GPT等AI大模型震撼來襲，基于RPA的超級自動化仍是最佳落地載體

　　對話弘璣CPO賈巋，深入了解國產RPA廠商對AI大模型的探索與實踐

　　文/王吉偉

　　關于RPA已死的說法，在中國RPA元年(2019年)投資機構瘋狂搶項目之時就已經有了。

　　說它會死的，一般會認為RPA是一種過時的技術，一種打補丁的技術，一種不穩定的技術。在很多人眼里，依賴UI抓取實現的自動化，最終都會被基于API接口的集成自動化所替代。

　　現在已經過去5年，RPA不但沒有死，還進化出了智能自動化和超級自動化。

　　沒錯，RPA沒死是因為當代RPA都是基于AI構建的，幾乎所有主流廠商都在推出RPA產品之前先一步進行AI的研發。

　　現在采用超自動化架構的RPA集成了NLP、OCR、低代碼、流程挖掘、chatbot等幾乎所有先進AI技術和工具，并且還在通過UI和API集成更多的技術以為客戶提供更全面的端到端自動化解決方案。

　　當然，說RPA已死也是有道理的，因為沒有融合AI技術的RPA早已經死了。

　　可謂生也AI，死也AI。

　　每隔一段時間，當RPA技術發展遇到瓶頸或者新技術會對其造成沖擊時，就會有看衰RPA的聲音出現，并再次提及RPA已死。

　　現在，以GPT為代表的AI大模型(LLM，Large Language Model)來了，ChatGPT及Midjourney等基于LLM的殺手級應用對各行各業都造成了巨大的沖擊，由不得大家不去考慮LLM對各種軟件系統的影響。

　　于是，人們又開始探討RPA的未來歸宿。

　　起初就連RPA廠商也會為之恐慌，畢竟LLM都是巨頭大廠才能玩得起的，有了AI大模型，主打UI自動化的RPA是否還有存在的必要?RPA技術的發展是不是就到此為止了?AI大模型會不會取代RPA?(PS：關于LLM會不會取代RPA，可以參考王吉偉頻道之前的文章，本文不再展開討論。)

　　擴展閱讀：基于AI構建的當代RPA，在生成式AI影響下的生命周期還有多長?

　　但通過一定的了解、探索與實踐之后，廠商們很快就發現LLM將為RPA帶來的巨大變革與全新機會。于是，國內外RPA廠商都在步調一致地積極引入LLM。

　　目前國外引入GPT的廠商已經有十數家，國內也有多家廠商引入了GPT、文心一言等大模型，未來國內各個發布大模型的廠商都將是RPA的模型供應商。

　　那么，目前都有哪些國內RPA廠商引入了LLM?GPT等AI大模型又會為RPA帶來什么樣的變革?大模型能夠為RPA廠商帶來哪些機會?

　　本文，王吉偉頻道就跟大家聊聊這些。

　　國內RPA廠商的GPT探索

　　RPA在GPT上探索與嘗試，先是由國外RPA廠商開啟的。

　　ChatGPT上線于去年11月30日，到了今年1月，智能自動化廠商NICE就率先宣布了與ChatGPT的技術集成。此后Automation Anywhere、UiPath、三星SDS、Appian、SAP、Pega 、Salesforce、微軟(Power Automate)等多家廠商都官宣或者發布了GPT插件，并在博客或視頻平臺上線了相關教程與視頻。

　　保守估計，國外市場引入GPT的RPA廠商已經不下20家。

　　在國外廠商的引領之下，國內也有很多廠商陸續引入與集成AI大模型。

　　近期國內也有不少廠商，發布了RPA與GPT結合的demo視頻。比如在這個周一，通過內部獨家接觸，王吉偉頻道就看到了被Gartner評測國內RPA產品力第一的弘璣Cyclone所發布的9個RPA與GPT結合的demo。

　　其中三個demo，王吉偉頻道印象非常深刻。

　　第一個是GPT與RPA結合的大眾點評商家智能助手，原來需要多步操作的復雜工作流程，現在只需一個自然語言口令啟動便可快速執行。

　　第二個是GPT結合RPA實現周報自動書寫和發送，GPT通過分析RPA自動獲取的項目日報和項目管理系統中的信息，通過與用戶多輪對話生成具有實時數據支持的精確項目周報。

　　第三個是GPT結合RPA結合事實資料自動生成Word和PPT，RPA提供真實信息數據來源有效避免ChatGPT憑空編造內容，幾秒完成重復繁瑣的資料收集、整理、生成定制化文案與PPT的工作。

