企业正在迎来更加“自动化”的未来，RPA正在开启智能办公新时代。9月10日，36氪在上海举办了“WISEx企业智能行业峰会”，邀请国内RPA行业主要的资本方和代表企业，共同聚焦RPA如何颠覆企业流程、推动企业智能新变革。

RPA是今年创投圈的热议话题。36氪此前也于中介绍，RPA（Robotic Process Automation）这一概念于2000年初在国外兴起，产品形态是自动化软件，目的是替代重复、密集劳动型的工作，工作场景基于强规则进行，且需要人类在不同系统间跳转获取、输入信息才能完成。

AI则是所有RPA公司都在讲的故事。由于RPA联通的是企业内部业务，形态上相当于企业内部的连通器，可以与其他技术相结合，满足企业更多的流程自动化需求。因此，AI成为RPA 迈向能够更大范围替代或辅助人类员工的关键一步。

RPA先于国外市场兴起，相比之下，国内市场仍处于发展初期，如何定位AI在RPA中的角色，中国RPA走向IPA的过程中，又存在什么机遇与挑战？在本次峰会的圆桌环节，36氪与金沙江创投合伙人张予彤、德勤风险咨询合伙人朱灏、创始人兼CTO程文渊、RPA负责人申峰，一起探讨了这些问题。

咏仪：大家好，我是36氪的分析师咏仪，非常开心今天能够看到这么多朋友来到WISE企业智能行业峰会现场，也非常高兴邀请到在场的诸位嘉宾聊聊从RPA到IPA的话题。那不如请各位嘉宾先简单介绍一下自己吧。

张予彤：我是金沙江创投的张予彤，我们2016年开始在人工智能和企业服务领域开始进行投资。我们主要是看到这一波的技术变革给企业服务带来机会，所有的企业在2015年开始上云，上云之后，各种各样的企业服务的需求也诞生了。今天金沙江在企业服务和消费互联网投资差不多有一半，都会去探索企业服务领域。

去年年底开始，我们看到国外的RPA发展的非常好，也是给了我们很多启发，所以在RPA领域里面进行了一些研究和探索，也投资了一家公司，叫做。

朱灏：很高兴36氪邀请我们来到这个圆桌会议，又见到很多老朋友，可以和新老朋友对RPA领域在这里进行诸多探讨。德勤在2017年年初推出RPA在财务领域的应用，我们给我们推出的财务机器人取了个名字叫小勤人，德勤的勤，也代表勤劳的勤，因为RPA可以 24小时不停地工作，非常勤奋地为企业服务。2017年开始，我们带领德勤财务机器人团队，深入到财务税务风险管理人力资源等领域进行各种尝试，这两年发扬光大为很多的企业实施了RPA。同时我们不断尝试很多的特定场景和行业的应用，之前也和阿里、弘玑和其他人工智能企业在认知型技术和RPA的结合进行了讨论，之后我们也推出了RPA的升级版或者小勤人升级版，叫IPA即智能机器人流程自动化。以后，我们也会更多考虑一些利用机器学习、大数据分析等方法结合RPA去深入到企业的战略决策环节，一步一步地在探索、实践和研发探索几条大路上继续努力。

程文渊：我是弘玑的程文渊。我此前从事企业服务领域，跟我们公司另外一位创始人兼董事长高总是大学同学。在2016年左右，我们开始关注RPA，是国内比较早关注到这一领域的公司。当时的企业服务市场有很多不同的领域，但是从客户的接受程度上来看，RPA是客户接受程度比较高，而且我们确实能落地多个领域。

弘玑从2017年开始做项目的准备，在2018年推出产品，今年5月份拿到了A轮融资，投资方是几个头部的基金，从产品和能力上来讲，发展得比较快。这次的会议有点像RPA整个生态和业界的的聚会，很高兴有这样一个机会跟大家交流，也希望我们一起把中国的RPA业态做得更好。    

申峰：大家好，我是申峰。其实申峰是花名，我原名叫李立峰。为什么叫申峰呢？进阿里要起花名，起花名真的很难，武侠小说里能想到的都被用光了。后来我想，张三丰很厉害，后来我在系统里找三丰，三丰被用掉了，然后看到一到十峰都没有了，接着我又想，我家在上海，就取申峰，就有了。这是名字的来源。 

我之前也是从事企业服务领域，在盛大待过，张江男、漕河泾男都是我。今天有这样一个机会，非常感谢36氪。而且今天刚好是9月10日，这是一个非常特殊的日子，今天马老师退休，今天晚上我还要回去参加年会，我也在这里祝所有的RPA行业里曾经教育过或者在行业上做过指导的老师们，教师节快乐。

AI在RPA当中的角色和意义

咏仪：从去年开始，RPA已经成为创投圈比较火热的话题，不少人也说今年是RPA的元年。不过，也许很多人会注意到，从技术角度看，RPA并不是新鲜的事物。如果大家玩游戏用过模拟键盘和鼠标操作的外挂，那这就是一个比较原始版本的RPA。

为什么RPA会在今年这个节点成为风口呢？有观点认为AI是核心的原因，RPA在整合AI技术之后，应用范围大幅度扩大，意味着更多商业前景。这也是我们想和各位嘉宾探讨的第一个问题：如何看待AI在RPA当中的角色和意义，除了AI，还有哪些因素催生这一风口呢？

