一、RPA 技术概述
(一)定义与发展历程
RPA,即机器人流程自动化(Robotic Process Automation rpa.top),是一种通过软件机器人模拟人类在计算机上执行重复性任务的技术。它不是实体机器人,而是一种流程自动化工具,能够自动处理数据输入、处理和文件传输等任务。
RPA 的发展历程可以分为以下几个阶段:
- 早期发展:20 世纪 90 年代末,随着业务流程外包(BPO)的出现,企业开始寻求成本更低、数据更安全的自动化解决方案。此时出现了一些具备 RPA 雏形的软件和工具,如屏幕抓取类和流程自动化工具类。屏幕抓取技术可提取关键术语,扫描大量静态信息等数据,其数据抓取、分类和分析的能力是目前 RPA 的核心功能之一。流程自动化工具类软件可以通过捕获特定字段帮助处理订单,提高了订单处理的速度、效率和准确性。
- 成型阶段:2015 年后,RPA 公司获得风险投资,形成了当前的产品形态,降低了使用门槛,提升了可靠性。RPA 开始将人工智能技术和自动化技术有效结合,其中应用最多的是 OCR 技术,允许用户以可视化的方式使用拖放功能,建立流程管理工作流,将重复劳动自动化。
- 广泛认可和智能化发展:2019 年,RPA 被 Gartner 评为关键技术,与 AI 技术融合,拓展了自动化的深度和广度。
(二)核心功能与组成
- 核心功能包括流程自动化执行、数据采集与处理、工作流程协调等。
-
- 流程自动化执行:按照预设规则执行任务,如订单处理。
-
- 数据采集与处理:从多个数据源提取、清洗和整合数据。
-
- 工作流程协调:协调不同部门和系统间的工作流程。此外,RPA 还具有规则引擎应用、任务分配与管理、接口集成等功能。规则引擎应用可根据复杂业务规则进行决策;任务分配与管理能智能分配任务,跟踪执行情况;接口集成可与企业应用系统无缝集成。
- 说明 RPA 产品通常由设计器、执行器和控制器组成。
-
- 设计器用于创建机器人,是 RPA 的设计生产工具,通过开发工具,开发者可为机器人执行一系列的指令和决策逻辑进行编程。具体由机器人脚本引擎、RPA 核心架构、图形用户界面、记录仪和插件 / 扩展等部分组成。机器人脚本引擎内建脚本语言 BotScript 执行引擎,具备词法分析、编译、运行等计算机语言的标准组成组件;RPA 核心架构是 RPA 产品的界面识别器,能识别各种界面元素,动态加载自定义识别器;图形用户界面承担流程的编写、开发、调试工作,与控制中心进行通信;记录仪用以配置软件机器人,记录用户界面的鼠标动作和键盘输入;插件 / 扩展可让配置的运行软件机器人变得简单。
-
- 执行器是用来运行已有软件机器人,或查阅运行结果的工具。以机器人脚本引擎与 RPA Core 为基础,辅以不同的 GUI 交互,满足终端执行器常见的交互控制功能。执行器可与控制中心通过 Socket 接口方式建立长连接,接受控制中心下发的流程执行、状态查看等指令,并在执行完成时将结果、日志与录制视频上报到控制中心。
-
- 控制器主要用于软件机器人的部署与管理,包括开始 / 停止机器人的运行,为机器人制作日程表,维护和发布代码,重新部署机器人的不同任务,管理许可证和凭证等。控制器可以管控和调度无数个 RPA 执行器,对机器人进行集中控制;提供完备的用户管理功能,对每个用户进行权限设定;提供 “流程管理” 界面,用户可以查看已有流程被哪些任务使用,以及流程的激活状况等;还提供机器人视图功能,用户可以查看所有的或某一部门下的 RPA 机器人流程。
(三)优势
RPA 具有以下优势:
- 高效性和准确性:快速执行任务,保持准确性。RPA 机器人可以在短时间内完成重复的、繁琐的、规律性的工作,能够在不断循环的任务中完成各项工作,同时减少错误率。
- 不间断工作:实现 24/7 工作,不受时间和节假日限制。RPA 机器人能够在 24 小时内持续工作,因此可以实现更高的生产力。
- 成本降低:减少人力成本,显著降低运营成本。通过自动化重复性任务,企业可以减少对人工的需求,从而降低人力成本。同时,RPA 机器人可以同时处理多个任务,充分利用计算机资源,提高资源利用率。
