畢竟，2019年興起的這一波RPA熱，背后都是因?yàn)锳I技術(shù)。沒有AI技術(shù)與RPA的融合，也就沒有現(xiàn)在的RPA。

為了全力拓展RPA的能力邊界和適用場(chǎng)景，廠商們一邊圍繞AI+RPA積極構(gòu)建與訓(xùn)練NLP、OCR、CV等相關(guān)小模型，另一邊也對(duì)大模型保持了足夠的關(guān)注。

谷歌于2018年發(fā)布了BERT，不久后，有些RPA廠商就引入并探索BERT與RPA的融合應(yīng)用。

ChatGPT的上線與爆發(fā)，徹底引燃了RPA\超自動(dòng)化領(lǐng)域?qū)τ贚LM的熱情，全球廠商都在探索RPA與GPT的集成應(yīng)用。

從UiPath、Automation Anywhere、BluePrism到國內(nèi)的來也科技、弘璣Cyclone、金智維、影刀RPA等廠商，目前全球數(shù)十家RPA廠商都已引入LLM。超自動(dòng)化集合下所涉及的低代碼、流程挖掘等技術(shù)相關(guān)廠商，亦引入了LLM。

同時(shí)還有一些主打生成式AI的RPA初創(chuàng)項(xiàng)目，已經(jīng)擁有多個(gè)客戶，并順利拿到了融資。

在國內(nèi)，廠商們除了引入GPT，還會(huì)考慮一眾國產(chǎn)大語言模型，文心一言、通義千問等都是廠商們的重點(diǎn)研究的對(duì)象。因?yàn)樵趪鴥?nèi)市場(chǎng)做基于LLM的RPA產(chǎn)品，必然要研究與國產(chǎn)大語言模型的融合應(yīng)用。

而隨著更多開源模型的發(fā)布，ChatGLM、LLaMA等越來越多的開源模型也成了廠商們的座上客，這也是面向私有化部署客戶需求的必經(jīng)之路。

除了引入LLM，國內(nèi)還有多家RPA廠商推出了自研的領(lǐng)域大模型，通過自有模型充分釋放大模型潛力并加以控制，以政務(wù)、能源等領(lǐng)域的央企、國企等大客戶所需。

受大環(huán)境、數(shù)據(jù)安全等因素影響，相對(duì)于國外廠商重點(diǎn)融合GPT與開源模型，國內(nèi)廠商在LLM的引入與應(yīng)用方面更加多元化。

國內(nèi)RPA在LLM方面動(dòng)作頻頻，具體產(chǎn)品及解決方案也是層出不窮。然而從ChatGPT上線到現(xiàn)在的8個(gè)月時(shí)間里，各廠商在RPA\超自動(dòng)化與LLM融合的進(jìn)度到底如何？LLM與RPA\超自動(dòng)化融合的難點(diǎn)在哪里？LLM的落地情況怎么樣？

為了弄清楚這些問題，采訪了來也科技CTO胡一川，并通過調(diào)查問卷與金智維、影刀RPA、藝賽旗、弘璣Cyclone、容智信息、實(shí)在智能、云擴(kuò)科技、云鈉科技等幾家廠商做了交流。

本文，就跟大家聊聊這些。

由于當(dāng)代RPA基于AI重新構(gòu)建，在產(chǎn)品發(fā)展的進(jìn)程中，廠商們都在持續(xù)關(guān)注AI技術(shù)的各項(xiàng)進(jìn)展。因此RPA廠商在LLM方面的研究與投入方面，比我們想象的還要早一些。

從調(diào)查采訪情況來看，已經(jīng)推出IDP、Chatbot等產(chǎn)品的廠商，已在2022年OpenAI發(fā)布ChatGPT之前甚至更早的時(shí)間節(jié)點(diǎn)引入了LLM。

比如來也科技，在谷歌發(fā)布BERT不久后，便在其IDP 和Chatbot產(chǎn)品中引入了此模型，后來也是第一批與微軟OpenAI服務(wù)達(dá)成合作的。

再如容智信息，2022年就開始就在AiLab產(chǎn)品中引入了大語言模型，目前已經(jīng)引入ChatGLM, baichuan, InternLM等多個(gè)大語言模型。

云鈉科技也是如此，從去年10月開始已在自身的產(chǎn)品矩陣與技術(shù)架構(gòu)中引入大語言模型，包括NLP（自然語言處理）技術(shù)、多模態(tài)技術(shù)等。