张予彤：自动化的需求已经存在了很长的时间，国外的RPA企业都是在2000年第一波企业服务公司诞生的时候同步出现的。在中国，RPA产品一开始是被四大咨询公司，像德勤，在2015年引入中国，2017年就在国内的一些银行里面已经开始试水做项目。2018年算是产业萌芽的状态，今年有了业务超过100%的增长速度。

从RPA解决的需求来看，在企业里以前是以开发脚本的形式去被完成的，而RPA厂商提供了平台性产品，意义在于能够提供更好的开发工具，大幅度提高脚本开发效率。在这里面，AI扮演很重要的角色，因为RPA其实是把人、技术、流程都融合在一起，在企业中不断的可以自动化完成一个工作流程，能够集成各种各样的技术。把AI的能力集成到工作流程中，这个是跟AI的一个结合因素。

更主要的原因在于，企业中存在各种各样的系统之间的打通、数据枝干的打通，流程非侵入式的连接是企业的刚需。当这个需求成为刚需，有几种不同的选择，一是可以直接进行更底层的系统对接，但存在一个问题是——每个公司的IT资源有限，部署周期很长。有没有更灵活，不占用大家更多IT资源的方式，先让前端的业务跑起来？所以，底层数据和流程的连接需求使RPA成为这样一个风口，这可能是背后的。在驱动力以下，RPA可以提供给企业更多的基于数据的连接的价值。一切的AI都是发展在数据之上，脱离了数据其实AI很难产生价值。

朱灏：提到为什么这两年出现RPA这个风口，我们德勤有不少的研究和考量，也有一些行业报告论述。从我个人角度而言，我想可以从经济和技术这两个方面来讲，RPA的原始技术很早就有，为什么这几年在全世界范围内那么火？

首先，自动化技术推广到企业工作流程里面，很大的一个考量是人工成本。一开始RPA就在北美和欧洲两块人工成本相对水平比较高的地方进行实施和部署，这个很好理解，因为RPA从某种角度就是简单粗暴替代人的工作，那使用RPA马上可以减少人员的支出来降低人工成本。后来逐渐演变成在相对成本较低的共享中心使用，比如在北欧印度等地区，很多跨国企业在那里建立大规模的全球共享中心，在共享中心使用RPA, 可以在集约化流程部署的条件下进一步用自动化的方式大规模降低经济成本，提高效率。而中国的人口红利也在这十年之内慢慢逐渐消失，人工成本已经也达到了一定高度，人均GDP差不多迈进中等发达国家的水平，在人口红利消失的同时，自然会需要一个方式来降低企业支出，提高成本效益比，再加上2017年因为Alpha Go的出现，被誉为人工智能元年，代表机器人流程自动化的RPA技术就自然而然的进入了人们的视野。

另外也跟现在所处的互联网经济时代有关。在互联网的业务模式下，一切交易业务处理的速度和频次都非常的快，并且随时在发生。比如现在可以在移动端做各种各样的交易，包括买卖、购物、消费、信贷，在线交易的速度和数量都比传统业务模式提高了不止一个数量级。在传统模式下，可能对财务的响应速度不需要求太高，一个礼拜甚至一个月记一次账就够了。但现在不管是交易用户、资本市场、监管机构，都需要财务和其他后台工作流程对大量实时业务交易进行快速响应，这便导致财务要加大技术方面的投入来提高效率。很多高科技企业一开始在信息技术和数字化的投资都是花在一线的业务用户端、客户端上，后来才意识到财务和后台流程也需要跟上，便开始财务信息化和数字化转型，逼着财务流程也要赶上数字化的时代。

从技术角度来讲，不可否认，AI的技术发展对RPA而言是有极大的加持作用，特别近几年认知技术高速发展促进了RPA的应用可能性。简单来说，AI就是模仿人的认知行为的功能，比如听说读写+思考。而RPA是按规则处理一些事情，对于一个流程机器人体系而言，规则设定的再完善，要做事首先要获取外界信息，才能进行处理。

如果没有高速有效的AI认知性技能，还需要人去输入数据、启动流程，那这个瓶颈可能还在人获取输入信息的过程中，按木桶短板理论，整个流程效率不可能大幅度提高。而认知型的技术能够快速吸取外界信息，并能够分析和思考的时候，整条流程链就打通了，让原来觉得不太可能的事情处可以非常高效，甚至可以做到无人化。比如，以前处理凭证、审核合同、处理发票，都需要人输入到电脑里才能自动解决后面的事情，即使在计算机里的处理RPA可以自己做，前端还是需要等人输入。如果有了前端高效自动输入识别外界信息，将其转化为电子信息再自动进行处理、登记、汇总、报表、回报，那整个过程就不需要等人，就可以真正24小时自动处理。有些企业已经在考虑智能化、无人化的财务工厂，最终的目的就是做到整个流程无人化。

程文渊：我比较同意前面两位的观点。本身来讲，RPA火起来这件事情，同刚开始的技术关系不是那么大。本质上来讲，虽然自动化技术的时间比较久，但是过去更多还是应用在跟IT相关的领域，特别是集中在IT的人员，或者是编程开发人员使用比较多。