　　弘璣這次發布的demo，側重GPT與RPA各種能力的有機融合，包括環境感知、數據獲取、 數據處理、數據搬運、內容生成、智能決策、信息系統與應用的自動化操作等。

　　看完這些demo，可以深刻感受到基于LLM的AIGC與RPA深度結合所帶來巨大技術變革。

　　而從廠商們在LLM方面的各種動作上，也能感受到整個RPA行業AI大模型融合趨勢已經奔流不息。

　　既然聊到RPA引入AI大模型，順便也說說大家關注的如何引入大模型的問題。

　　在LLM技術的引入與研發方面，不管廠商們推出何種形式的產品，目前應用LLM一般有三種方式：

　　第一種是直接調用API。廠商們會根據需要直接調用GPT、文心一言等國內外模型的API，也是最簡單的集成生成式AI的方式，很多企業的軟件系統都可以快速以這種方式引入生成式AI。

　　第二種是私有化部署+模型微調。把模型廠商開放的模型部署到本地或企業云后，將其優化為一個預訓練的面向企業所在領域的大模型，利用 prompt(提示詞) 的方式去引導模型生成領域場景化的內容。由于數據安全的需求，目前大型企業都在用這種方式引入模型。

　　第三種是面向特有技術或者業務模式的原生模型研究，在RPA領域這樣的模型一般是面向automation的原生模型。除了引入外部AI大模型之外，目前很多廠商都已經在自有模型方面做了相應的投入與研發。同時因為當代RPA是與AI融合的產品，廠商們也在持續對相關的AI架構、模型等進行研發。

　　需要說明的是，因為不同廠商對業務流程、產品理念、技術趨勢等的不同理解所造成的風格迥異的自有原生模型，也是其核心競爭力之一。

　　AI大模型的應用，再次證明當代RPA與AI技術連接與融合的緊密性。當然，隨著更多AI廠商引入ChatGPT等生成式AI，RPA產品也開啟新的AI大模型變革之路。

　　LLM重新定義RPA

　　上面介紹的RPA廠商應用AI大模型的三種方式，來自于王吉偉頻道與弘璣Cyclone CPO賈巋博士的交流。

　　賈巋博士在硅谷工作了二十余年，在微軟、亞馬遜、思科、UiPath都擔任過重要職位。基于其對硅谷科技發展以及AI技術的深入了解，他對LLM如何影響RPA有著獨到的見解。

　　在賈巋博士看來，RPA與GPT的融合并不是簡單疊加，而是一種深刻的變革。

　　大家知道，讓RPA機器人取代人去穩定操控PC桌面的難度很高。RPA 要處理的事情比Office應用操作復雜得很多，它面向整個桌面上各種各樣的APP，會遇到各種各樣的干擾，是一個非常復雜的操作過程。

　　目前的RPA產品已經非常成熟，但在體驗上仍會出現各種各樣的問題。要真正達到像使用office一樣絲滑地使用RPA，還有相當的距離。

　　但隨著GPT這類多模態AI技術的引入，RPA之前所遇到的很多問題都將被解決。GPT 等AI大模型和現有的RPA 技術的模態進行重組，在強化學習、多重決策、虛擬人等技術的加持之下，RPA 在智能方面開始從感知智能進入初步的認知智能。

　　RPA會對人的意圖有真正的理解，然后幫助用戶做一些決策，并在執行任務時產生越來越多的預生成算法類推薦指導，讓用戶可以更簡單地通過自然語言交互進行RPA開發。

　　因此融合LLM技術的下一代 RPA ，在用戶體驗上會有一個質的飛躍，RPA將會變成真正意義上的數字員工。

　　以上說法過于學術和技術，更簡單的理解是，現在的RPA 像一個加了幾個基本傳感器數字手指，GPT的接入則讓RPA多了一個頭腦。

　　RPA與GPT相結合，相當于把“手(RPA)”“腦(GPT帶來的內容生成/意圖理解/智能對話/決策)”“眼(OCR/CV)”“耳/嘴(chat對話)”各種能力進行有機結合，自然能夠為廣大組織帶來更智能的RPA數字員工。

　　事實上，AI大模型的引入為RPA帶來的遠不止多了一個大腦，更是帶來了深度的產品變革。

　　自RPA誕生開始，廠商們無時無刻不在探索如何通過更好的技術去實現屏幕抓取。但屏幕抓取、視覺識別如何發展，卻始終脫離不了拖拉拽或者搭積木的產品形態。

　　引入GPT之后，用戶就可以通過自然語言交互驅動RPA的流程創建，以及生成各種各樣的結構化數據。這意味著以后用RPA開發自動化應用程序可能再也不需要拖拉拽或者寫腳本了，也意味著用AI生成的結構化數據會替代更多的非結構化數據，同時在非結構化數據轉化方面比現在的OCR要快速高效得多。