在ChatGPT上線后幾個(gè)月里，RPA是對(duì)GPT關(guān)注最高的領(lǐng)域之一，并且大部分廠商都在第一時(shí)間通過集成API等方式引入了GPT。

王吉偉頻道曾在5月份發(fā)布的《多家廠商引入ChatGPT，集成與融合生成式AI成為RPA技術(shù)新趨勢(shì)》一文中，介紹過都有哪些國產(chǎn)廠商引入了生成式AI。時(shí)隔2個(gè)月，現(xiàn)在這些廠商都已經(jīng)將產(chǎn)品及技術(shù)架構(gòu)與LLM做了更深的融合。

其中有些廠商已經(jīng)確定了大語言模型戰(zhàn)略：比如來也科技正在全面擁抱大模型；容智信息對(duì)于LLM的態(tài)度更為激進(jìn)，正在All in 大語言模型。

下面，簡單說說各廠商已經(jīng)推出的產(chǎn)品及發(fā)布的戰(zhàn)略。

弘璣Cyclone發(fā)布了多個(gè)RPA與GPT結(jié)合的應(yīng)用demo，同時(shí)該廠商將RPA與GPT的結(jié)合應(yīng)用定義為GPT×RPA。7月7日，弘璣在人工智能大會(huì)上首次提出“AIGA”產(chǎn)品概念。

來也科技在Laiye Lead年度產(chǎn)品發(fā)布會(huì)上，發(fā)布了由大語言模型驅(qū)動(dòng)的企業(yè)級(jí)數(shù)字化勞動(dòng)力平臺(tái)。

金智維發(fā)布了以RPA為基礎(chǔ)融合AI技術(shù)與GPT模型的AI助手發(fā)布，該產(chǎn)品支持智能AI對(duì)話、實(shí)時(shí)交流，接收命令自動(dòng)執(zhí)行流程。

達(dá)觀數(shù)據(jù)發(fā)布了達(dá)觀助手Windows系統(tǒng)Office-word版本，并在2023WAIC期間宣布對(duì)外公測(cè)垂直專用國產(chǎn)大語言模型“曹植”。

藝賽旗在2023年春季產(chǎn)品發(fā)布會(huì)推出融合GPT的全新超自動(dòng)化產(chǎn)品iS-RPA，并于5月29日正式發(fā)布iS-RPA 2023.1.0。

實(shí)在智能超自動(dòng)化平臺(tái)在五月中旬全新升級(jí)，該平臺(tái)三大AIGC產(chǎn)品包括具備AIGC能力的“超進(jìn)化”數(shù)字員工、能和文檔自動(dòng)對(duì)話的智能產(chǎn)品Chat-IDP”以及一站式的智能自動(dòng)化統(tǒng)一門戶系統(tǒng)“實(shí)在智能門戶”。6月底，實(shí)在智能自研垂直領(lǐng)域大語言模型TARS（塔斯）正式開啟內(nèi)測(cè)。

九科企業(yè)級(jí)超級(jí)自動(dòng)化平臺(tái)在3月份完成與ChatGPT的集成，6月份RPA產(chǎn)品bit-Worker任務(wù)助手功能上線。

壹沓科技在其主辦的AI無界·智鏈全球”高端論壇，正式發(fā)布基于LLM的大供應(yīng)鏈物流超自動(dòng)化平臺(tái)-運(yùn)小沓。這是一款基于大供應(yīng)鏈上下游（生產(chǎn)制造、物流配送、新零售）企業(yè)推出的平臺(tái)，可以助力企業(yè)實(shí)現(xiàn)業(yè)務(wù)超自動(dòng)化。

中關(guān)村科金推出了自有領(lǐng)域大模型，并發(fā)布了兩類知識(shí)助手類的應(yīng)用：一類是面向企業(yè)內(nèi)部員工的知識(shí)助手；另一類是幫助企業(yè)員工賦能客戶的服務(wù)助手。

云鈉科技將AIGC技術(shù)集成在「松耦合的魔像RPA系列產(chǎn)品」與「場(chǎng)景化的行業(yè)作業(yè)臺(tái)系列產(chǎn)品」中，打造端到端自然語言驅(qū)動(dòng)流程自動(dòng)生成的新產(chǎn)品「魔i」，發(fā)布了「AIGC落地業(yè)務(wù)」服務(wù)解決方案。

還有一些廠商在LLM方面沒有過多官宣，王吉偉頻道通過調(diào)查問卷才了解了其情況，比如影刀和容智信息。

影刀RPA在4月份已經(jīng)接入微軟Azure和百度文心一言，做了二次工程化的深度定制，讓大模型有了落地通道，自研了思維鏈、知識(shí)庫等功能，推出影刀copilot解決方案。