但RPA无论是海外的软件还是国内的软件，至少打开了一个局面：针对企业的业务，有了比较好的企业级软件，这一点是过去所有的自动化技术没有做到的。至少RPA针对企业比较复杂的业务变化，为数字化转型过程中出现的问题和挑战，指明了一条新的路。

前面讲到，数据中台是一条路，其他的方案也是一条路。RPA也是其中一条，而且是现在比较行之有效的一条路，至少能用比较快而且简单有效地去解决一些过去得花更多时间和精力解决的问题，或者是需要依赖于IT人员的问题。过去一年多来，RPA以企业级软件的形式出现以后解决了很多问题，这是RPA比较火的重要原因。

AI更多是帮RPA这个市场烧了一把火。本质上这锅汤已经有了，AI相当于汤里面放了更多的鲍鱼、龙虾，让汤更鲜美。朱总讲到，有了AI之后，RPA可以解决更多的问题，可以把过去只能解决一部分的问题，有了AI以后想象空间更大，解决问题更多。

而且目前市场上的人员构成跟过去不太一样，特别是90后员工不太喜欢做简单重复的劳动，这不光是人口红利减少的问题，更多是的培训员工的成本越来越高，出错问题的概率越来越大。本质上来讲，RPA能够帮企业解决很多类似这一系列的问题。这可能才是这两年RPA比较火的重要原因。

申峰：我们把RPA分成两种不同的类型，一是狭义RPA，二是广义RPA。我们给狭义RPA定义是，能够快速构建自动化操作流程，并稳定回放，我认为这是狭义RPA的精髓。如果没有快速这两个字，“构建自动化操作流程，并且稳定回放”这件事情有很多技术都可以做到，但RPA的重点就在于能够把“快速”这两个字发挥到极致。

“快速”有几层含义，可以快速构建一个流程，需要用到很多的能力，可视化、所见即所得、快速响应，还有流程图，把这些工具放在一起，能够把“快速”这件事情做得很好，而且把它的门槛降得非常低。加上后台的一系列执行技术，能够让前面构建的流程在机器人上稳定执行，这是狭义RPA的核心理念，也是RPA这样的产品为什么能够存在的核心点。

在这个核心点之上，才有了广义RPA，广义RPA是指狭义RPA加上各种能力成为智能机器人助理。RPA广泛的使用了BPM能力，就是构建可视化流程的能力，而BPM本身在BPMN的协议定义中是包含有很多的action的，这些action在RPA产品中变成了可执行的操作。操作的作业域非常大，定义域非常广泛，因此我可以认为操作是点击按纽，可以认为是输入文字，可以认为是一个API调用，也可以认为是数据库存取，它的范围非常广阔，在这个基础之上，这一块是开口的技术，我们可以允许各种各样action集成进来，其中就包括了AI的能力。

从AI角度来讲，AI发展到今日，主要大型场景几乎都已经被传统AI服务掉了，比如工业化场景有很多是典型的AI场景。在AI产业化服务中间就出现两大问题，一是服务一般由技术人员发起，然后让AI公司做核心的AI自动化。AI做的事情，就是机器智能或者人工智能做的事情，适用的点通常很小，但并没有覆盖到全流程和更上下游的业务场景里，因此很难知道AI这件事的意义。比如说OCR本身是一个技术，能够应用到业务领域很多，发票识别。而发票识别可以直接扫码二维码，不需要OCR，OCR只是当中解决某一类具体问题的灵丹妙药。作为OCR产品，一般只能接触到具体到AI的细节问题，而非发票报销这样更上层的场景，但事实上解决发票报销中的发票识别，OCR远不如二维码扫描在线查询信息更直接更准确。

第二个，AI这个行业目前比较前沿的技术领域是深度学习和强化学习，大家知道深度学习和强化学习并不是一门精确科学，是模糊科学，是讲究大数据的。比如我有一千万的数据，AI做不到一千万的数据都能够精确的处理，它只能做到这一千万里面，以最大的几率能够处理最多的数据，所以无论达到99%还是99.99%，都需要人力参与来确认到底哪些数据处理对了哪些处理错了。基于这一点，AI就和RPA有很好的结合点。RPA可以在场景当中把用户所关注的部分消化掉，因为用户会跟RPA有一个频繁的交互，另外一方面RPA通常拥有很全面的业务场景，可以从前往后把整个AI流程全串起来，所以你情我愿，干柴烈火，RPA和AI就自然结合起来了。

国内RPA市场发展阶段

咏仪：谢谢各位嘉宾的分享，各位嘉宾的角度都非常不一样，从企业的内部和系统打通的需求，也有外部的经济的发展大趋势，也有刚刚申峰总提到的狭义RPA和广义RPA形成IPA需求的角度。毋庸置疑，风口已经起来了，那我们也来展望一下IPA的发展前景——如何设想未来RPA发展的阶段，具体分为哪部分？以此作为对照，国内RPA市场已经到了哪一步呢？

