球化、专业化、综合性的世界级人工智能(AI)盛会, WAIC2021由上海市政府与国家发展改革委、工信部、科技部、国家网信办、中科院、工程院、中国科协共同主办. 据悉,大会展览首日(7月7日)将有10余款全球首发、中国首发、首秀的新品做专场发布,整个展览期间还将有包括华为自动驾驶、盘古大模型等在内的众多前沿技术产品惊喜亮相. 当今,人工智能技术飞速发展,深刻影响着社会变革和人民生活.无人驾驶、语音识别、生命科学……等人工智能技术正在推动数万亿数字经济产业转型升级,并不断通过赋能与突破带来新的发展机遇. WAIC2021大会主要由 "会议论坛、展览展示、竞赛评奖、应用体验 "四大板块构成,会议论坛延续"1+2+11+X"总体架构,即1场开幕式、2场全体会议、11场主题论坛和若干场各具特色的论坛活动,聚集近1000位全球重磅嘉宾,汇聚世界人工智能发展的最新成果和观点,共同探讨人工智能技术创新与产业落地的前沿进展,广泛传递城市数字化转型的理念与价值,推动相关治理和规范形成全球共识, 为全球人工智能协同共治描绘新蓝图. WAIC2021展览展示规模进一步扩大,线下展览面积4万平方米,并将升级云平台展览﹔竞赛评奖以"SAIL奖"为引领,聚集算法大赛、AIWIN、青少年人工智能大赛、青年优秀论文评选等品牌赛事﹔应用体验将进一步丰富会场及周边智能化场景,展现数字化转型成果. 此外,升级版的云展2.0将呈现科技、梦幻、活力的虚拟"夜上海".线下展览论坛内容将实时呈现给云端观众,让观众足不出户,通过云直播、云会场、云展览,就可以一睹前沿AI科技,感受人工智能"赋能"科技狂潮. 作为世界技术前沿盛会,WAIC2021对安全性、抗攻击可靠性要求很高,华为云为WAIC2021提供安全合规的平台,采用独立的模块化设计,物理资源严格隔离,是目前业界唯一支持资源专属能力的厂商,计算、存储物理资源租户级独享,华为云通过了等保四级、PCI-DSS等系列安全资质认证. 作为WAIC2021的战略合作伙伴,华为云为大会提供安全、稳定、高效的云服务,包含云资源、云直播、云安全、云上保障护航、大会现场专家保障等. 云资源方面,华为云全面负责WAIC2021大会官网、H5服务器建设运营,及4天70场左右现场直播.今年大会公众参与机制为"线下预约制,线上开放式",会议期间,公众通过大会官网官微、云平台2.0等进行线上参会观展. 针对不能到场的观众,华为云为大会打造了集首页信息流、论坛会议直播、4*24小时直播间、底部导航精准搜索为一体的云平台,可为线上观众打造3D场景体验身临其境的虚拟空间,提供云体验选座、实时弹幕等花样互动功能,公众可在世界各地体验在线同场、多语种同传的酷炫云会场. 作为全球性的科技盛会,本次大会用户众多、流量巨大,网络的流畅对于WAIC2021来说至关重要.华为云CDN基于海量节点资源, 为大会官网、视频提供加速服务,帮助大会用户直接就近接入内容、观看直播、线上观展.据悉,华为云CDN加速,在视频、游戏、电商、金融、医疗、政务等行业领域全面开花,为中软国际、软通动力, 哔哩哔哩、YY直播、英雄互娱、蘑菇街、每日瑜伽、全球播、号码百事通等行业客户提供技术支撑. 人工智能是上海落实国家战略部署、重点发展的三大先导产业之一,也是城市数字化转型的重要驱动力量.在"十四五规划"的开局之年,WAIC2021作为上海打造具有世界影响力的国际数字之都,建设数字中国的抓手之一,重要性不言而喻.2021世界人工智能大会明日即将开幕,一起期待,感受AI科技带来的前沿魅力.
机器人化和流程自动化领域——RPA(Robotic Process Automation)正在积极发展,越来越多的公司在其业务流程中使用RPA解决方案.根据Grand View Research的一份报告,到 2027 年 RPA 市场将超过 250 亿美元,复合年增长率超过 40%.此类解决方案的开发人员为企业提供了创建"数字工作者"的平台.数字工作者是该平台的主要组成部分,是一个软件机器人,可在桌面上使用软件执行操作.其他平台组件允许您在生产环境中分析业务流程、自动化它们并控制它们的执行. 对于解决方案开发人员来说,将不同的技术结合起来以获得新的机会变得很自然.例如,RPA 和人工智能 (AI) 通常被视为独立的领域,但它们在很大程度上是相互补充的.这些技术的结合导致智能自动化,从而能够快速执行端到端业务流程.