容智信息已引入多款LLM，推出私有化部署的垂直領(lǐng)域的大模型產(chǎn)品——聞道大模型。并發(fā)布了三款基于大模型的產(chǎn)品，包括容智聞道專家知識(shí)庫產(chǎn)品平臺(tái)、容智AGI超級(jí)自動(dòng)平臺(tái)和iBot助手。

云擴(kuò)科技已引入Azure Open AI，推出針對(duì)個(gè)人文檔處理的相關(guān)產(chǎn)品和解決方案。

除此之外，擁有RPA業(yè)務(wù)并已推出LLM的云廠商及AI廠商，也已將RPA\超自動(dòng)化產(chǎn)品與LLM進(jìn)行了融合。比如華為也早已將其大語言模型能力開放給了旗下超自動(dòng)化產(chǎn)品WeAutomate，科大訊飛也在發(fā)布星火認(rèn)知大語言模型之際推出了生成式RPA。

當(dāng)然，這里只盤點(diǎn)了目前市面上的大部分RPA廠商所推出了融合LLM的新產(chǎn)品，還有更多廠商也都在跟進(jìn)LLM。

看到了這里可能有人會(huì)問，這么多廠商都推出了基于LLM的產(chǎn)品，難道LLM融合型產(chǎn)品這么容易搞嗎？

事實(shí)上，兩者融合還真不是一個(gè)容易活兒，下一小節(jié)我們就會(huì)講到。

在之前的文章跟大家探討過引入LLM的幾種方式，分別是直接調(diào)用API、私有化部署+模型微調(diào)以及面向特有技術(shù)或者業(yè)務(wù)模式的原生模型。

從采訪與調(diào)查來看，不同廠商因?yàn)樽陨韮?yōu)勢(shì)、產(chǎn)品特性及技術(shù)特點(diǎn)的不同，在引入LLM上也有一些差異化做法。

已經(jīng)推出領(lǐng)域大模型的廠商，引入LLM的方式會(huì)更加多元。

比如金智維正在通過兩種方式引入LLM：第一種方式是使用LLM替代NLP/OCR等基礎(chǔ)AI能力，輔助RPA完成智能識(shí)別、檢測(cè)等自動(dòng)化流程；第二種方式是使用LLM完成RPA的構(gòu)建過程，即開發(fā)人員通過對(duì)話形式完成業(yè)務(wù)開發(fā)流程。

云鈉科技則通過直接調(diào)用LLM、整合LLM以及將LLM作為核心引擎串聯(lián)整個(gè)流程等方式，引入大語言模型。

沒有推出自有模型的廠商在與LLM的融合上則比較直接，一般是直接調(diào)用引入對(duì)話功能和微調(diào)模型。比如藝賽旗正在進(jìn)行模型的微調(diào)，除了純文本大模型外，還將微調(diào)多模態(tài)大模型，使其具備理解UI界面的能力，根據(jù)用戶指令直接執(zhí)行自動(dòng)化操作。

客戶們的差異化與個(gè)性化需求，意味著RPA廠商也需在大模型方面提供更多的服務(wù)，這也為其產(chǎn)品與技術(shù)融合帶來了一定的挑戰(zhàn)。

在實(shí)在智能看來，目前大語言模型的整體發(fā)展尤其是在國內(nèi)的發(fā)展主要面臨三個(gè)方面的共性問題：一是中文訓(xùn)練語料和基準(zhǔn)評(píng)測(cè)集的欠缺；二是大模型生成結(jié)果的可控性和可解釋性問題；三是大模型落地過程中的推理成本問題。

同時(shí)，多元化的大語言模型引入方式，也為RPA與LLM的融合帶來了更多的難點(diǎn)和挑戰(zhàn)。

從多家廠商的反饋來看，這些難點(diǎn)和挑戰(zhàn)主要包括以下幾個(gè)方面：

1、成本問題。一方面，訓(xùn)練行業(yè)領(lǐng)域模型及行業(yè)小模型，需要大量的計(jì)算資源、大規(guī)模的數(shù)據(jù)訓(xùn)練和專業(yè)的算法工程師進(jìn)行參數(shù)調(diào)優(yōu)和模型驗(yàn)證，這些都會(huì)產(chǎn)生較高成本。另一方面，自研LLM依賴ChatGLM/LLaMA等開源LLM項(xiàng)目底座，從零開始訓(xùn)LLM成本過高。

