BimAnt

RPA+GenAI

admin -

机器人流程自动化（简称 RPA）是过去十年中突破性的 B2B 软件技术之一。它已经发展成为一个庞大的软件市场，根据 Forrester 的数据，目前价值 50 亿美元，并且仍然是企业中增长最快的软件类别之一。

RPA 之所以如此受欢迎，是因为它涉及使用“机器人”来自动执行通常由员工完成的大量、低复杂度、重复性任务。 RPA 的基本情况很明显：这些机器人让员工可以专注于更多增值（坦率地说，更有趣）的任务，并降低企业的总体成本。它们可以全天 24 小时运行，避免人为错误，并处理大量任务。

最适合 RPA 的任务包括处理交易、操作数据、响应查询和跨系统通信。后台功能很快被证明是该技术的天作之合，银行实施 RPA 来路由和响应投诉电子邮件，医疗保健公司使用 RPA“机器人”来帮助处理和分析数百万份供应商发票。

长期以来，RPA 看起来像是试图绕过混乱的传统技术设置的公司的灵丹妙药。它在金融服务、公共部门和能源等监管严格的领域得到了显著应用——这些行业通常不愿意和/或无法对其系统进行大规模更改。我们的投资组合公司 FlowX.AI 为这个在传统技术堆栈之上构建的庞大而普遍的问题提供了另一个很好的解决方案。

然而，RPA 也受到了一些反对。它被批评为避免痛苦但必要的数字化转型的“创可贴”。客户抱怨机器人很脆弱，需要花费数小时来维护它们，而不是构建新的自动化。让我们以一家保险公司使用 RPA 来核对索赔表格为例。如果数据格式发生变化，比如在表单中添加了一行新数据，那么机器人将无法完成任务。RPA 机器人没有任何“智能”来应对“死胡同”。相反，员工必须重新配置任务。

如今，既有企业和颠覆者都在构建新的解决方案来解决这些问题，这些解决方案主要基于 GenAI 功能，我们相信这一发展为该领域带来了重大机遇。

1、机遇：GenAI 和下一代自动化

正如我们在最近的博客文章中所探讨的那样，现在全世界都在转向 Gen AI。因此，企业开始看到一种新型自动化：“下一代”自主代理。

这些“下一代”代理是 AI 机器人，可以使用 GPT-4 等大型语言模型 (LLM) 规划和执行用户提供的目标。这些机器人完成并添加新任务，根据先前任务的结果确定其工作流程的优先级。它们可以调用长期和短期记忆，使用旧查询作为上下文并存储以前的结果。这意味着这些机器人不会止步于新数据造成的“死胡同”，而是可以从错误中“学习”并调整其一系列任务。

开源社区现在正在构建自己的代理，用于从编写代码（GPT-Engineer）到订购披萨（HyperWrite）等所有事情。对我们来说，这些代理看起来像是对传统 RPA 的直接挑战：既然您可以直接为代理指定目标，为什么还要费心将规则编程到机器人中？

2、新一代自动化

在 Dawn，我们对流程自动化的下一代颠覆者感到兴奋。这些参与者通常具有从一开始就被设计为 AI 优先（甚至是 GenAI 优先）的优势，并且在集成最新创新方面更加灵活。

例如，有些以更好的文档处理或代码原生平台来补充以 RPA 为中心的自动化流程。其他则以自主代理为中心，以提供“下一代流程自动化”——通常从电子商务等不受监管的用例开始。

我们已经看到一些著名的欧洲公司已经颠覆了这一领域，包括：

  • Robocorp：代码原生和开源 RPA 平台，其愿景是通过 GenAI 代码解释器将 Python 的灵活性与低代码的易用性结合起来
  • DeepOpinion：具有尖端 NLP 的企业工作流自动化
  • Automaited：具有自学能力，可实现任何任务的高度灵活自动化
  • Workfellow：通过接入各种工作流实现下一代流程卓越
  • Levity：用于电子邮件、调查、客户支持等的 AI 文本和文档处理
  • Invofox：AI 数据输入，最初侧重于账单和发票等财务
  • Go Autonomous：专注于电子商务的自动化，涉及报价和销售订单等领域
  • Virtuoso：使用 NLP 和 AI 进行 QA 和测试自动化，以减少维护开销
  • Workist：使用 AI 进行 B2B 交易的订单处理自动化

现任者的回应：现任者和“智能流程自动化”

出于显而易见的原因，GenAI 也是 RPA 现任者构建其平台的首要考虑因素。UiPath 和 Automation Anywhere 正在通过两种方式应对传统 RPA 的不足之处：他们试图拥有更多端到端的自动化工作流程，并添加支持 GenAI 的功能。

3、端到端自动化工作流程

Celonis 等流程挖掘平台以及 SS&C 和 IBM 等传统业务流程管理参与者正在构建其流程自动化功能。拥有所有自动化的潜在价值如此之大，以至于它也吸引了新来者。

“智能流程自动化”旨在通过清理输入和监控输出来使机器人更具弹性。RPA 仍然是这一过程的核心。它从更好地挖掘和映射组织中可重复的流程开始，这些流程构成了自动化的下一组用例，与 Celonis 等现任者竞争。然后，它包括使用计算机视觉、光学字符识别 (OCR) 和手写识别 (HWR) 更好地提取数据。然后可以使用更清晰的分析和所需的“下一步行动”来处理数据。在流程自动化之后，此工作流程包括一套测试和监控工具，以确保自动化继续按计划运行。

4、Gen-AI 支持的功能

与此同时，UiPath 和 Automation Anywhere 已向领先的 LLM 提供商添加了 OpenAI 聊天机器人和连接器。Celonis 发布了“智能 API”，以便其数据更轻松地用于自动化模型。

5、下一步是什么？

客户对这些新发展感到兴奋，但对采用支持 GenAI 的解决方案有一些保留意见，尤其是在受监管的环境中。他们希望对可能的结果范围和输出质量进行监管。此外，他们希望能够监控进度，并偶尔让人类参与决策。

这种不断扩展的自动化堆栈 [见上面的幻灯片] 有时也会让企业难以管理。在协调多个孤立的自动化平台和流程时，这种情况更有可能发生，因为这些平台和流程涉及人类和 RPA 机器人之间的许多交接。它可以增加总拥有成本，并降低构建新自动化的总体能力。我们的投资组合公司 C TWO 希望解决这一问题：其编排平台允许开发人员通过单个与供应商无关的模块管理和扩展其自动化基础设施。

我们仍然相信自动化还有更多发展空间。我们已经对企业客户进行了实地市场调查，他们都表示，他们仍处于自动化工作流程的早期阶段。我们相信，自动化用例的潜在价值中高达 70% 尚未被触及，我们期待下一代技术能够帮助释放这一价值。

原文链接：Next-generation automation: what Generative AI means for RPA

BimAnt翻译整理，转载请标明出处