2019年的科技關鍵詞，RPA（Robotic Process Automation，機器人流程自動化）必須擁有一席之地。在它重回風口的這段時間裏，“AI+RPA"的概念被反覆提起。在阿博茨CTO劉鐵鋒看來，二者的關係可以這樣解讀：“AI延伸到RPA，是把AI進一步放大；也因爲有了AI的能力，我們纔看到了RPA的更多可能。”
在本次專訪中，雷鋒網AI金融評論就與劉鐵鋒詳細聊了聊有關RPA的多個熱門話題：爲什麼RPA直到最近纔得到風投集體青睞？這一領域的技術門檻何在？像阿博茨這樣的AI企業又是如何將RPA應用到金融等重點領域的？
RPA爲何重回風口？
如果把微軟爲Office系列配備的宏功能當成起點，RPA其實算是一門久遠的技術。劉鐵鋒將RPA的發展分爲三大階段，第一階段集中在量級較小的應用開發，而真正壯大的時間節點，應該是第二階段系統集成商這個角色的出現。
當系統集成商向企業輸出解決方案時，一套新的信息化系統需要對接原有的財務系統，卻發現對方的系統十分陳舊，連維護都欠缺，需要耗費大量人力和時間來轉移數據，此時RPA發揮的作用即是通過自動化填寫的方式，將結構化的數據填到新系統裏。劉鐵鋒表示，這一階段產生了自動化運維的需求，UiPath以及國內的相關廠商也就隨之出現。
然而，在該階段出現的廠商也已存在十年有餘，爲什麼RPA遲遲沒有得到資本的大規模追捧？
“在新的階段，企業可以針對客戶的業務系統，把當中能夠用AI能力放大的部分給拎出來了。原先就擁有的技術，再加上RPA的重複操作，給所有AI公司提供了落地的深度，有了將技術深度嵌入到公司業務流程的機會。VC正是看好AI公司侵入到這方面的能力。”劉鐵鋒這樣告訴AI金融評論。
與此同時，UiPath的收入增速和融資規模，也讓業界看到了RPA開放平臺這一新形式的可能性。企業們也不僅看中RPA的熱度，更關注到背後開發平臺的潛力所在。總體而言，第三階段是各路玩家在“AI+開放平臺”層面的一場角力。
AI+RPA+金融，能有多少想象空間？
RPA實現全面回暖的信號之一，是一批早有AI能力積累的企業集體切入這片廣闊的市場。劉鐵鋒分析稱，這樣的順勢而爲，與行業需求和技術沉澱密不可分。
區別於其他種類的機器人，RPA更強調流程性的優化。當業務試圖達到全自動化，完整地經歷一次從輸入到輸出的過程，此時RPA需要解決的，就是在流程上的斷點和阻塞點。像阿博茨這樣的企業會駛向RPA，也正是因爲在輸出AI能力服務金融客戶的過程中，用戶需求出現了流程上的進一步衍生。劉鐵鋒也表示，阿博茨對RPA的關注到投入是一個自然演進的過程，從2018年開始就已逐步在做相應的準備工作。
那麼，AI的加持能爲RPA做些什麼？例如，傳統的RPA機器人仍然需要員工作爲預處理的輸入終端，由人手抄或是通過OCR的方式輸入信息，但是機器人不能識別和理解裏面的內容，很容易在處理過程中被當前流程所困惑，從而導致大量的RPA機器人在複雜工作中失效。因此，通過AI給RPA戴上“眼睛”和“大腦”，“看得見”“讀得懂”業務中的數據，也就將只能執行基於一定規則重複任務的傳統RPA模式，升級成能夠模擬更多初級員工重複性勞動的進階模式。
“AI其實是區分了哪些工作可以用機器（技術能力）替換，哪些必須人來做。RPA則是往機器和機器互動方面往前多走了一步。”劉鐵鋒這樣總結。
在這一升級過程中，怎樣賦能RPA機器人，將其訓練得更職業化？阿博茨創始人餘宙曾在CCF-GAIR大會上表示，當其所處的工作和流程越垂直、越細分的時候，就越能夠發揮機器學習的優勢。
對應到金融行業，就需要RPA機器人首先具備足夠的對海量金融非結構化數據的處理能力。IDC曾給出相關統計結果，企業中80%以上的數據爲非結構化數據，每年按照指數增長60%。而目前金融市場的非結構化數據類型包括但不限於：科創板公告、基金財務報告、基金運營報告、合同、法律文書、研究報告、證件、票據、報表、圖片、電子郵件、社交媒體、HTML、移動數據、通信、媒體、應用程序等等。