2、數(shù)據(jù)問題。目前的大模型通用能力還不夠懂業(yè)務(wù)，難以理解內(nèi)部工作邏輯和機(jī)制，需要更加特定和細(xì)致的數(shù)據(jù)集。同時(shí)開源項(xiàng)目的自然語言處理和交互式對(duì)話效果較差，導(dǎo)致垂直領(lǐng)域訓(xùn)練效果嚴(yán)重依賴數(shù)據(jù)質(zhì)量。大模型需要海量的數(shù)據(jù)訓(xùn)練，行業(yè)數(shù)據(jù)不足也會(huì)導(dǎo)致大模型應(yīng)用效果大打折扣。

3、安全問題。LLM應(yīng)用方式多樣，進(jìn)化速度快，用戶在使用大模型無法得到完整的管控，包括成本、用法和數(shù)據(jù)安全方面，使用過程中難免會(huì)涉及的核心數(shù)據(jù)和個(gè)人信息等敏感數(shù)據(jù)泄露問題。這些技術(shù)可能會(huì)被惡意利用，比如信息泄露、詐騙等。

4、集成不同模型的技術(shù)問題。為了滿足客戶的差異化需求，RPA會(huì)與國內(nèi)外的各種大語言模型進(jìn)行融合。而當(dāng)前國內(nèi)外大語言模型的較大差距，也使得技術(shù)集成等方面會(huì)有較大的技術(shù)差距，增加技術(shù)融合難度。

5、大語言模型能力不足問題。大語言模型本身存在一本正經(jīng)胡說八道、基礎(chǔ)邏輯能力缺失、多模塊組合困境等固有缺陷，使得AI技術(shù)本身面臨著不確定性、安全性、可靠性和道德性等問題。

對(duì)于以上五點(diǎn)，這里簡單說說成本問題。大語言模型之所以耗費(fèi)資源，主要是因?yàn)槟Ｐ偷膮?shù)規(guī)模，其背后核心則是模型的訓(xùn)練和推理所需要的硬件資源消耗大小問題和模型在特定領(lǐng)域的準(zhǔn)確性問題。

因此，在弘璣Cyclone看來，如何在小參數(shù)規(guī)模、消耗硬件資源不斷降低的情況下還能保障模型在特定領(lǐng)域的準(zhǔn)確性，將是業(yè)內(nèi)下一步技術(shù)攻關(guān)的核心方向。

為了克服以上五大挑戰(zhàn)，廠商們八仙過海各顯神通，基于自身優(yōu)勢(shì)摸索各種模式和方法給予各項(xiàng)能力補(bǔ)齊。

比如金智維與自研LLM的廠商合作，通過購入?yún)?shù)量更高的LLM自研或者以共創(chuàng)模式共同開發(fā)，解決LLM模型效果和算力問題。

藝賽旗則通過與企業(yè)和高校合作，針對(duì)性地微調(diào)模型，保證數(shù)據(jù)安全，并自行搜集數(shù)據(jù)以應(yīng)對(duì)數(shù)據(jù)不足和缺乏標(biāo)準(zhǔn)與規(guī)范等挑戰(zhàn)。

容智信息則通過構(gòu)建自己領(lǐng)域模型及相關(guān)技術(shù)生態(tài)，來實(shí)現(xiàn)LLM與RPA的高效融合。

云擴(kuò)科技通過建立完善的內(nèi)外部合規(guī)檢測(cè)+大模型專屬風(fēng)險(xiǎn)應(yīng)對(duì)，及時(shí)跟進(jìn)新的大模型能力、風(fēng)險(xiǎn)、法規(guī)和應(yīng)用方式，并加大研究和開發(fā)安全控制辦法比如建立合規(guī)審查機(jī)制等。

云鈉科技依托行業(yè)積累的高質(zhì)量數(shù)據(jù)進(jìn)行集調(diào)優(yōu)訓(xùn)練，并能夠通過接入第三方工具極大提升AIGC模型的可靠性及基礎(chǔ)能力。

除了這些措施，為了更好的融合LLM并使其發(fā)揮更佳性能，還有一些RPA廠商推出了自有的領(lǐng)域大模型。從調(diào)查來看，目前至少已經(jīng)有6家廠商推出了專有領(lǐng)域模型。

簡單來講，在LLM的構(gòu)建方面，目前的主流方式分為兩種：一是大模型底座+小樣本數(shù)據(jù)；二是底座大模型和領(lǐng)域小模型協(xié)同。