- 可扩展性:轻松扩展,适应业务增长。RPA 机器人可以很容易地进行扩展和升级,从而满足不断变化的业务需求。由于机器人使用标准的软件技术,因此可以轻松地与其他系统进行集成。
- 遵循规则:严格按规则执行,确保合规性。RPA 机器人是基于规则的自动化系统,可以在规定的流程和条件下准确执行任务,不会出现疏漏或人为错误。
- 数据处理能力:快速处理和分析大量数据。RPA 机器人能够快速准确地处理数据、执行计算和生成报告,这使得公司能够更好地控制业务过程。
- 改善客户体验:RPA 机器人能够快速响应客户的需求,从而提高了客户的满意度。机器人能够在 24 小时内随时提供服务,从而提供更高质量的客户支持和服务。
- 提高工作满意度:通过使用 RPA 机器人完成重复性和繁琐的任务,员工可以将更多的精力投入到更有意义和挑战性的工作中,提高了员工的工作满意度和动力。
- 实时监控:RPA 机器人可以对业务过程进行实时监控,以便更好地识别和解决问题,提高业务过程的可控性。
- 遵循合规要求:RPA 机器人可以在保持业务过程稳定性和效率的同时,遵循各种合规要求和标准,确保业务操作的合法性和可信度。
二、RPA 实施流程
(一)需求分析
在实施 RPA 之前,首先要进行需求分析。这一步骤旨在深入了解业务流程中的痛点,明确自动化的目标。通过与业务部门的沟通和调研,收集他们在日常工作中遇到的重复性、繁琐性任务,以及这些任务对工作效率和准确性的影响。例如,财务部门可能面临大量的数据录入和报表生成工作,人力资源部门可能需要处理大量的员工信息更新和审批流程。确定自动化目标时,要考虑提高工作效率、降低成本、减少错误率等方面的需求。同时,还需要评估自动化对现有业务流程的影响,确保自动化的实施不会对其他业务环节造成负面影响。
(二)可行性分析
可行性分析是评估 RPA 实施的技术可行性和成本效益的重要环节。在技术可行性方面,需要评估现有业务系统的兼容性、数据安全性以及 RPA 工具的功能和性能。例如,检查业务系统是否提供了足够的接口和数据访问权限,以确保 RPA 机器人能够顺利地与系统进行交互。同时,要考虑数据的安全性和隐私保护,确保 RPA 机器人在处理敏感数据时不会造成数据泄露。在成本效益分析方面,需要评估 RPA 实施的投资成本和预期收益。投资成本包括 RPA 工具的采购、开发和维护费用,以及员工培训费用等。预期收益则包括提高工作效率、降低人力成本、减少错误率等方面的收益。通过成本效益分析,可以确定 RPA 实施是否具有经济可行性。
(三)流程设计
流程设计是 RPA 实施的关键环节之一。在这一步骤中,需要绘制业务流程,明确各个环节的任务和操作步骤。然后,根据业务流程设计机器人的工作流程,确定机器人需要执行的任务和操作顺序。在设计机器人工作流程时,要充分考虑业务流程的复杂性和多样性,确保机器人能够适应不同的业务场景。同时,要注意机器人工作流程的合理性和高效性,避免出现重复操作和无效操作。例如,可以通过合并相似的任务、优化操作顺序等方式提高机器人的工作效率。
(四)开发与测试
开发与测试是将设计好的机器人工作流程转化为实际的 RPA 解决方案的过程。在开发阶段,需要使用 RPA 工具创建机器人流程,编写脚本和配置参数,确保机器人能够按照设计要求执行任务。在测试阶段,需要对机器人进行全面的测试,包括功能测试、性能测试和稳定性测试等。功能测试主要检查机器人是否能够正确地执行各项任务,性能测试主要评估机器人的执行效率和响应时间,稳定性测试主要检查机器人在长时间运行过程中的稳定性和可靠性。通过测试,可以发现机器人存在的问题和缺陷,并及时进行修复和优化。
(五)部署与上线
部署与上线是将经过测试的 RPA 解决方案投入实际生产环境的过程。在部署阶段,需要将机器人部署到目标服务器上,并进行配置和调试,确保机器人能够与业务系统进行正常的交互。在上线阶段,需要对机器人进行监控和培训,确保业务部门的员工能够正确地使用机器人,并及时处理机器人出现的问题。同时,要建立完善的监控机制,实时监测机器人的运行状态和性能指标,及时发现和解决问题。