张予彤：我认同申峰总分享的观点，“快速”是非常重要的一个关键词。今天RPA平台解决的问题是大大提升了开发效率，且降低了开发门槛。我们设想下，任何一个公司和组织按职能划分的话，每个企业里面有多少IT开发人员，以及多少产品、运营、市场营销和销售的同学。在企业的其他职能里面，都有具备一些技术理解力的同学，但他们不是专业开发人员。那是不是可以有像RPA、低代码，甚至未来最理想的情况——无代码的开发平台，可以赋能企业中的每一个人，让我们能够快速响应业务需求。每个人在生活工作中都存在着大量的自动化的需求，只要有重复做的事情，其实就可以被自动化的。

今天RPA平台的隐形天花板，就在于开发门槛。如果未来有更多的人，更快的效率实现这件事情，我们才能实现真正的自动化。所有的业务流程在企业里面都是快速变化的，从组织架构、前端的业务到IT系统，所有的事情都是在变化，在这个过程中我们怎么样持续做自动化流程的交付，这是RPA平台未来非常重要的话题。

申峰总提到强化学习，人工智能不只是深度学习。深度学习发展到现在，可以用新的神经网络处理一些原来不能处理的线下数据，比如说企业中各种各样的文档、摄像头里的数据，这些数据今天可以被深度学习，用于更精准地学习判断，增强对数据的理解能力。但更重要的是强化学习，未来人工智能发展一定是向强化学习的方向走。在学习过程中，怎么样能够利用每一个流程，每一个动作，每一个事件，每个数据产生的反馈，让系统变得越来越智能。

举个例子，用深度学习可以监测商品所有的评论，判断一下这个评论是夸商家还是骂商品，做评论的识别，并且在过程中不断学习有哪些新的词出现了，有哪些新的趋势，不断的学习到系统中，这个系统也存在不断加强的过程。对于RPA的开发平台来讲，在开发的过程中，有哪些事情可以越来越多的被智能去替代，而不是专业的开发人员去实现，这是一个非常重要的事情。

未来我期望，每天工作的时候打开电脑，有几个提示出现，说我发现你昨天重复在做哪些事情，这些事情今天需要不需要机器人帮你自动化实现。这个才能真正让越来越多的RPA应用在各行各业中。

朱灏：刚刚申峰总讲到狭义RPA和广义RPA。而从另外一个角度来讲，我们可以把狭义RPA诠释为一个连接器，像人的躯干和四肢。利用RPA可以调用各种其他资源，比如可以调用外接的软硬件设备、各种AI应用资源、机器学习算法、各种识别的认知技术等，可以把所有的能力通过主干连起来。原来文字图像识别技术识别后还要人对识别出的内容进行处理，没有办法直接产生报表，现在图象识别功能可以由RPA调用后，识别之后通过RPA处理，然后通过自然语义处理进行输出报表邮件和人进行交互，这种例子层出不穷，可以想象的空间非常大。

我们从企业服务的角度来看，感觉到有几个趋势。一是行业的场景专业化。在RPA领域里面，RPA是低耦合性的，可以有很多的创新的、零碎的东西，像乐高一样，可以一点点搭起来形成综合性的功能，每个企业都可以用这种方式去自主创新。而大规模在企业间扩展和推广的时候，必然会看到一个很明显的趋势，就是市场上比如容易认同在同行业里的场景复制，这是蛮明显的一个状况。比如一家企业去做去尝试了一个流程，另外一家同行业企业觉得我不要做小白鼠，已经有企业做了，起码已经证明了可行性，我就学习复制，往往而在同样的行业需求往往是类似的，我就学他去做，稍微根据我们企业的情况改一改就能用了，这是场景化的复制。

二是在细分领域，会有一些专业性的技术独占鳌头。比如说RPA集成某一种认知技术的突破，像用比较好的语音技术调用RPA，或者用视频方式对RPA的操作进行监控等等，和专业化的认知技术结合可能使得RPA相关产品方案在垂直细分领域更精细化，而获得一定的市场细分地位，这也应该是一个趋势。

从宏观的角度来讲，RPA这个方式跟传统的数字化、信息化的方式的不同在于，RPA是扩展性组合性非常强的方式。RPA扩展到一定的阶段以后，可以应用到每个人手上的流程，每个人都可以自动化处理手头的工作，这是我们看到的远景。

关于国内RPA现在所处的阶段，应该说国内RPA在技术、应用、推广、宣传，理念接受程度等方面都还在起步阶段，用一句话形容就是大多数国内企业还是站在门口，雾里看花。而从企业服务角度来讲，我们在整个过程中就是想提供有架构的、体制化的、平台化的RPA体系，能把各种资源调动起来，同时也不断在企业内部和外部的客群中利用一些流程试点进行推广应用。这个已经不仅是技术层的问题，是接受程度的问题，是变革管理的问题。

另外，在技术层上还是要不断的精进。现在我们客户对RPA往往有一个期望差，不了解RPA的人往往比了解RPA的人期望值要高很多。怎么解决这个期望差？一是从深入理解客户需求，二是技术要针对实战场景精准提升，才可以逐步缩小这个期望差。国内RPA肯定有很大市场潜力在，但是怎么走，我相信不同的厂商、服务商都有有不同的途径。