结合这两种技术的解决方案的实施对各行各业和公司非常有用,尤其是提供服务和支持服务.RPA和AI的结合使用究竟可以带来哪些结果呢? 智能效率 RPA 平台本身能够自动化基于不同技术平台(Windows 桌面、Web、大型机、Java、Web 服务、API)的许多业务流程.集成的灵活性是通过使用不同的方式与机器人的用户环境进行交互来实现的.其中一种方法假设机器人可以模仿人类动作并直接与目标应用程序一起工作,而目标应用程序"不知道"它正在被机器人控制.也就是说,标准的工作流程保持不变,没有任何额外的变化,机器人只是简单地代替了人.在其他情况下,也可以使用系统功能.例如,机器人可能不会通过使用系统命令操作文件来使用资源管理器(用户界面).使用表和数据库, 随着人工智能的进步,出现了数字工作者的其他用例.RPA 是一种具有许多优点的高效技术,但机器人只能执行人类分配给它们的任务.但人工智能可以训练机器人,让他们有机会独立分析某些问题.因此,RPA 可以根据预定义的规则自动执行所有任务,而 AI 可以填补 RPA 失败的空白.如果早期的机器人只能处理结构化数据和清晰构建的逻辑,那么得益于人工智能技术,机器人能够做出独立决策. 考虑一下由于人工智能,机器人做出独立决策的方向. 分析:流程检测和活动识别 公司通常需要一份描述业务流程和员工行为的文件.这样的文件可以简化培训新员工的流程,改进某些流程,提高工作质量,也可以用来构建机器人化系统. 自动化流程分析节省了业务分析师描述它们所花费的时间.基于人工智能的解决方案可以检测新流程,更详细、更广泛地调查和描述它们.在大多数情况下,此类解决方案代表安装在员工桌面上并监控所执行操作的代理程序.一段时间后,代理形成员工执行的工作的概念.因此,业务分析师必须花费在准备文档上的时间显着减少. 光学字符识别 光学字符识别 (OCR) 包括图形字符、斜体和非结构化数据的识别.这些技术用于自动化无法在系统级别连接的应用程序,以及处理无法从中提取文本的文本文件 - 例如,从扫描文档的 PDF 文件中提取文本.通过这种方式,可以处理发票、支票、收据和其他标准化(但不一定结构化)的文档.人工智能的这种使用导致端到端流程自动化.只有当机器人不确定下一步要做什么时,人们才会支持机器人并处理文档. 借助 AI 技术,还可以使用额外的文本识别功能.它们需要更智能地使用数字化文档 - 在文档包含表格或不同文本布局的情况下.例如,开发人员提供用于处理属于 IDP(智能文档处理)系列的图形文档的产品.IDP 与 OCR 的不同之处在于,除了将图形文本转换为数字外,它还可以检测文档类型并查找更改其位置的字段.IDP 接受监督式培训,分析师会在其中调整结构化文档概念.当 OCR 和 IDP 不仅提供可识别的文本,还提供对数字化正确性的置信度评估时,非常方便. 一些产品还允许手写识别.当然,很大程度上取决于语言和文化.例如,当涉及到医生开的处方时,通常很难识别文本.但是识别技术就在那里,并且有效.创新的解决方案可以轻松处理扫描的应用程序和其他文档.手写识别通常用于在提议和接受的合同承诺之间进行对账,其中接受客户手动重写合同的关键条款. 谈到文档数字化技术的发展趋势,专家建议从基于手写文本的流程转向输入的数字化.如果您用聊天机器人、表单或 IVR 系统(智能语音识别)替换此方法,流程将更加高效.此外,手写识别还可用于比较和验证签名. 图像识别 处理图像时可能需要图像识别.RPA 平台包含用于查找画中画和分析图像以获取不同颜色内容的组件.人工智能技术允许扩展其使用场景.就其本身而言,这项技术很有趣,当与其他技术和系统结合时,它为业务流程的机器人化开辟了新的机遇. 图像的比较分析可以让您找到"画中画",它们之间存在一些差异.这种技术的一个很好的例子是谷歌图像搜索.搜索结果是相同和相似的图像.用例可以是在 Internet 上搜索包含类似照片的所有来源.该解决方案可用于验证个人数据的真实性.如果在社交网络上为不同的账户使用了相同或相似的肖像,那么该信息的真实性就值得怀疑.您可以以相同的方式搜索徽标. 此功能还包括人脸识别选项:识别图像中人脸的概念 - 例如,护照照片.通过自动化招聘,可以使用 IDP 识别护照数据,自动识别员工照片并将其保存在本地人力资源系统中.可以将护照数据与个人数据进行比较,并且可以在照片数据库中检查照片(例如,通缉犯). 