　　簡單地講，數字經濟或者數字運營，就是所有信息化系統以及數字化業務都是數據的銜接交互、計算處理與分析決策的過程，基于RPA的超自動化則實現了讓整個過程實現自動化運作。

　　RPA結合GPT之后，自動化的整套邏輯改變了，處理數據模式改變了，人機交互的形式改變了，業務運作流程也改變了，甚至就連企業信息化架構以及組織框架都會跟著改變。

　　也就是說，GPT等AI大模型將會由內而外地變革RPA的產品形態，也會進一步加速組織運營中的自動化生態的變革。

　　GPT落地的最佳載體

　　在人機交互上，GPT等大模型為組織經營帶來的最大變化，是改變了人們操作軟件系統的模式。人只需要跟GPT交互，多模態AI在理解人類操作意圖后，進一步驅動組織企業管理軟件的自動化執行各種業務流程。

　　對RPA來說，RPA以UI自動化和API自動化組合的形式連接了支撐組織業務運營的各種企業管理軟件系統，GPT等AI大模型則進一步連接了人與RPA等系統，讓操作更加簡單。

　　GPT向上連接人的意圖，向下指揮RPA機器人，成為人和RPA等自動化系統之間的一個紐帶。GPT把人和基于RPA的超自動化連接起來，第一次讓RPA通過自然語言理解了人的意圖，這是人機交互體驗上一個巨大的進步。

　　這同時也意味著，未來對所有企業管理軟件的操作，可能就是打一行字或者說一句話。

　　這個事情，RPA廠商們正在做。目前廠商們推出的GPT+RPA應用，基本都能通過輸入幾句話實現調動RPA機器人執行任務或者創建相關程序。

　　需要說明是，現在已經出現了一些基于GPT的使用自然語言創建應用的SaaS類產品，比如OpenGPT、Prisms AI等，包括基于GPT-4的ChatGPT已經可以直接運行生成的代碼程序。

　　但這些都是簡單的獨立應用，并不能像融合GPT的RPA一樣能夠創建面向連接多個企業管理軟件的自動化程序。并且以后生成式AI創建的程序會以倍數增長，這些程序都將被嵌入到企業運營的工作流中，就更需要RPA等工具將其串聯到自動化流程中。

　　換句話說，以后由AI生成的大量應用都要借著基于RPA的超自動化嵌入組織業務流程以實現最終落地。這樣，融合LLM的RPA就顯得更加必要和重要。

　　自動化業務流程是RPA的專長，GPT等AI大模型則讓這個專長更加快速、高效和穩定。

　　GPT的特點是自然語言理解和生成內容，并不能直接驅動大量的企業管理軟件，大量的自動化業務操作還需要借助企業原有的自動化生態系統，因此GPT的落地就更加需要基于RPA的超自動化能力。

　　一直以來王吉頻道都有一個的觀點：RPA是AI落地的最佳載體。

　　對于AI技術而言，自動化系統是很好的落地載體，畢竟AI存在的一個重要意義就是為了實現人類的終極自動化愿景。因此，大量組織已經構建的基于RPA的流程自動化體系，也就成了LLM的更好的落地載體。

　　未來不只是GPT，多家大模型廠商的AI技術都要借助基于RPA的自動化等載體更好地落地。

　　而當GPT與RPA真正落地之后，其為組織所帶來的就遠不止RPA+AI那樣簡單了。

　　從AI+RPA到AIxRPA

　　當代RPA的發展基于AI技術，這點早已人所共知。自2019年中國RPA元年開始，RPA領域在探索的都是RPA+AI或者AI+RPA。

　　事實上RPA+AI有兩層意思：一是表示現在的RPA產品中都包含AI技術，RPA正在借助AI實現新的發展，有了更強的能力和更多的應用場景;二是RPA產品一直在持續融合各種最新AI技術，超級自動化架構出現更是把這一點發揮到了極致，現在它還在不斷納入與RPA相關的最新技術，包括目前的AI大模型。

　　在RPA與AI的融合發展上，相對于過去5年的RPA+AI，賈巋博士提出了一個新的概念：RPAxAI。

　　他認為，在LLM之前，RPA一直在做疊加AI技術能力的事，現在它所融合的OCR、NLP、流程挖掘、低代碼、Chatbot等都是AI技術的一部分或者基于AI的工具或平臺。但不管怎么去疊加這些技術，對于RPA而言，AI技術都是嵌入式或者外掛的存在。

　　現在有了GPT等AI大模型就不一樣了，GPT將變成用戶與RPA之間的智能連接器。用戶用自然語言將需求告訴GPT，GPT能夠理解用戶的意圖并將之轉化的命令，傳達并指揮RPA去執行各種任務，將用戶需求轉化為具體執行并反饋結果。