兩種方式各有優(yōu)劣勢(shì)，目前而言推出領(lǐng)域模型更加吸睛。研發(fā)自有領(lǐng)域模型，一方面可以讓LLM更加穩(wěn)定、高效的釋放潛能，另一方面可以通過雙重模型為客戶提供更好的服務(wù)。

事實(shí)上，是否推出領(lǐng)域模型主要還是因廠商重點(diǎn)拓展的領(lǐng)域以及所服務(wù)客戶群體而異，大模型+領(lǐng)域模型可以更好的賦能某些領(lǐng)域的客戶通過業(yè)務(wù)流程自動(dòng)化更好的實(shí)現(xiàn)增效降本。

所以推出領(lǐng)域模型并不意味在LLM方面略勝一籌，更多的是面向所服務(wù)群體以及行業(yè)解決方案上的考量，畢竟多一個(gè)模型也就意味著更多的成本。

正是因此，沒有相對(duì)固且穩(wěn)定的專有領(lǐng)域客戶群體，廠商們一般不會(huì)貿(mào)然推出領(lǐng)域模型。

毋庸置疑，引入具備生成能力、語義理解能力和邏輯推理能力的LLM，為RPA\超自動(dòng)化帶來了有何舉足輕重的影響。

通過調(diào)查，廠商們的反饋可以總結(jié)為以下幾個(gè)方面：

1、實(shí)現(xiàn)技術(shù)升級(jí)，RPA更加智能。LLM去RPA帶來了經(jīng)驗(yàn)判斷和推理的能力，使得RPA在自動(dòng)化業(yè)務(wù)流程的實(shí)現(xiàn)上，從單純的規(guī)則驅(qū)動(dòng)升級(jí)到具備一定的判斷和決策能力。LLM猶如大腦，RPA相當(dāng)于四肢，它比以往的AI+RPA更加智能。

2、優(yōu)化人機(jī)交互，改變應(yīng)用模式。LLM的語義理解能力和邏輯推理能力，能夠讓用戶通過自然語言和多輪對(duì)話驅(qū)動(dòng)RPA，增加了人機(jī)交互理解能力，交互模式更加自然和友好，進(jìn)而提升用戶使用體驗(yàn)。

3、降低使用門檻，實(shí)現(xiàn)人人可用。LLM引入使得用戶能夠通過自然語言的方式驅(qū)動(dòng)RPA場(chǎng)景落地，縮短開發(fā)鏈路。由此降低RPA使用門檻，實(shí)現(xiàn)讓不懂編程的人熟練應(yīng)用RPA。

4、擴(kuò)展能力邊界，拓寬應(yīng)用場(chǎng)景。LLM的引入，使得RPA機(jī)器人由邏輯性和規(guī)則性的重復(fù)能力模型逐漸過渡到邏輯推理、抽象總結(jié)、意圖識(shí)別等自主復(fù)合能力模型，使得其應(yīng)用場(chǎng)景也將大幅拓寬，超越傳統(tǒng)的結(jié)構(gòu)化任務(wù)，應(yīng)用于更多非結(jié)構(gòu)化數(shù)據(jù)處理任務(wù)中，并能夠適應(yīng)更多的場(chǎng)景。

在金智維看來，RPA解決自動(dòng)化流程和數(shù)據(jù)處理問題，大語言模型解決自然語言處理和對(duì)話式交互問題，RPA引入LLM可提高數(shù)字化轉(zhuǎn)型的效率和質(zhì)量。

在弘璣Cyclone看來，只有基于大模型才有可能達(dá)到人機(jī)的完美融合從而形成大型企業(yè)所有業(yè)務(wù)域的充分自動(dòng)化，大模型的核心能力可以實(shí)現(xiàn)企業(yè)內(nèi)部所有業(yè)務(wù)對(duì)象的語義化連接，并進(jìn)一步實(shí)現(xiàn)跨各類業(yè)務(wù)對(duì)象的自動(dòng)化。

云鈉科技則認(rèn)為，大語言模型+RPA，正在從根本上改變?nèi)藗兊墓ぷ鞣绞?，讓技術(shù)更容易獲得，進(jìn)一步加速生產(chǎn)力工具的變革。

當(dāng)前RPA廠商都在將產(chǎn)品和LLM進(jìn)行融合，導(dǎo)致產(chǎn)品易用性拉平，更具有通用性。LLM+RPA可以讓廠商們的產(chǎn)品整體擁有更強(qiáng)大的自然語言處理能力、更高級(jí)的自動(dòng)化能力和更好的用戶體驗(yàn)。