还可以从视频监控流中识别人脸和人物图像.视频流被切割成帧,采样帧通过人脸识别系统.根据人事管理系统检查人员,并根据人脸识别做出决定.例如,如果有一个仓库有块 A 和 B,并且在块 B 中识别了分配到块 A 的员工,这可能会导致仓库安全服务的自动通知.智能机器人提供系统之间的通信,并将个人能力链接到一项端到端的有用活动中. 物体识别是对图像中的概念或现象的识别.从医学识别异常,防御识别目标,生态识别污染,到炼油工业,各种行业几乎都有无穷无尽的用途.该解决方案的用途是让 AI 训练跨多个图像的概念化.经过训练后,AI 将能够对图像进行内容分类或缺乏概念分类.这种解决方案的一个很好的例子是管道上的锈蚀处理.想象一架无人机飞过管道并从上方拆除管道.处理视频并检查镜头是否生锈.如果发现生锈,然后服务团队会收到包含图像和图像地理位置的通知,然后决定是否需要采取行动.当然,无人机不能飞上百公里的管道,必须有团队陪同,但这比爬上管道并一步步检查要快. 当然,人们可以做到这一切.但是多久和多久一次?机器人不会感到疲倦,也不会因长时间单调的工作而迷失方向.他们可以处理信息,即使他们必须每 10 分钟分析同一张图像,同时每小时分析数千张图像. 机器人 AI 系统还允许您通过列出所见对象的概念来描述图像.当人工智能被用来规避针对人工智能和机器人的技术时就是这种情况.一个很好的例子是旨在将用户验证为人类的技术("选择所有带有红绿灯的图像以确认您不是机器人").图像的描述性分析会告诉您图像包含一个包含汽车和交通灯的城市环境. 提高客户服务效率的机会 结合 RPA 和 AI 的解决方案通过自动分析呼叫(语音、文本)、确定呼叫的情绪、优先级和上下文,帮助提高客户服务效率. 情绪分析可让您确定作者的情绪或信件的语气.该技术可用于支持中心来确定请求的优先级.一个更有能力的客户支持员工被分配到请求中,文本分析器从文本中提取一般上下文.支持信被归类为许可、安装或使用请求.此外,该技术可以与聊天机器人集成以实现相同的目标 - 定义进一步分发处理请求的上下文和一般含义 - 通过机器人手动或混合. 语音识别使得在机器人和人之间创建语音通信通道成为可能.它与上下文识别系统结合使用.语音消息被数字化为文本,而文本又经过含义定义.这种基于预定上下文的通信用于聊天机器人.联系支持服务时,客户会表明身份并描述其请求的性质.系统通过对话引导用户并处理请求.如果系统无法理解或处理请求,呼叫将转接给已经掌握信息并查看系统自动问题答案的支持员工. 还有一些服务解决方案 (Service Assist) 将请求帮助的客户、支持代理和机器人连接到一个端到端流程中,机器人完成所有工作,使用不同的公司系统收集数据并进行更改. 另一种解决方案是将文本转换为语音.机器人可以准备一段文字,然后将这段文字翻译成语音,然后通过有针对性的信息拨打电话.模拟人类语音用于旨在大规模警报的自动机器人呼叫.此类功能在很多情况下都是必不可少的 - 例如,立即通知人员.这项技术的使用也可用于提醒乘客机场航班延误.邮件需要访问权限,并非所有电子邮件在收到后都会立即阅读.电话或免提电话在发送和接收消息方面更加同步. 此外,值得注意的是一个非常有趣的方向——虚拟播音员.机器人可以传输文字,与虚拟播音员一起创建视频发布,等待视频编辑,并将视频放入视频存储和发布系统. 在上下文识别方面,聊天机器人就是一个简单的例子.他们通常从一个特定的问题开始.根据预定义的类别对用户响应进行分类,这就是上下文识别.聊天机器人主要用于外部客户支持和内部员工支持服务,其中通信结果由机器人处理.因此,您可以发送房屋或汽车保险的报价,帮助您找到最近的组织分支机构,或建议支持服务的联系信息.外部支持包括在搜索公开可用信息时为客户提供用户友好性.但是,如果可以授权客户,则可以提供与个人数据相关的服务. 如果我们谈论对内部客户的支持,可以是密码恢复、服务请求、帮助查找内部程序、法规、模板等.这将显着加快新员工的培训,因为聊天机器人助手将能够帮助员工处理不熟悉的情况. 未来对我们来说是什么? 许多公司长期以来一直在结合 RPA 和 AI 技术,释放人力资源.而这些技术的发展及其普及,可能会导致业务流程数字化方面的革命性变化.AI 使您能够超越 RPA 平台的能力.多亏了人工智能,数字工作者变得聪明,获得了分析和做出的能力,尽管是受控的,但独立的决策.