(六)优化与维护
优化与维护是 RPA 实施的持续过程。在实际生产环境中,业务流程可能会发生变化,或者机器人可能会出现一些问题和缺陷。因此,需要定期收集反馈,对机器人进行优化和维护。优化的内容包括提高机器人的工作效率、增强机器人的稳定性和可靠性、适应业务流程的变化等。维护的内容包括修复机器人的问题和缺陷、更新机器人的配置和参数、确保机器人的安全性和隐私保护等。通过持续的优化与维护,可以不断提高 RPA 解决方案的质量和性能,为企业带来更大的价值。
三、RPA 适用领域与应用模式
(一)适用领域
RPA 适用于多个领域,其中在银行领域,RPA 可以应用于企业信用查询、财务报表处理、财务报告智能分析等场景。例如,在企业信用查询过程中,RPA 机器人可以自动登录法院、工商、税务等多个外部信用信息系统网站,获取、总结和截图查询结果信息,提高工作效率的同时保证了信用信息的完整性。在财务报表处理方面,RPA 可以通过 OCR 技术将财务报表扫描件转换成电子文件,实现信息自动收集和全职调查报告财务分析的自动生成,显著提高工作效率。
在保险领域,RPA 可应用于索赔处理、保单取消、保单数据更新、反馈邮件处理、客户服务、审计合规等场景。比如在索赔处理场景中,RPA 机器人可自动跨系统处理索赔数据;在反馈邮件处理场景中,RPA 可以打开每一封电子邮件,提取文本内容,根据反馈信息对邮件进行分类,并分发到相应部门进行后续处理。
在制造业领域,RPA 可以应用于采购管理、库存管理、发票处理、客户服务、BOM 表管理等方面。在采购管理上,RPA 自动化处理数据、发送审批,缩短周期并减少错误;库存管理上,RPA 实时监控库存,触发补货,生成报告,确保供应链稳定;发票处理方面,RPA 简化流程,比对数据,降低财务风险。
(二)应用模式
- 有人值守机器人和无人值守机器人是 RPA 的两种主要应用模式。
有人值守机器人需要人工触发,通常在员工的工作站上工作,访问权限仅限于特定部门或工作站的员工。例如,有人值守型 RPA 可以帮助呼叫中心员工提供更高水平的客户服务。在处理客户服务问题时,呼叫中心技术人员通常必须在多个屏幕、界面等接口之间切换,而有人值守型 RPA 可以让呼叫中心员工实时访问数据、文档或帐户信息,将更多时间用于关注客户。
- 无人值守机器人由自动化机器人自行触发,并且以批处理模式连续完成相关工作,可以全天候地执行操作。无人值守型 RPA 最常用于后台办公场景,包括大量数据被收集、分类、分析并在组织中的关键参与者之间分配。例如,针对健康保险公司需要应对的大量索赔处理、发票和其他文档等任务,无人值守 RPA 解决方案可以为其提供良好的服务。
- 在实际应用中,有人值守机器人和无人值守机器人可以混合使用。例如,在一个集成的 RPA 平台上,无人值守机器人可以负责后台的大量数据处理和分析工作,而有人值守机器人可以在前台与员工一起工作,灵活处理各种需要人工干预的任务。这样可以实现不同类型机器人的协同工作和统一管理,一方面可以帮助简化后台流程,另一方面又可优化面向客户的任务,从而提高整套流程的生产率和效率。
四、RPA + 大模型的融合
(一)大模型助力 RPA 的智能变革
大模型的出现为财务机器人带来了智能变革。在财务领域,传统的 RPA 虽然能够提高效率,但仍需要较多的技术介入和前期设置。而大模型的融入,使得财务机器人变得更加智能和易用。
以服务商为例,他们积极投身大模型开发,使得用户只需要向财务机器人提出要求,它就能快速学习并自动设置好流程,然后自动运行。比如发布 “帮我识别银行回单并写进 word” 这样的指令时,财务机器人便会立即行动起来,不断接受新的要求并持续完成任务。这种变革极大地减少了人工干预,让财务工作更加高效和精准。
(二)国内企业发展现状