實(shí)在智能認(rèn)為，LLM技術(shù)與RPA深度結(jié)合，擴(kuò)展數(shù)字員工的“AI生成能力”，可以自動(dòng)執(zhí)行任務(wù)，識(shí)別和理解用戶的語言輸入，從而更好地滿足用戶的需求運(yùn)用場(chǎng)景。減小RPA的使用者在開發(fā)RPA流程時(shí)的成本，提高產(chǎn)品使用體驗(yàn)。

用影刀RPA的觀點(diǎn)來說，大模型時(shí)代顛覆了交互方式，把所有的SaaS產(chǎn)品都拉到了統(tǒng)一起跑線。

同時(shí)LLM也大大降低了RPA使用門檻，使得人人都可用RPA。這種情況下，衡量RPA產(chǎn)品能力的標(biāo)準(zhǔn)，更多的是其與大模型融合后產(chǎn)品確定性和綜合性能的提升。

雖然LLM使得革RPA\超自動(dòng)化的產(chǎn)品形態(tài)、商業(yè)模式及市場(chǎng)生態(tài)等產(chǎn)生了巨大變化，但在為RPA進(jìn)行一番統(tǒng)一的賦能使其能力整體提升能力后，廠商們的核心競爭力仍舊在于之前的各種行業(yè)積累。

目前來看，廠商們的核心競爭力仍然體現(xiàn)為原有的資源積累、技術(shù)沉淀與創(chuàng)新、行業(yè)經(jīng)驗(yàn)、生態(tài)合作、客戶資源及人才優(yōu)勢(shì)等方面。這一波LLM技術(shù)趨勢(shì)下，在某些領(lǐng)域業(yè)務(wù)做得較深以及在技術(shù)上具備先發(fā)優(yōu)勢(shì)的廠商，將會(huì)在業(yè)務(wù)和資本雙重市場(chǎng)獲得更多機(jī)會(huì)。

當(dāng)然，LLM也會(huì)帶來寡頭效應(yīng)的可能。比如藝賽旗就認(rèn)為，隨著RPA廠商將產(chǎn)品和LLM融合，核心競爭力將從單純的工具開發(fā)轉(zhuǎn)向數(shù)據(jù)和模型訓(xùn)練全流程。這將導(dǎo)致數(shù)據(jù)占優(yōu)勢(shì)的公司競爭力增強(qiáng)，產(chǎn)生強(qiáng)者愈強(qiáng)的局面。

因此，藝賽旗的競爭優(yōu)勢(shì)在于其擁有與高校和世界500強(qiáng)大公司的合作，能夠獲得更多高質(zhì)量的數(shù)據(jù)和知識(shí)，保持其行業(yè)領(lǐng)先地位。

寡頭效應(yīng)是行業(yè)發(fā)展的必然，每個(gè)行業(yè)都會(huì)存在二八原則。

但總體而言，LLM還是為更多廠商帶來了彎道超車的機(jī)會(huì)。憑借LLM技術(shù)，更多廠商們可以在更短時(shí)間用更低的成本和資源打造更好的RPA與超自動(dòng)化產(chǎn)品，由此能夠獲得更多客戶的青睞。

畢竟，LLM+RPA\超自動(dòng)化所帶來更智能的表現(xiàn)、更易用的操作和更顯著的成效，正在To B市場(chǎng)獲得更多客戶的認(rèn)可。

《2023年中國RPA行業(yè)研究報(bào)告》數(shù)據(jù)顯示，2022年RPA需求方對(duì)產(chǎn)品的整體認(rèn)可度有所上升：高度認(rèn)可上升到13.1%，認(rèn)可上升到31.9%，一般認(rèn)可上升到39%。

影響RPA認(rèn)可度的主要原因，在于一半以上的客戶認(rèn)為產(chǎn)品體驗(yàn)差。影響產(chǎn)品體驗(yàn)的主要因素則包括運(yùn)行環(huán)境不匹配、實(shí)際業(yè)務(wù)數(shù)據(jù)與測(cè)試不一致以及所依賴的第三方系統(tǒng)變更造成的RPA無法識(shí)別和運(yùn)行等。

事實(shí)上，融合更多技術(shù)的超自動(dòng)化就是為了解決這個(gè)問題，幫助用戶實(shí)現(xiàn)更穩(wěn)定的端到端自動(dòng)化的。只是因?yàn)槌杀?、?shí)施等因素，目前超自動(dòng)化解決方案更多的面向大型企業(yè)，中小企業(yè)尚未系統(tǒng)化引入這項(xiàng)技術(shù)。

