1.7　自動化技術的演進策略

自動化技術的演進路線在不同的資料中有很多種分法，有粗有細，但是大體可以歸納為4個演進階段，即桌面自動化、機器人流程自動化、高級的流程自動化、智能的流程自動化（見圖1-13）。

圖1-13　自動化技術演進的4個演進階段

1.7.1　階段一：桌面自動化

機器人桌面自動化（Robotic Desktop Automation，RDA）指的是一種計算機應用程序，為員工提供一套預定義的活動編排，以完成一個或多個不相關軟件系統中流程、活動、事務和任務的執行，需要在員工發起管理后才能交付自動化服務結果。

通常，RDA這種類型的自動化并不會改變流程，只是幫助員工更快地執行任務，減少人為錯誤，提高處理速度。員工仍然是該自動化任務的負責人，RDA的作用是支持或輔助員工操作桌面軟件，所以需要員工自己來設置機器人，并由人來觸發、控制和監督機器人的執行。

RDA專注于自動化軟件在桌面級別的快速部署，屬于有人值守機器人的一種。RDA也是幾乎所有RPA技術的前身，雖然現在單獨提供RDA產品的廠商越來越少，但市場上仍有幾種RDA產品，如我們所熟知的國產軟件按鍵精靈等。

1.7.2　階段二：機器人流程自動化

機器人流程自動化（Robotic Process Automation，RPA）可以說是RDA的升級版本。RPA不但是在技術上對RDA進行了完善，而且在自動化理念上也前進了一大步。RDA必須有人參與，而RPA提供了無人參與的能力，即無人值守機器人。為了實現機器人7×24的不間斷自動運行，RPA需要提供許多相匹配的技術能力，如自動化任務的調度方式、機器人的多種啟動方式、機器人編排和監控能力、更豐富的集成能力、支持云端部署等。

在實現理念上，RPA提出了流程優化、機器人治理、虛擬員工等更深層次的可以更大范圍推動自動化的解決方案。所以，RPA的主要目的已經升級為節省人力、提高運營效率和構建數字化工作環境。RPA機器人不再是依靠一線員工來控制，而是依靠整體的機器人集中運營機制和規范來控制。RPA除了支持桌面部署外，還可以在服務器部署。從圖1-14可以看出二者主要區別在于機器人執行的控制點——RDA機器人執行的控制點在前，而RPA在后。

圖1-14　RDA和RPA的區別

1.7.3　階段三：高級的流程自動化

如果RPA只是單純地提供編輯器、運行器和監控器這三部分的技術能力，則一些棘手的流程自動化問題仍是無法解決。例如，自動化操作時的信息采集問題；識別和處理結構化數據，如電子表格、系統界面上的字段信息等；或者通過標簽或關鍵字處理半結構化數據，如網頁信息、Word文檔等。

有一種情況不得不考慮，就是在業務辦理中所遇到的各類紙質文件，如發票、單據、各類申請書等。為了更好地實現流程自動化處理，自動化系統就需要先把紙質文件轉換為掃描件，然后通過光學字符識別技術對掃描件中的內容進行識別。光學字符識別（Optical Character Recognition，OCR）技術是對文本資料的圖像文件進行識別處理，獲取文字及版面信息的過程。在一些情況下，只是文字識別還是不夠的，可能需要從文檔中識別出一整段文字，而這段文字是無法直接提供給RPA來自動化處理的，必須要轉換成準確的結構化數據才行。而自然語言處理（Natural Language Processing，NLP）可以把人類敘述的自然語言轉換成有含義的一組數據信息，是一門融語言學、計算機科學、數學于一體的科學。

另外，在自動化處理過程中我們經常會遇到需要判斷和決策的問題。基本的RPA技術實現的是人的手工操作工作，而人進行手工操作的過程并不只是涉及手的動作，還會涉及頭腦的思考過程，其實真正的過程是人利用頭腦來指揮手完成動作。如何實現頭腦分析這部分能力也就變成了自動化領域不得不思考的問題。我們把人類頭腦里的思維邏輯，從計算機的視角分為以下幾種情況。

第一，簡單規則判斷。所謂的“簡單規則判斷”即可以直接將待處理的業務規則邏輯寫進RPA程序腳本。

第二，復雜規則判斷。判斷流程中的一個步驟是否能執行，需要考慮的因素很多，各種維度之間又會相互影響。例如某個采購項目的判斷需要考慮價格、效率、質量、成本等各個方面的因素，綜合后才能做出決策。這時，自動化系統就需要采用業務規則引擎（Business Rules Engine）技術來實現多項業務規則的控制和判斷。

第三，人類的經驗判斷。所謂的“經驗判斷”是根據以往的流程中的決策結果，來判斷這一正在發生的案件能否遵循前期的經驗判斷執行。這時，自動化系統通常需要采用知識庫和知識圖譜技術來協助處理。