在国内,金智维、实在智能等大牌厂商在财务机器人领域积极布局。实在智能在宣传智能体方面力度很大,然而在实际体验方面,据一些用户反馈,其产品感觉更像是 RPA + AI 的模式,智能体概念有一定的 “宣传手段” 之嫌。而金智维则展示了他们的智能体,但目前还未提供试用。不过,近期有消息称金智维有海外 AI 大佬归国加入大模型团队,这无疑给行业带来了新的期待。
(三)未来展望与挑战
- 展望 RPA 与大模型结合的未来趋势,如更深层次融合、智能化决策等。
-
- 未来,大模型将更深入地与 RPA 集成,实现更复杂的业务逻辑和决策流程。RPA 将不再仅限于执行简单的任务,而是能够处理更复杂的业务场景。随着大模型的学习能力增强,RPA 将能够执行基于数据的智能决策,这将使得自动化流程更加灵活和适应性强。大模型还将能够通过机器学习不断优化 RPA 的工作流程,提高效率和准确性,RPA 机器人也将能够从每次执行中学习,不断改进自己的行为。
- 提及面临的数据安全、人才培养等挑战。
-
- 一方面,随着机器人智能化程度的提高,数据安全和隐私保护问题变得更加关键。如何确保财务数据在这种智能交互过程中的安全性,是企业和服务商都需要深入思考的问题。另一方面,技术的不断更新要求财务人员不断学习和适应新的工作模式,这对人才培养提出了新的要求。
五、RPA + 大模型的应用案例
(一)智能客户服务
结合大模型的自然语言处理能力和 RPA 的自动化执行能力,可以创建智能客户服务机器人。这些机器人能够理解客户查询的上下文并提供准确的回答,同时自动化地处理常规的客服任务,如订单查询、退款处理等。以 AI 大模型 + RPA 在零售消费业的应用为例,RPA 机器人在 AI 大模型的加持下,能够处理并分析来自各个渠道的海量数据,快速做出智能决策,提高业务的灵活性和适应性,从而提升客户服务效率。在智能客户服务领域,大模型就像是机器人的 “大脑”,能够理解客户的问题和需求,而 RPA 则是 “执行器”,能够快速准确地执行相应的操作,如查询订单状态、处理退款申请等。
(二)财务流程自动化
大模型可以分析和理解复杂的财务报告和数据,而 RPA 则可以自动化执行发票处理、账目核对和报告生成等任务。这种结合能够提高财务流程的效率和准确性。例如在财务机器人的进化过程中,大模型助力下的财务机器人变得更加智能和易用。服务商积极投身大模型开发,使得用户只需要向财务机器人提出要求,它就能快速学习并自动设置好流程,然后自动运行。如发布 “帮我识别银行回单并写进 word” 这样的指令时,财务机器人便会立即行动起来,不断接受新的要求并持续完成任务。
(三)人才管理
东软 TalentBase 产品融合大模型与 RPA,打造人才管理平台。该平台以 AI + 人才管理模式,运用标签体系、胜任力模型、领导力模型、高绩效画像、人才画像、人岗匹配、人才盘点等技术,构建 “定标 - 对标 - 达标” 的全生命周期人才管理价值链。在架构层面,TalentBase 构建 “定标 - 对标 - 达标” 的全生命周期人才管理价值链。在 AI 大模型应用层面,主要围绕客服、助理、导师和顾问四个场景进行创新性的 AI 大模型能力落地。以导师场景为例,员工可以根据自身情况,提交学习、培训需求。基于底层企业级知识图谱,并植入了 AI 大模型的能力,更快、匹配度更高的为员工的培训与成长提供智能化的赋能。在客服场景中,采用大语言模型的能力,可快速进行面试的邀约、确认,以及面试后打分、综合考评、反馈,涵盖了从企业招聘名额审批,到最终招聘面试的全流程,而且场景已经能够与外部的招聘平台进行数据连接。在助理场景中,当一名员工通过面试入职以后,员工可以与企业数字员工不限时间 (7x24 小时) 的进行交互,询问其有关薪酬、公司制度等方面的问题。在日常工作中,员工可以通过该助理询问假期,执行请假等流程审批操作,提升了整体人事管理的效率。在顾问场景中,企业管理层可以根据对所有员工的数据分析,通过大模型的能力进行辅助决策。在有新岗位、新项目需要调岗支持的时候,通过大模型的能力,可以更好、更快地的匹配到合适的人员。目前,新一代 TalentBase 产品已经在东软集团内部得以全场景应用,并在部分重点客户侧有一些部分应用落地。在内部应用过程中,10 位数字员工产出 10 人月绩效。应用 RPA、大模型等技术,通过数字员工和人类员工的人机替代 / 增强组合,识别包括情报获取、员工服务、学习发展、访谈诊断等关键场景。已节约人力成本约 10 人月,平均投入产出比约为 30。以考勤场景为例,HR 伙伴上线 3 个月,累计创建工单 (机器人客服 + 人工客服) 8092 个,机器人客服拦截率 97%。转人工后用户满意度调查好评 90%。
