身處于第四次工業(yè)革命的洪流之中，如何在有效降低人力成本、提高生產(chǎn)力的同時(shí)減少錯(cuò)誤，是每家企業(yè)都在思考和亟待解決的問題。以往，業(yè)務(wù)流程改進(jìn)需要多年的努力，而且需要對(duì)企業(yè)已有的業(yè)務(wù)應(yīng)用程序和基于工作流程的流程編排器進(jìn)行徹底檢查，是一個(gè)極其繁瑣又漫長的過程。

然而，最近幾年RPA產(chǎn)品的激增解決了這一問題，RPA能夠在不中斷現(xiàn)有企業(yè)應(yīng)用程序的情況下快速推動(dòng)業(yè)務(wù)流程的數(shù)字化和自動(dòng)化升級(jí)。其中AI技術(shù)的應(yīng)用是非常重要的一環(huán)，今天我們就來聊一AI技術(shù)與RPA的關(guān)系。

為什么說AI技術(shù)和我們很近呢？因?yàn)锳I的典型用例涵蓋了企業(yè)中從前臺(tái)到后臺(tái)的大多數(shù)分析應(yīng)用程序，其中的商業(yè)價(jià)值觸手可及。麥肯錫最近的一項(xiàng)研究預(yù)測(cè)，AI技術(shù)可以在其研究的九大企業(yè)職能部門和19個(gè)行業(yè)中創(chuàng)造3.5萬億至5.8萬億美元的全球年度利潤。

那么為什么又說AI技術(shù)離我們很遠(yuǎn)呢？因?yàn)閷?shí)際落地的AI應(yīng)用還是少數(shù)，具體應(yīng)用的場(chǎng)景還停留在例如預(yù)測(cè)機(jī)器故障率，情緒檢測(cè)的文本分析或面部圖像識(shí)別等小范圍內(nèi)。

與UiPath關(guān)系最緊密的AI技術(shù)是深度學(xué)習(xí)，人工智能近年來的繁榮很大程度上可以歸功于中深度神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用。

這里我們介紹兩種中度神經(jīng)網(wǎng)絡(luò)算法：

卷積神經(jīng)網(wǎng)絡(luò)：可直接輸入圖像，廣泛應(yīng)用于計(jì)算機(jī)的視覺任務(wù)中，這是UiPath投入巨大的一個(gè)領(lǐng)域。

遞歸神經(jīng)網(wǎng)絡(luò)：非常適合語言問題，并且在強(qiáng)化學(xué)習(xí)中也很重要。在強(qiáng)化學(xué)習(xí)中，機(jī)器可以追蹤已發(fā)生的事，從經(jīng)驗(yàn)中學(xué)習(xí)。

下面，讓我們來看看如何將AI技術(shù)嵌入RPA。

以往，企業(yè)流程基本都可以由以下環(huán)節(jié)組成：

數(shù)據(jù) > 判斷 > 操作

而現(xiàn)在，領(lǐng)先的公司正在利用AI技術(shù)添加“預(yù)測(cè)”這一環(huán)節(jié)來充分利用所有數(shù)據(jù)，構(gòu)成了一種新的流程：

數(shù)據(jù) > 預(yù)測(cè) > 判斷 > 行動(dòng)

在企業(yè)自動(dòng)化方面，了解這些環(huán)節(jié)的復(fù)雜性對(duì)解決AI或認(rèn)知難題至關(guān)重要。

現(xiàn)代公司最重要的通貨是什么？是數(shù)據(jù)。谷歌、Facebook、微軟等公司每年都花費(fèi)數(shù)十億美元用于抓取和存儲(chǔ)數(shù)據(jù)的開發(fā)工作。另外，“預(yù)測(cè)”環(huán)節(jié)也涉及保護(hù)重要數(shù)據(jù)并將其轉(zhuǎn)換為有意義的信息，以便進(jìn)一步處理和預(yù)測(cè)。此環(huán)節(jié)還涉及與客戶（內(nèi)部或外部）的交互。具體包括數(shù)據(jù)提取，數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)清理等。企業(yè)的數(shù)據(jù)可以分為結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)和會(huì)話數(shù)據(jù)。

下面，我們來具體了解一下：

結(jié)構(gòu)化數(shù)據(jù)：即行數(shù)據(jù),存儲(chǔ)在數(shù)據(jù)庫里，可以用二維表結(jié)構(gòu)來邏輯表達(dá)實(shí)現(xiàn)的數(shù)據(jù)?？梢院芎玫剡m應(yīng)關(guān)系SQL數(shù)據(jù)庫，并且可以很好地與基本算法配合使用。大多數(shù)公司都使用機(jī)器可理解并查詢的結(jié)構(gòu)化數(shù)據(jù)。接受結(jié)構(gòu)化數(shù)據(jù)的下游流程的自動(dòng)化更容易，并且具有更好的成功率。

非結(jié)構(gòu)化數(shù)據(jù)：包括所有格式的辦公文檔、文本、圖片、XML、HTML、各類報(bào)表、圖像和音頻/視頻信息等等。非結(jié)構(gòu)化數(shù)據(jù)很難甚至不可能通過算法解釋。大多數(shù)公司目前仍處于從非結(jié)構(gòu)化數(shù)據(jù)中提取信息的階段，而實(shí)現(xiàn)零接觸操作更重要的在于處理非結(jié)構(gòu)化數(shù)據(jù)的能力。這類數(shù)據(jù)還包括子組，在提取時(shí)，每個(gè)子組可能會(huì)需要不同的技術(shù)解決方案。

企業(yè)擁有大量非結(jié)構(gòu)化數(shù)據(jù)。有人預(yù)測(cè)，到2020年，企業(yè)中90％以上的數(shù)據(jù)都將是非結(jié)構(gòu)化的。這將是AI技術(shù)應(yīng)用于RPA產(chǎn)品時(shí)需要解決的一個(gè)難點(diǎn)和重點(diǎn)。