国内的AI领域，不能说核心算法是最先进的，但是场景应用可能是全世界最广泛的。国内人工智能应用的开发者和推动者都非常勤奋，而且有那么多的人群在各种各样的场景使用。很多AI应用基本都基于机器学习和深度学习，它是需要有大量的训练集来训练的才能变得更聪明，而在中国国内恰巧有海量的应用场景和人群可以拿来训练，所以我非常看好AI在国内的迅速发展。同时，本地对于文字、文化、语音这方面的认知技术都发展得非常迅速并高度适应本土文化，这种高配合度让RPA和AI领域能够迅速结合，所以从大方向而言，我是非常看好智能流程自动化机器人，也就是IPA这个行业。

程文渊：我的观点是，目前的2019年是真正转型的阶段，从狭义RPA往广义RPA转型过程中。像朱总讲的，现在AI技术真的很多，发展很快。RPA也具有一种天然的气质，叫它接盘侠也好或者利于落地，RPA天然地可以和技术相结合。在企业场景里，有大量的RPA+AI的场景会出现，这是非常正常的想法。RPA一个比较重要的方向，是要把延展性做得很好，也就是把AI的技能和场景能够做成一个平台，去承接业务场景，这个更偏向解决方案类的思路。在行业上，不同行业的AI落地场景不同，通过RPA做更多的连接，这个是目前能看到的方向。而且我相信在这个方向下，应该也有很多的场景或者有很多的尝试，能够比较成功的落下来，让客户看到价值。

真正的RPA本身到底要多智能化，到底要实现什么样的功能？我的认知是，这可能需要时间。当看到更多的流程，更户的场景之后，自然而然RPA的进化程度会不断提高，通过更多的AI赋能之后，RPA基于过去人的经验或者基于特定的场景，本身能够处理的问题就更多，这是RPA前进的比较重要的方向。这个方向从整个业界来讲，或者至少在中国市场上来讲，还只是一个开始，这也是为什么大家要去找更多的机会，努力把这个方向做得更好的，比较重要的原因。 

申峰：如果我们把狭义RPA当做一个小圆，广义RPA当成一个大圆，共享圆心，RPA的发展方向不是点向一条线发展，而是这个圆向外扩张的过程。这个圆有不同的突触，其中一个突触的方向是AI，可以通过AI帮助企业把AI原来解决的一部分问题做得更好、更全面、更扩张。

还有一个突触是跟BPM或者OA的结合。机器人做机器自动化的事情，到人的那一步总要做人工确认、审核和审批，这一步可以交给OA去做，不适合机器人去做，它不是完全自动化，它是跟人相关的。人工走完最后一步，再自动触发下一个机器人，这是人和机器人相结合，跟BPM与OA的一个突触。

在RPA这个方面，我们之前做了很多跨系统协同，涉及到政府和金融领域。政府安全信息管控非常严格，中间做了不同物理隔离的网络，在这个物理隔离不同网络之间要做系统协同，政府服务大厅或者办事员面前会有两到三台电脑、键盘、鼠标，在这个系统上先操作一个什么事情，再到另外一个系统做另外的事情。还有就是在两个系统之间，两个网络之间去对传数据。

传统的方法是怎么做的呢？有的用光盘刻盘，在一个网络的电脑上刻光盘，在另一个网络的电脑上读取光盘继续操作。在公安系统有些网络没有USB口的存在，我们带上U盘去公安那里，他们讲，“你们可要想好了，如果在这里的任何一台电脑上插入U盘，这个U盘就属于公安了，你带不走。”在政府里，跨网的环境比较多，有些地方跨网要求也是比较高的。那在这种情况下，我们的团队遇山开路，遇河搭桥，我们做出了跨网机器人，既可以满足跨网之间不能物理接触的特点，又能用RPA把不同的网络之间的系统做跨网跨系统协同。

RPA接下来的发展是不规则的形状。这个不规则形状会在不同领域，由不同的突触连接到别的能力上，这些别的能力又反过来引导广义RPA的扩大，甚至到时候反推RPA行业对RPA作出新的定义。也许到时候的RPA版图就不是目前Gartner/Forrester目前说的这样，会有更大的版图。当然版图的方向现在不是特别明确，但是我认为RPA的边界一定会扩大，像刚刚前面几位嘉宾讲的，RPA的张性非常强，包容性足够。

咏仪：刚刚几位嘉宾都提到中国RPA市场处于初步发展阶段，但发展非常得迅速。申峰总也提到，跟BPM的结合，是RPA未来展望的一个“突触”般的存在。另外一方面，中国与国外市场的企服和AI生态也非常不同，我们也想听听各位嘉宾的看法：除了刚刚像各位嘉宾提到的中国RPA市场的本土优势，比如说AI人才非常多、开发者生态比较好，目前中国RPA市场还存在什么挑战？

张予彤：上午我也分享了RPA国外厂商和国内本土厂商的情况。本地厂商的优势在于和本地的生产环境的结合，RPA部署到各个企业里之后，一个重要的指标是在无人值守的情况下运行多少次不被打断，需要非常稳定、精确，机器人不会出现异常情况触发。本地的生产环境和国外不一样，走每个流程多长时间，什么情况下确认流程走完，过程中是不是被弹窗打断，网页中识别的元素和本地的软件里面的元素的变化对RPA在实际生产运行环境的稳定性都有影响，我相信这一点上本地厂商会做的更好。