六、RPA + 大模型的优势
(一)提高效率
RPA(机器人流程自动化)与大模型的结合在提高效率方面表现出色。以财务领域为例,在传统的财务工作中,财务人员常常面临大量的数据录入、报表生成等重复性任务,耗费大量时间和精力。而 RPA + 大模型的应用,使得财务机器人能够自动处理这些任务。例如,财务机器人可以根据大模型的分析结果,快速准确地执行发票处理、账目核对和报告生成等任务,大大提高了财务流程的效率。同时,在人才管理方面,东软 TalentBase 产品融合大模型与 RPA,打造人才管理平台。在考勤场景中,HR 伙伴上线 3 个月,累计创建工单(机器人客服 + 人工客服)8092 个,机器人客服拦截率 97%,极大地提高了人事管理的效率。
在企业信用查询、财务报表处理等银行领域,以及索赔处理、保单取消等保险领域和采购管理、库存管理等制造业领域,RPA + 大模型同样能够减少人力成本,提高工作效率。例如,在银行领域,RPA 机器人可以自动登录法院、工商、税务等多个外部信用信息系统网站,获取、总结和截图查询结果信息,提高工作效率的同时保证了信用信息的完整性。在保险领域,RPA 机器人可自动跨系统处理索赔数据;在制造业领域,RPA 自动化处理数据、发送审批,缩短周期并减少错误。
(二)增强智能化水平
RPA + 大模型的结合实现了跨软件、跨平台操作,提供了个性化服务,极大地增强了智能化水平。大模型如 GPT、BERT 等,具有强大的语言理解和生成能力,能够处理复杂的语言逻辑和上下文关系。当与 RPA 结合时,相当于为 RPA 赋予了 “操作电脑的手”,不仅能够执行当前页面的任务,还能通过 RPA 的自动化能力,实现跨软件、跨平台的操作。
在智能客户服务领域,结合大模型的自然语言处理能力和 RPA 的自动化执行能力,可以创建智能客户服务机器人。这些机器人能够理解客户查询的上下文并提供准确的回答,同时自动化地处理常规的客服任务,如订单查询、退款处理等。以 AI 大模型 + RPA 在零售消费业的应用为例,RPA 机器人在 AI 大模型的加持下,能够处理并分析来自各个渠道的海量数据,快速做出智能决策,提高业务的灵活性和适应性,从而提升客户服务效率。
在财务流程自动化方面,大模型可以分析和理解复杂的财务报告和数据,而 RPA 则可以自动化执行发票处理、账目核对和报告生成等任务。这种结合能够提高财务流程的效率和准确性。例如,在财务机器人的进化过程中,大模型助力下的财务机器人变得更加智能和易用。服务商积极投身大模型开发,使得用户只需要向财务机器人提出要求,它就能快速学习并自动设置好流程,然后自动运行。
在人才管理方面,东软 TalentBase 产品融合大模型与 RPA,打造人才管理平台。在架构层面,TalentBase 构建 “定标 - 对标 - 达标” 的全生命周期人才管理价值链。在 AI 大模型应用层面,主要围绕客服、助理、导师和顾问四个场景进行创新性的 AI 大模型能力落地。员工可以根据自身情况,提交学习、培训需求,基于底层企业级知识图谱,并植入了 AI 大模型的能力,更快、匹配度更高的为员工的培训与成长提供智能化的赋能。企业管理层可以根据对所有员工的数据分析,通过大模型的能力进行辅助决策,更好、更快地的匹配到合适的人员。
标签:处理,流程,机器人,开启,RPA,智能,自动化,模型 From: https://blog.csdn.net/xia18775048088/article/details/144446826