在金融領域深耕多時的阿博茨，在這一方面也有着不少的積累。其已經利用parsing智能解析、智能抽取、OCR等技術攻克該類數據，並利用Everdroid RPA平臺，提高數據處理效率。與傳統的數據處理流程相比，阿博茨的產品體系基於機器視覺的解析引擎，無論圖片、pdf、掃描件等類型文檔都能解析識別，同時也支持Chart解析、Table解析、文本解析等全類別數據解析和抽取，另外有解析工具集針對各種長尾數據。其機器學習平臺，提供標註、訓練工具集，能在少量標註訓練情況下，覆蓋新類型的文本數據抽取。
AI金融評論注意到，目前阿博茨的非結構化數據RPA已覆蓋到多個應用場景，包括企業財務報表審計、一級市場數據生產、合同票據類文檔審覈、信貸市場資料識別錄入、租賃市場資料識別錄入等。
以信貸業務資料識別錄入流程自動化爲例，銀行/公積金/P2P有大量的信貸資料如戶口本、結婚證、離婚證、銀行流水、護照、銀行卡等需要識別入庫。RPA產品可視化選擇需要的輸入輸出，和OCR識別節點，利用OCR識別技術實現信貸資料自動化入庫，人工耗時由每張證照平均半小時能夠縮短至2分鐘入庫。
阿博茨也在現有的技術沉澱上成功構建金融RPA的平臺架構，打通非結構化數據解析場景的數據獲取和錄入環節。並已實現針對不同類型的數據，形成平臺級解決方案，利用AI機器學習平臺和RPA平臺，客戶可自定義模型和業務流程，適應不同場景。
劉鐵鋒還強調，RPA之所以會在金融行業密集落地，原因之一正是銀行、券商、保險等金融機構已經實現了較高的信息化水平，也因此有着更強烈的以機器替代乏味人工操作的意識。
RPA的門檻有多高？
當下，RPA領域既有發展多年、試圖擁抱新技術的老牌廠商，亦有攜AI而來的活躍新玩家。入局者衆多，RPA的技術門檻和競爭壁壘到底在哪裏？它又是否如行業人士所言，更多還是商業模式的創新？
“就好比樂高積木你有不同的模塊，想要搭出飛機，腦子裏還得有飛機的概念——對技術開發者來說，想要進入RPA領域，不光要了解節點的意義、API的調用，還要真正理解這項技術能夠在哪個業務領域用起來。”劉鐵鋒給出了這樣一個比喻來形容個人層面的RPA技術門檻。
上升到企業層面，他認爲一家RPA企業應當有這樣的準備工作如下：
一是AI能力或資源能力的服務化：“最開始只是向客戶提供私有化部署，但如果需要提高開放程度和業務規模，就必須將內部私有能力走公開化道路，比如做到讓第三方平臺或開發者都能直接調用，這是第一步基礎性的工作。”
二是RPA的平臺化：“一旦要提升通用範圍，就不可避免地會碰到所謂的用戶界面友好性、適用性、開發簡易程度等一系列問題，這就得考慮對整個RPA平臺的構建。”
三是匯聚開發者形成社區，與合作伙伴共同構建行業生態體系。
劉鐵鋒強調，能把開放平臺行之有效地建立起來，構建起生態系統，纔有可能成爲這個領域真正的“頭號玩家”。據AI金融評論瞭解，目前阿博茨也正在構建相應的RPA開放平臺。一部分開放是將ABC金融大腦和RPA技術開放出來，讓外部的開發者通過簡單的模型配置，就可以創建一個流程機器人，爲企業自動化創造一個獨有的解決方案。另外一部分開放，是面向渠道合作伙伴開放技術，向企業提供服務，以聯合的方式完成項目實施。
單有這樣的準備工作尚不完整，在劉鐵鋒看來，一家AI企業想要在RPA領域搭起堅不可摧的行業競爭壁壘，首先要打磨自己的這三種對待世界的能力：
一是認知世界：“通過OCR、NLP等技術去識別圖像、文本、各種應用類圖表，把物理世界裏的數據還原到數字世界去。”
二是理解世界：“在非常強大的OCR能力之後，系統必須要理解還原後數字的關係和屬性，通過知識圖譜方面技術的積累，去還原數據之間的關聯性。”
三是響應世界：“例如當用戶產生了複雜的提問，要通過NLP來轉換成查詢”，實現更深層次的人機之間、機器之間的互動。
在RPA不算太高的行業准入門檻下，業內的價格戰似乎難以避免。對此他也表示，要考慮AI優先、RPA在後的思路，在這裏“AI打價格戰很難，除了技術能力，也的確需要行業的知識和理解。”
儘管RPA現在正處於聚光燈之下，受到企業和資本的追捧，但劉鐵鋒對於智能RPA產品的長遠發展抱有相對冷靜的態度，相信RPA未來也會被其他形式的產品或是更新的概念取代。在他看來，目前RPA工作的內在相當於人機互動或機器之間的互動，之後的RPA產品有可能會在AI層面演化，讓機器自動去總結有哪些重複的工作。