各位嘉宾提到在RPA的运行中，它达到的效果是可以打通跨系统的数据，这个过程中会触碰企业内部的数据，也就是在企业数据安全、数据治理方面，国内的厂商更能够清楚企业的内部诉求是什么样的。RPA的平台最后交付的不是一个开发工具，最后是基于企业服务的管理平台，它就一定要满足企业内部去治理数据的需求。本地的RPA厂商在本地的产品和服务支持上，一定在这方面更有优势。

朱灏：我还是从企业服务的角度来谈这个问题，我在国内做RPA业务两年之后发现，国内和国外的路数非常不一样。即使同样的产品在国内推广，开发、实施的路径都和国外不一样。

国外市场前几年的发展路径非常清晰，1-2个POC（概念验证）之后，可能就可以大规模推广，做自上向下的数字化战略，然后全员推广，并建立区域化，全球化的RPA卓越中心，把需求收集放在业务前端，把开发部署放在在全球RPA开发中心，有需求团队收集响应业务用户需求，由开发团队进行统一配置部署再推到本地业务端去应用，同时进行管控监测。好几家跨国企业都是这样的全球统一部署策略。国外的RPA公司在短时间达到这么高的估值，跟大的跨国企业全方位的部署应用，和对RPA高度接受并且认可的程度，都是息息相关的。

而在国内，往往一开始是先从下到上的推广，从1个、2个、3个、4个流程推广，然后在同行业里面互相复制流程。比起自上向下的战略部署和接受程度，国内这种模式会慢很多，但是从几个流程到规模化的战略性部署这个过程是必然要完成的。国内客户也更关注投资回报率、成本上的节省或者创新方面展示，这往往会在一开始形成高期望值与小规模应用实效之间的差距。国内碰到的挑战的确多种多样，但是国内的应对方式也非常灵活。比如我们一直强调生态，讲生态有一个特定就是没有那么清晰的边界，怎么有效怎么来，所以产品商、服务商都可以很快的渗透到上下游的其他领域，而在产品和技术形成一定的融合。在这种融合下，可能会比较迅速的找到符合中国市场，灵活匹配中国客户所要求的一些效益比和特定需求，走出一条前人没有走过的路来。这跟国外产品是产品，服务是服务的理念是截然不同的。

以后中国RPA企业在资本市场走的路，我感觉也可能会国外资本市场不太一样。国内资本市场有它的好处，比如估值高，比如政府扶持，国家对科创板也给了很多支撑，在科技兴国政策下，会有很多的资源支撑整个资本市场的价值，去推动这方面的发展。

程文渊：本质上来讲，要从几个方面去看，刚刚有提到，国内软件和客户生态和海外，特别是跟美国相比，不太一样了。我们去客户那边看到，有多年没有升级的系统，可在跑很多种windows的版本，25年没有动过。当时的开发团队不见了，做这个项目的公司破产了，也没有其他人懂。而国内最新的互联网企业，他们用最先进的技术，有最好的流程，产品和系统非常完善，得看你的产品能不能适应这样的场景。

国内国外的差距来看，除了今天有一些大的背景，因为众所周知的原因，大的背景下，某些场合国内有一些优势。但对国内厂商来讲，首先产品必须得行，不能错误地利用优势去做一些事情。本身能够适应各种各样的场景，能够在国内的生态的情况下满足客户的需求，这个是第一位的。

在目前的生态里，还要尽量放大自己的优势，特别对安全管控的相关想法和要求、对老旧的系统怎么适应，这些优势想办法放大。本质上来讲，至少在中国市场上，我觉得优势是能够看到更多的东西，看到更多有想象力的场景。我今天看到的国内有很多的场景，是在国外的市场上看不到的。比如国内更多的在BPO里面用，更多在大企业里用。中国人多，所以客户也多，所以会看到他们把RPA的想法和用法特别有创意。这是好事，但有了创意之后，你就不得不适应它，某种角度上来讲这对本土的RPA厂商是机会也是挑战。反过来讲，因为这种挑战，让你迭代更加快，更加有效。

我觉得可能对于国内RPA厂商，未来要思考怎么样走出中国，至少在东南亚，按照一带一路方向去走，东南亚或者在亚洲非洲国家，我相信也有类似的机会，他们的系统反而会是未来中国的RPA软件比较好的机会。所以本质上来讲，还是要把内功练好，内功练好的基础上，会看到更多的机会。

我前一段时间跟日本RPA相关的人士聊过，很多日本客户跟我讲，日本的使用习惯跟美国的不太一样。中国用户的使用习惯也有自己的一些想法，适应这些我觉得是比较重要的一个走法，而这一点要解读。

申峰：前面几位讲的非常精彩。我从另外一个角度考虑，RPA本身现阶段还是内功的问题。产品内功如果没有达到，很有可能导致在未来某一天，一家企业在用RPA，非常放心的把事情放给RPA做，结果RPA出错了导致了企业的巨大损失，他向谁索赔？RPA本身依赖于第三方系统，第三系统发生变化，如果是人的话，自适应能力非常强，但如果让第三方公司做这件事，如果是机器人怎么办？现在大家觉得RPA这个行业风风火火，到某一天这个事件发生，如果成为社会上的焦点，有可能迎来RPA的低潮。当然这个低潮未必是坏事，可能像凤凰一样，有涅槃新生的过程，但是这个过程会非常痛苦。