現(xiàn)在有了LLM的助力，大語言模型能夠拔高原有相關(guān)場(chǎng)景深度，增強(qiáng)與用戶的直接交互。

在國內(nèi)，目前LLM與RPA的融合應(yīng)用主要分為兩部分：一是語言開發(fā)功能中流程自動(dòng)生成與執(zhí)行，二是業(yè)務(wù)場(chǎng)景升級(jí)和延伸中的自動(dòng)文本生成、聊天機(jī)器人及智能文檔處理。

因此，文檔處理、機(jī)器人對(duì)話以及流程創(chuàng)建也成了與LLM結(jié)合最快、落地最多的場(chǎng)景。

不管是自研LLM還是調(diào)用LLM，融合LLM的RPA\超自動(dòng)化產(chǎn)品體驗(yàn)正在大幅提升，使得很多組織對(duì)于融合LLM的RPA產(chǎn)品都在躍躍欲試。大部分企業(yè)都對(duì)LLM保持足夠的關(guān)注，有些激進(jìn)的廠商已經(jīng)在使用這類產(chǎn)品。

從調(diào)研來看，目前客戶對(duì)于融合LLM的RPA產(chǎn)品的態(tài)度，跟客戶屬性有一定的關(guān)系。

比如央企、國企或者比較重視數(shù)據(jù)安全及用戶隱私的企業(yè)，不能使用LLM云服務(wù)，更偏向于私有化部署。同時(shí)現(xiàn)階段LLM本地化部署需要較高的資源配置，投入成本比較大，目前大多處于觀望狀態(tài)。

而電商等領(lǐng)域的中小商家，都在積極擁抱LLM，并在積極開發(fā)適合自身業(yè)務(wù)的應(yīng)用。

為了解決客戶對(duì)于數(shù)據(jù)泄露和資源需求過大的顧慮，RPA廠商也在通過「數(shù)據(jù)保密性、安全性和LLM量化部署（金智維）」「限定應(yīng)用場(chǎng)景來實(shí)現(xiàn)減少計(jì)算量和保證生成內(nèi)容的可靠性（藝賽旗）」「專注使用層面安全、管控和應(yīng)用方式（云擴(kuò)科技）」「多方案解決大模型不確定性問題（云鈉科技）」等方式方法和管控模式，保障更多客戶能夠安全、放心、高效地應(yīng)用LLM。

目前，各家廠商都已經(jīng)有具體落地的融合LLM的產(chǎn)品和解決方案。

金智維用于智能問答和數(shù)據(jù)處理領(lǐng)域智能客服LLM方案，電信智能客服及企業(yè)規(guī)章助手已經(jīng)在某些企業(yè)落地。

容智信息融合LLM的智能客戶、城市運(yùn)營中心等解決方案，已在多個(gè)政府項(xiàng)目中完成交付，大模型產(chǎn)品也已在城運(yùn)12345等項(xiàng)目中實(shí)際應(yīng)用。

實(shí)在智能已經(jīng)將AIGC組件融合進(jìn)RPA設(shè)計(jì)器，實(shí)現(xiàn)自動(dòng)生成文案等功能，深受電商客戶的喜愛，其結(jié)合金融垂直領(lǐng)域的大模型已在某金融機(jī)構(gòu)上線運(yùn)用。

藝賽旗基于LLM的RPA項(xiàng)目“RPA學(xué)堂”，正在助力客戶高效運(yùn)營。

很多消費(fèi)零售的客戶，也已在用影刀RPA的大模型能力。

企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展到今天，經(jīng)過一系列的理論探索和實(shí)踐驗(yàn)證，通過基于RPA\超自動(dòng)化的業(yè)務(wù)流程自動(dòng)化驅(qū)動(dòng)的「自上而下與自下而上共同推進(jìn)」的成效更快的數(shù)字化轉(zhuǎn)型解決方案，已經(jīng)被已被廣大組織所接受，同時(shí)“自動(dòng)化優(yōu)先”也正在成為更多企業(yè)的主流管理思維。

RPA已成為企業(yè)運(yùn)營不可或缺的系統(tǒng)連接與管理軟件，超自動(dòng)化也已成為保障端到端自動(dòng)化的解決方案。

LLM的到來對(duì)于RPA\超自動(dòng)化如虎添翼，隨著RPA廠商們推出更加安全有效的LLM解決方案，可以預(yù)見更多企業(yè)必然會(huì)引入融合LLM的RPA\超自動(dòng)解決方案。