　　所以，與之前RPA+AI在做加法相比，現在的GPT與RPA的結合是在做乘法。做乘法的意思是，用 GPT等大模型原生的方式去驅動RPA的模式將會成為新的智能RPA范式以及自動化運行模式，AI大模型以及未來的通用人工智能將會成為RPA不可分割的一部分，也將會成為RPA的核心構成部分。

　　大模型作為多模態通用人工智能，會替代目前RPA已經“+”的CV、OCR、NLP、Process Mining等多種AI技術。未來一個多模態AI技術就能勝任RPA對各種AI技術的需求，RPA也就不再需要去“+”當前各種各樣的零碎AI技術。

　　也就說，LLM為RPA帶來的是AI能力大一統的時代，RPA不再需要像打補丁一樣去集成各種技術。這同時意味著，RPA 已經離不開GPT。

　　現在主流RPA廠商基本都引入了GPT或者相應的AI大模型，當GPT所帶來的自然語言成為用戶與RPA交互的主要方式之后，更快的效率、更穩定的運行以及更好的體驗，將會讓人們將再也離不開它。下一代RPA如果沒有GPT，從技術到設計再到運營等都將無所正常運行。

　　所以RPA與GPT等大模型的結合將會產生指數級的化合反應，對比之前的RPA+AI，這種技術樣態、產品形態、運作模式以及商業生態完全可以總結為RPAxAI。

　　在王吉偉頻道(id:jiwei1122)看來，RPAxAI除了展現出AI為RPA所帶來的深刻變革以及GPT已經成為RPA必需，更意味著數字生產力的躍升，極簡操作、更好體驗、更高效率以及更低成本的融合AI大模型的超級自動化產品和企業級解決方案，將會助力廣大組織基于自動化完成數字化轉型的進一步蛻變。

　　后記：LLM帶來的企業級RPA機會

　　技術說破天，最終呈現給客戶的還是能不能打造出安全、穩定與高效運行的RPA系統，這也是衡量廠商企業級RPA能力的關鍵。

　　企業級的RPA指的是一個成規模的產品、技術與服務體系，其中既有技術的深度，也有解決方案的廣度，更有各種服務的厚度。比如軟件集群技術能不能正常應用于大型企業的核心系統，會不會因為安全問題或者不穩定因素造成客戶損失，能不能幫助企業實現成規模部署等。

　　而一旦涉及規�；�部署，就需要廠商需要更強大的編排能力、調度能力和管理能力。

　　很多時候，企業級RPA的能力體現在廠商為單一客戶部署RPA機器人的部署體量上。比如UiPath已經幫助安永部署了十幾萬個RPA機器人，在國內弘璣Cyclone也已經有機器人部署數量達到幾萬個的客戶。

　　之所以提及企業級RPA，是因為AI大模型能夠為其帶來更大的應用與商業價值。LLM的引入進一步降低了RPA的開發難度，提升了RPA的運行效率，加強業務流程自動化的穩定性，并解決了原本存在的因RPA力不從心導致的開發環節中冗余復雜問題。

　　在AI大模型與RPA的具體結合上，目前弘璣Cyclone在做的是通過模型微調技術，將GPT和原有的以及新開發的組件封裝在一起，構成多個具有高度場景化與參數化的智能組件，并通過自然語言或者API去驅動。

　　這種方式，將會成為下一代RPA的基礎構建能力。賈巋博士透露，目前他們已經開發了幾十款智能RPA組件，上半年能夠開發上百個智能RPA組件。

　　從目前各家廠商放出的信息來看，智能組件已經成為RPA產品的主流模式。可以想象，當所有廠商提供的融合LLM的智能組件在更多的企業中應用，那將是一個什么樣的場景。

　　事實上，對于LLM對RPA的影響，紅杉資本早在《Generative AI: A Creative New World》文章中給出了啟示。該文中給出的生成式AI平臺應用程序市場格局圖中，特別提到了RPA。

　　王吉偉頻道認為，這里的RPA更多的是指企業級RPA，并且也只有企業級RPA才能更好的發揮出LLM的優勢。

　　LLM加強了RPA的企業級能力，也讓更多企業重新燃起對RPA的興趣，并對大規模部署RPA有了更多的信心。無疑，這將進一步提升RPA在各領域的滲透率以及廠商們的市占率。

　　而隨著企業級RPA在更多業務場景的快速落地，廣大組織也將能夠基于流程自動化實現更有成效的數字化轉型，對于其持續追求的增效降本有著重要意義。

　　同時，更簡單的人機交互也將RPA人人可用的愿景照進現實，轟轟烈烈的全民開發時代也正式拉開了帷幕。

　　AI大模型給了廠商們重新定義RPA的機會，也實現了更多組織簡單、快速、高效、安全應用流程自動化的愿望。

　　一個嶄新的RPAxAI時代已然到來。