本质上，我们也许可以从两个方面解决这个事情：

一是RPA把内功要练好，如何去控制风险，去控制不稳定。狭义RPA里面有两点，一是快速，二是稳定，稳定回放。稳定回放在企业长期运作当中是非常重要的，这两点是很多RPA软件打好内功的一个基础。把“快速”做好，业务上、拓展上问题不太大。如果RPA产品把“稳定”做好，留存率，复购率会很高。这是非常重要的两点，这样快速稳定的RPA产品对企业客户也是一个非常负责的态度。

基于这个点，我也和跟一些朋友聊，由于中国RPA生态最近发生了比较大的发展，不同RPA产品有各自的特点，在目前中国RPA正在大规模普及的过程中，中国企业对于RPA的认知很不一样。所以之前Silas所讲有些企业采用了RPA后发现效果并不如预想的那样，导致了对RPA的退缩，所以会导致整个中国市场对于RPA的信任危机。因此我们认为中国RPA的标准是需要建立的，中国的RPA到底需要什么样的条件才符合中国市场行情，符合中国企业需要，这需要定义一套标准级中国RPA基线，在基线之上才有百花齐放，这条基线既是保护企业能够更加放心采用和使用RPA，也是促使RPA厂商可以努力把内功练好，把对客户的承诺放在。这是阿里云RPA一直以来要坚持和努力解决的问题。

咏仪：谢谢大家的分享，刚刚我们从不同的角度来探讨中国RPA到IPA这一话题，包括AI是否是RPA火起来的原因，以及国内RPA市场现在发展到哪一步，还有国内RPA企业面临的机遇和挑战，相信刚刚四位嘉宾的分享对在场的朋友也会有所启发，那今天的讨论到此结束，36氪也会持续关注RPA赛道，也欢迎大家多多跟我们交流。谢谢！

项目报道：、、、、、、

如果你对 RPA 这个话题感兴趣，欢迎与我们沟通交流：36氪咏仪（微信ID：twiddly0309）、36氪陈绍元（微信ID：）、36氪石亚琼（微信ID：）、36氪苑伶（微信ID：）。

另外，也可向我们投递项目 BP 寻求项目报道、融资及投融资服务。

「36氪Pro」是36氪旗下微信公众号，面向优秀创新者，提供独家创投项目和新闻、深度趋势和风向预判，以及行业社群、线下沙龙、融资服务。扫描以下二维码，先人一步感知创投风向。

很多企业正在创建一个新的高级主管职位——首席自动化官，其主要职责是监督机器人流程自动化(RPA)，这表明自动化技术在数字化转型时代变得十分重要。

很多企业比以往任何时候都希望实现流程自动化，其目的是减少完成任务所需的时间，同时减少人工操作中常见的错误。

考虑一下诸如机器人流程自动化(RPA)软件之类的工具市场的增长速度，该工具可以通过机器人执行诸如数据输入之类的功能。

调研机构Garner公司在2019年6月发布的一份调查报告中指出，2018年全球机器人流程自动化(RPA)软件市场收入增长了63%，达到8.46亿美元，使其成为全球企业软件市场中增长最快的细分市场。该公司估计，2019年机器人流程自动化(RPA)软件收入将达到13亿美元。

首席自动化官(CAO)的出现很好地表明了自动化需求的增长和重要性。企业需要创建一个高级管理人员职位来监督这些工作。

通常，IT自动化等领域已由首席信息官(CIO)和其他IT高层主管监督，在许多企业中仍然如此。但是，自动化已成为企业的一项战略要务，因此它需要首席自动化官(CAO)这个独立的监督角色。

这些高管负责监督IT流程自动化的部署以及持续的管理和维护，使首席信息官和其他IT高管可以专注于和实施支持业务的新技术战略。

IT咨询机构Jolt Advantage集团首席自动化官(CAO)Jeremy Gilliland表示，首席自动化官(CAO)管理的项目可能因行业和组织的复杂程度而不同。它们可以包括从基础应用程序开发和机器人技术到更高级的自然语言处理()/聊天机器人技术以及机器学习的所有内容。

Gilliland说：“在区块链和机器人流程自动化(RPA)等技术领域发现了卓有成效的好处。”他指出，首席自动化官(CAO)需要掌握最新的趋势，并迅速做出反应，但也需要有足够的衡量标准，以便以最小的风险快速评估价值。

他说，随着新技术成为IT必需品，更多的是首席自动化官(CAO)可以培训和保留支持这些新兴工具所需的下一波人才的速度。

人工智能的影响越来越大

当今，首席自动化官(CAO)的较大的重点是人工智能(AI)，它与机器学习一起可以帮助企业实现自动化和改进各种流程。

跨国媒体和数字营销传播机构Dentsu Aegis Network公司首席自动化官(CAO)Max Cheprasov说：“每个企业都需要制定人工智能和自动化策略，以实现数字化转型并为未来发展做好准备。随着人工智能和智能自动化的发展越来越复杂，首席自动化官(CAO)的角色将继续发展。”

对于现任高级管理人员职位中的任何人(包括首席信息官)来说，除了完成当前的工作之外，还要承担所有自动化职责，这可能是不现实的。Cheprasov说：“这应该是某个人的唯一使命。”