對(duì)于企業(yè)商業(yè)化引入大語言模型，來也科技CTO胡一川在接受采訪時(shí)，提到了兩種思路：

一種思路是客戶買了大模型但不知該從哪里應(yīng)用，RPA廠商可以建議先用在數(shù)字化勞動(dòng)力平臺(tái)（來也科技的超自動(dòng)化產(chǎn)品）上，這樣廠商就可以為其提供基于大模型的超自動(dòng)化部署服務(wù)；

第二種思路是客戶已經(jīng)引入了數(shù)字化勞動(dòng)力平臺(tái)解決方案，廠商可以詢問其是否想用私有化部署LLM，需要的話就能順理成章的通過RPA廠商引入LLM。

某種程度上，RPA廠商成了大模型廠商在自動(dòng)化領(lǐng)域的咨詢實(shí)施合作伙伴了。

事實(shí)上，對(duì)于廣大企業(yè)而言，通過某些業(yè)務(wù)場(chǎng)景來引入LLM是較為穩(wěn)妥方式，可以有效避免先引入LLM再去發(fā)現(xiàn)和搭建各種應(yīng)用的資源與技術(shù)浪費(fèi)，要知道企業(yè)自身在大模型調(diào)優(yōu)、模型訓(xùn)練等方面需要投入的成本還是蠻大的。

同時(shí)，企業(yè)還可以基于所引入的LLM做更多的業(yè)務(wù)。以自動(dòng)化業(yè)務(wù)場(chǎng)景需求下引入融合LLM的RPA為例，要引入這個(gè)融合解決方案需要同步引入大語言模型，企業(yè)在LLM之上部署完RPA之后，還可以在此模型之上部署低代碼、流程挖掘等更多產(chǎn)品與解決方案。在技術(shù)能夠?qū)崿F(xiàn)的情況下，未來企業(yè)的所有管理系統(tǒng)都可以部署在這個(gè)LLM之上。

因?yàn)橛行┛蛻舻娜珮I(yè)務(wù)部署需求，一些RPA廠商目前已經(jīng)提供從RPA到LLM私有部署的一站式解決方案。比如云鈉科技推出了包括客戶需求、落地方案、訓(xùn)練集成以及運(yùn)維優(yōu)化在內(nèi)的AIGC落地業(yè)務(wù)，其他廠商也已有了類似的一站式LLM落地解決方案。

與此同時(shí)，廠商們也正在集成更多的LLM并最終會(huì)成為一個(gè)模型工廠，以滿足用戶對(duì)于國內(nèi)外大語言模型的不同需求。

目前一些廠商已經(jīng)集成了GPT、文心一言等LLM，還有些廠商比如金智維集成了ChatGLM、LLaMA等更多的開源LLM。來也科技的戰(zhàn)略規(guī)劃是在今年下半年集成所有的基于公有云的大語言模型，明年上半年會(huì)集成更多的開源模型。

RPA廠商既為用戶提供超自動(dòng)化服務(wù)，也提供大語言模型的私有化部署服務(wù)，帶來的必然是市場(chǎng)規(guī)模的倍數(shù)級(jí)增長。

這個(gè)倍數(shù)會(huì)多大？在來也科技看來，自動(dòng)化能解決的場(chǎng)景流程變得更加多元化，廣義RPA市場(chǎng)可能是原來的10倍，甚至于100倍，大家在把蛋糕做大的同時(shí)也將重構(gòu)流程。

LLM所帶來的整體市場(chǎng)規(guī)模擴(kuò)大，意味著RPA也將從激烈競爭的市場(chǎng)狀態(tài)，進(jìn)入一個(gè)短暫的“都有肉吃，皆有湯喝”的階段。

這對(duì)處于“三困”境地（拓客困境、贏利困境、投資困境）的RPA行業(yè)，委實(shí)是莫大的紅利。

而隨著LLM徹底的全方位重構(gòu)RPA\超自動(dòng)化，新的市場(chǎng)格局也將被在技術(shù)、產(chǎn)品、生態(tài)、市場(chǎng)皆有話語權(quán)的頭部先行者所改寫。

最終誰能成為先行者，就要看誰能抓住這次機(jī)遇厚積薄發(fā)了。

繼續(xù)閱讀：

未經(jīng)允許不得轉(zhuǎn)載：RPA中國 | RPA全球生態(tài) | 數(shù)字化勞動(dòng)力 | RPA新聞 | 推動(dòng)中國RPA生態(tài)發(fā)展 | 流 > 從引入并集成多LLM到發(fā)布自研模型，RPA與LLM的融合進(jìn)度怎樣了？