AI落地Best Practice · 企业与业务成品 · 2024-04-18

从RPA到AI Agent,数字员工规模化落地的三大阶段

数字员工作为员工、系统、数据三大要素中间的重要建联工具,可帮助企业在多场景实现效率提升,大幅度降低成本,拓宽应用场景。从RPA自动化阶段到AI Agent人机协同阶段,大模型的推理、多模态能力得到进一步释放,最终实现数字员工的全场景落地。 分享嘉宾|胡一川(博士),来也科技联合创始人&CTO


RPA (机器人流程自动化),通俗地来讲是通过模拟键盘鼠标的系列操作,实现软件与系统的操作、数据处理等任务的自动化。所以适合日常重复性、有明确逻辑和规则的工作。

01

为什么 RPA 在过去五年发展非常快?1、非侵入,RPA 不依赖于其它系统开放接口,可基于已有接口和界面实现自动化。能做到非侵入完成电脑界面上任何工作。

2、简单易用,RPA本质上是低代码的 UI 自动化和系统集成工具。今天之所以能够普及,因为在很多企业里,非技术出身的业务人员也可以使用 RPA ,将重复的工作自动化完成。

3、精准稳定,RPA 可7* 24 小时不间断使用,且成功率非常高。

02

RPA究竟解决了什么问题? 上图典型地描述了大多企业的数字化建设现状,过去的一二十年,几乎每一个企业尤其大型企业,都在进行数字化,上了很多的系统,寄希望于在系统跑传统业务,实现业务数字化,同时沉淀数据。这个目的虽然已经达到了,但经过了多年的建设,造成了企业内有很多系统的局面。据统计,大企业内部常用的业务系统就达上百个。这时会造成一个问题,例如图里系统 a 和系统 b 可能是不同时间点、不同供应商建设的,中间没有连接。但业务中往往需要连接这两个系统,那起到连接系统的就是人。再比如系统 a 和系统 b在设计时,没有考虑到使用者以何种方式解决何种业务,会出现系统a没有涵盖非标流程,人不得不在系统外完成非标流程,再将数据导入到系统a。系统 b 只考虑到标准流程,但流程随着业务量的增加,重复频次急剧提升。导致每天不得不在系统 b 上花大量时间做重复的流程。过去五年,RPA之所以能在大型企业和组织规模化落地,因为它有效连接了员工系统和数据。在这基础上 RPA 定义了新的软件形态——数字员工。

03数字员工成为了员工-系统、员工-数据、系统-数据间的桥梁。1、操作复杂的系统2、处理各种类型的数据3、和员工进行交互和协作有了数字员工后,大部分与系统和数据打交道的工作,理论上都可以交给数字员工完成,员工不需要费事完成繁琐且重复的工作,而且可以更轻松有效地利用企业内部的知识和数据。这也是数字员工这种新的软件品类,在过去5年快速发展的重要原因。企业的系统和数据越来越多,如何更高效地连接系统、使用数据,是新的问题。RPA 是在大模型甚至是在 AI 流行前就出现的软件。如今有了大模型,尤其是大语言模型, RPA 跟大语言模型到底是什么关系?

上图描述了办公室里白领的工作的状态, RPA 相当于成为了员工的双手,做一些重复性的、基于规则的、结构化数据的自动化工作。但开发成本较高,每一个 RPA 的流程都是个性化的,有很强的任务执行能力。比如前文的非侵入性,可基于接口、图形化的界面等,操作任何系统和数据。

今天的大模型,尤其是大语言模型,更像人的大脑,基于概率、更擅长处理非结构化的数据,开发成本低。通过训练的大模型,不论是在语言的理解、语言的生成、内容的生成等方面都有很强的能力,不需要开发,且推理和决策能力很强,这是传统 RPA 不具备的。04

从RPA到AI Agent,数字员工规模化落地的三大阶段

从两个维度,我们定义出数字员工落地的三个阶段。 x 轴是数字员工的规模,指数字员工可覆盖的规模与数量。y 轴是所处理业务的复杂度。

第一个阶段就是RPA,关键词是自动化。该阶段最大的价值,就是代替人自动完成高频重复的流程型工作。比如数据抓取、数据录入、跨系统操作等。典型应用场景是企业中后台,比如财务是最典型、最适合落地的业务部门,包括人力资源、法务、 IT 部门等。但覆盖的场景相对有限,可赋能员工的规模相对较小。同时因为 RPA 是基于规则执行,必须告诉他应该如何操作,才能自动化完成任务,所以只能处理业务复杂度相对较低的工作。第二个阶段是 RPA+AI ,关键词变为智能化,更多只是让 RPA 借助AI的能力,尤其是语言理解和语言生成的能力,延展 RPA 的边界,实现数字员工从自动化到智能化的跨越。RPA 不需要完全基于规则,就可以…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/shuziyuangong/969.html