当Cheprasov的团队发现改进工作方式的机会时，他说，“我们采用各种自动化技术，通过尽可能地优化流程，然后使用集成的认知自动化平台加快其余步骤，从而减少或完全消除工作流程中枯燥、重复、人工的步骤。”

例如，Dentsu Aegis Network公司使用了Catalystic的技术，使其数字媒体实现和征求建议书(RFP)过程自动化。这些以前都是人工操作，现在几乎完全由数字化劳动力来处理。

作为首席自动化官(CAO)，Cheprasov在过去三年中经历了重点转移。最初，他在公司内部推广人工智能驱动的自动化的好处，现在鼓励每个员工首先考虑采用自动化技术。

Cheprasov表示，随着企业继续通过成功的数字化转型计划以及自动化行业的成熟，越来越多的首席执行官(CEO)意识到人工智能驱动的自动化的紧迫性和无可争议的收益。

Cheprasov说：“我认为在2020年将会发生重大变化，许多一直在等待观望的企业可能会采用新技术，如果从创新采纳曲线来看，整个行业将从创新者转变为早期采纳者。”

创新采用曲线是一种模型，该模型基于某些人不可避免地比其他人更容易适应的概念，将创新的采用者分为各种类别。

Cheprasov说：“随着这一转变，首席自动化官(CAO)的作用将随着他们使用的技术(如人工智能)变得更加复杂而继续发展和变化。首席自动化官(CAO)的确切角色会根据企业的特定需求以及企业在自动化采用曲线上的位置而有所不同。”

首席自动化官(CAO)的技能

那么如何为成为首席自动化官(CAO)做好准备?Cheprasov说，首席自动化官(CAO)在技术和卓越运营(例如业务流程管理、精益、六西格玛管理)方面有很强的背景，是技能与业务或流程领域知识的最佳结合。

Cheprasov说：“通常，最成功的首席自动化官(CAO)是最热衷于推动组织变革的人。那些具有数字化转型和创新背景的人具有很好地转变为首席自动化官(CAO)角色的技能。”

Cheprasov表示，推动变革并寻求创新方法来改变业务流程是首席自动化官(CAO)职能的关键组成部分。他说：“我是自动化和流程效率的拥护者，因此担任了首席自动化官(CAO)角色，并定义了首席自动化官(CAO)在Dentsu Aegis Network公司中的优秀工作方式。”

Gilliland说，“任何渴望成为首席自动化官(CAO)的人都需要具备与自动化相关领域的专业知识，或者至少具有扎实的知识。首席自动化官(CAO)应该具有一定的学科专业知识，并且应该继续学习四到五种相关技术。”

Gilliland表示，“有效地与他人合作的能力对于成功担任这一角色也很重要。作为首席自动化官(CAO)，需要利用利益相关者的投资证明价值。根据经验，其价值的含义是与团队合作，确定每一个反馈的价值，并生成有效的反馈循环。”

首席自动化官(CAO)向企业内部报告的人员也取决于包括组织结构在内的许多因素。

Cheprasov表示，人们需要了解，首席自动化官(CAO)应该向哪位高层管理人员汇报，这是否有什么区别。随着时间的推移，首席自动化官(CAO)需要向首席执行官、首席运营官和首席技术官汇报工作，有时会采用双重汇报方式。

他说：“尽管高级管理层的组织结构图可能会不时发生变化，但团队的重点和目标保持不变。我们的最终目标是通过与所有业务职能部门紧密合作，将卓越的运营、人工智能和自动化技术结合在一起。”

Gilliland说，他向企业的首席执行官汇报工作。但是他知道，科技公司的首席自动化官(CAO)需要向首席技术官、首席执行官甚至董事会汇报。

展望未来，首席自动化官(CAO)的角色或类似的高层职位对企业的成功将变得越来越重要，尤其是那些专注于数字化转型的企业。

Cheprasov说，企业要保持竞争力，就必须获得专家的帮助，并将人工智能和自动化技术融入企业的每一个角落。

每个企业都需要考虑改变首席运营官或首席数字官(CDO)的角色，以扩大其重点领域，包括人工智能和自动化。Cheprasov说：“如果是一个复杂的组织，那么需要雇佣一个首席自动化官(CAO)。”

担当首席自动化官(CAO)的角色意味着承担很多工作，但是在很大程度上也可能带来更多成就，因为这可能对企业的成功做出贡献。

对于Cheprasov来说，作为首席自动化官(CAO)最令人兴奋的是工作，开始尝试采用最新、最前沿的技术，并为企业及其客户创建了人工智能驱动的自动化工具。

Cheprasov说：“没有创新解决方案的蓝图。”他表示，作为组织中认知自动化的开拓者，首席自动化官(CAO)经常需要利用说服力和讲故事的力量来启动新项目。在这之后，必须迅速、成功地执行和展示可持续、可扩展的影响。

Gilliland说，“不是因为必须这样做，而是因为喜欢所做的事情，而我对做其他事情都感到无聊。如果真想成为一名首席自动化官(CAO)，那么需要制定一个计划和目标，需要更努力地工作，并拥有担任该职位所需的技能。”

著名的美国斯坦福大学人工智能研究中心尼尔逊教授对 人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的 智力才能胜任的工作，也就是研究如何应用计算机的软 硬件来模拟人类某些智能行为的基本理论、方法和技术。