第四，推理判斷。如果再深一步，當流程中一些事項需要推理判斷時，我們所講的專家系統就會派上用場。專家系統可以簡單地理解為由知識庫加上推理機組成。又如，在自動化的處理流程中經常會出現異常情況，為了不讓異常情況對自動化流程產生影響，自動化系統就需要提升容錯能力和錯誤修復能力，來保證業務處理的連續性。

所以，我們可以把已經解決了上述問題的機器人流程自動化稱為高級的流程自動化（Advanced Process Automation，APA）。APA需要在傳統的RPA上疊加更多的技術能力，如OCR引擎、NLP、規則引擎、知識庫、知識圖譜、專家系統等。同時，APA也需要對RPA的容錯能力加以提升，如機器人的自我修復能力、負載均衡能力、災備恢復能力、業務活動監控能力，以及傳統運維方式的集成能力等。

APA與RPA的本質目的是一樣的，都是為了適應更復雜的流程、更多樣的情況，更加完美地實現自動化而做出的技術補充或技術集成。對于目前市場上的這些RPA軟件產品，基礎的RDA和RPA能力上的差別并不大，而對于能否實現APA的能力以及能夠實現多少APA的能力，才是各個產品成熟度的主要衡量尺度。

1.7.4　階段四：智能的流程自動化

如果高級的流程自動化再向前前進一步，就達到了智能的流程自動化（Intelligence Process Automation，IPA），也有人稱之為認知流程自動化（Cognitive Process Automation，CPA）。

我們首先需要回答一個問題：RPA或APA是否屬于人工智能？

對于此問題，通常會有兩種截然不同的觀點。

·一種觀點認為RPA只是基于固定規則的自動化處理，沒有什么智能在里面，所以RPA也就不屬于人工智能。

·另一種觀點認為人工智能領域本來就有一個分支是自動化，如果那些智能制造領域的自動化設備、跳躍行走的機器人可以納入該領域，那么將自動化技術應用于辦公領域的RPA也可以算作人工智能領域的一份子。

事實上，人工智能歷經沉浮，近年來大勢崛起。通常認為，本次AI的興起依賴于三個基礎因素：算法、數據和算力。有人會拿汽車給人工智能做比較，算法就像是發動機；數據就像是汽油，提供動力；而算力就像是車輪，驅動汽車前進。簡單地講，人工智能領域可以分三層來考慮。

·最底下的是基礎層，即那些能夠提供基礎算法、大數據處理和算力的基礎技術。基礎算法如機器學習、深度學習、強化學習等；大數據處理如Hadoop、Spark、大數據存儲和訪問等；算力如GPU、TPU、傳感器等。

·中間層是技術平臺層，即利用最底層的基礎技術組合形成可以更加通用的技術平臺，如TensorFlow、語音交互、計算機視覺、無人機、自然語言處理、專家系統等。

·最頂層是人工智能應用層，如對話機器人Chatbot、自動駕駛汽車、智能制造、智能家居等。

每一層技術的擴展不僅需要底層人工智能技術的積累，還需要更多跨領域的學科技術，如語言學和數學理論。Francesco Corea的AI知識圖體系中，按照技術方法和問題領域兩個維度來分析人工智能技術，如圖1-15所示。

圖1-15中的橫軸是AI范式（AI Paradigm），縱軸是AI問題領域（AI Problem Domain）。AI范式從左到右包括基于邏輯、基于知識、概率方法、機器學習、體驗智能、搜索和優化。AI所要解決的問題從下到上包括感知、推理、知識、規劃和溝通。在這個體系中，RPA屬于人工智能領域，是基于邏輯和知識解決問題的一類技術。也就是說，如果希望解決更多的問題，就需要與更多的AI技術結合使用，但是仍舊只解決了AI領域最初級、最基本的問題，也就是人工智能名詞中“人工”的部分。廣義來看，RPA是人工智能技術的一部分。如果你是持有第一種觀點，那么RPA不屬于人工智能，可能你的理由是它沒有用到統計學的算法技術，未能解決感知、推理、溝通問題。

圖1-15　AI知識圖體系

將人工智能技術與RPA相結合后的智能流程自動化，有希望解決提出的這些問題。如感知問題，RPA雖然可以獲取結構化或半結構化信息，APA可以獲得非結構化文字信息，但是需要利用IPA才能識別圖畫或視頻，達到計算機視覺的識別水平。又如推理問題，RPA雖然可以錄制人的操作過程并形成程序腳本，卻不能舉一反三地學習人的操作過程，而IPA可以通過分析人類的操作數據實現操作過程中的自動化推理。再如溝通問題，RPA仍舊采用的是計算機類的交互方式來傳遞和返回信息，而IPA可以依靠語音或自然語言來協作完成溝通。

前面談到了RDA、RPA、APA和IPA四個自動化技術的演進趨勢。不管是哪種技術的應用，最終要解決的問題都是將業務流程盡量自動化，這個目標始終是不變的。每種技術都是基于上一個技術不斷累積，在當前階段再結合其他技術一起使用而成長起來的，所以不能對每種自動化技術做互斥比較，更應該是向下兼容式比較。