本文作者张予彤，担任金沙江创业投资基金的合伙人，专注于移动互联网以及人工智能领域早期公司的投资。她投资的项目，包括小红书、零零科技、深鉴科技、Moka HR、黑湖智造、云扩科技等。在加入金沙江之前，她组建并主导了趣加游戏的海外发行部门。张予彤拥有斯坦福大学的工程硕士学位以及清华大学的电子工程学士学位。
很多人在抱怨每天又忙又累，越活越像个机器人。因为每一份工作中，都有一部分机械性的事情，虽然无趣，但我们却不得不做。报销就是一个典型的例子：我们需要把发票按序整理，从中提取出日期、地点、商户、金额、报销类目，一一填入表单，无比烦琐。毕竟人不是机器，难免对重复单调的任务感到厌倦。人擅长做的是沟通交流，情绪感知，跨界思考。而规则明确的批量操作还是交给机器完成为好。所以我对于通过自动化(Automation)和智能化(Intelligence)去减少人们繁复的工作喜闻乐见。通过研究国内外的RPA（Robotic Process Automation）市场和公司，我对这个模式的看法也经历了一些起伏变化。希望在市场白热化之前，和大家分享一些有关RPA的核心差异和未来壁垒构建的思考。
我关于RPA的思考围绕以下核心问题：
- 什么是RPA：机器，流程还是自动化
- 总说中国企业客户不为软件付费，那为什么RPA可以快速落地
- RPA或将掀起一场全球竞技
- RPA的市场规模和核心场景都有哪些
- 市场前景广阔，但RPA是否有真正的壁垒
RPA如何与AI融合，才能走的更远
三问什么是RPA
RPA，字面翻译过来就是机器流程自动化，其实并不是一个新的概念：
首先，RPA和机器人有什么关系？提到机器人，大家会想到家里的扫地机器人或者工厂里的机械臂。但这里提到的RPA不是一个具有实体的机器人，而是一个在用户端自动执行的软件。
那任何软件不都是机器流程自动化吗？去年研究了RPA产品，才体会到其中巧妙的地方。它并不是用写脚本的方式去实现一个固定序列的工作流程，而是一个非常灵活强大、支持图形化编辑的软件开发平台。RPA可以让机器去记录人与计算机的交互步骤（包括键盘的输入，鼠标的点击，复制粘贴），让实施人员通过拖拽编辑规则，生成一个所谓的“机器人”，自动重复这一系列“手动”的操作。好比我们在打游戏时候都遇到过的Bot玩家。游戏中重复按一些键也是一件很累的事情，总会有玩家喜欢走捷径，利用“外挂”脚本自动采集物品。其实办公场景中我们在Excel里面用过的VBA宏也是同样的机制，只是宏是局限于微软的一个应用程序而已。
RPA虽然讨巧，但为什么不用API互联去打通跨系统的数据孤岛呢？对接API肯定是最直接和成熟的连接方式，但是在企业中去打通盘根错节的IT系统是个长周期、大投入的事情。而且遗留系统不是说改就能改的。对于无法开发接口的系统，RPA的优势就更明显了，即便是30多年前的绿屏系统，RPA也可以轻松地从中抓取数据。这种对现有系统没有任何影响的非侵入式部署在大企业中很受欢迎。
总说中国企业客户不为软件付费，那为什么RPA可以快速落地?
现代企业前端需要处理的数据变得越来越多元，客户的数据可能分布在呼叫中心，社交媒体，订单系统等各个地方。许多人的工作就是不断地在不同系统和应用程序中复制和粘贴，从一个系统导出文件，提取出关键的数据，输入到另一个系统中。这些事情本来不难，但对于员工来说这样的工作并没有技能的提升，对于企业来说这样的过程也是相对缓慢且容易产生人为的疏漏。
有很多企业为了降低成本，选择BPO（Business Process Outsourcing）在海外寻找更经济的劳动力。只是离岸外包的管理方式离完美还有很远，远程沟通的过程容易产生服务质量降低的问题。另外也有些企业选择IT解决方案公司单独开发一套软件，对接日积月累的内部系统，完成工作流程的自动化。但这种传统的IT思维还是存在费用昂贵，交付周期长的问题，最关键的是这种对接方式可能无法适应数字化时代前端商业流程变化的速度。
RPA的客户收益主要在以下几点：
•提升流程效率：RPA可以24小时不间断执行，成为孜孜不倦的“007”。业务量激增时，RPA相比人工作业的优势更加明显，可以改善业务峰值的用户体验。
•提高数据质量：与BPO相比，RPA不会犯错，由于人工疲劳产生的误差率会大大下降。同时RPA可以支持追踪所有步骤，为日后审计提供更强的可追溯性。
•系统稳定性风险极低：RPA可以在不改变任何IT系统的条件下实现更高交互层级的流程改造。
•开发效率高，部署周期短：基于录屏、图形化界面、应用生态的RPA可以最大限度减少代码量，提高开发效率，大大降低企业上线机器人的门槛。通常的RPA项目部署周期不会超过3到6个月。
•价值清晰，投资回报周期短：一般在实施的一年内即可达到盈亏平衡。在某些用例中，机器人和工人之间存在明确的一对一甚至一对五的关系，节省的人力成本很容易计算。
RPA：一场新兴的全球竞技
要预测RPA的未来，必先了解RPA的过去。近年来几个国际的RPA厂商发展迅猛：
Automation Anywhere （简称AA）
2003年成立的AA，今年宣布获得Workday Ventures的战略投资。在2018年11 月，AA已从SoftBank Vision Fund筹集了3亿美元，将该公司的融资额扩大至5.5亿美元，估值到达26亿美元。根据 AA 披露的数据显示，其总收入相比去年同期增长了100%，并且，公司现有的年度客户留存率可以达到98％。
Blue Prism（简称BP）
公司成立于2001年，是一家英国跨国软件公司，RPA这个术语就是由BP率先提出的。2016 年于英国上市，上市不到 3 年股价上涨近 16 倍，目前市值约为 14亿美元。类似AA，BP的规模也在高速增长，其 2018 年前 4 个月的客户数量较 2017 年就增长了 50%。
UiPath
公司于2005年在罗马尼亚成立。2018年11月，C轮2.15亿美金融资时，UiPath的估值已经高达 30 亿美元。2019年5月，UiPath又完成了一轮由Coatue Management领投的5.68 亿美元融资，以 70 亿美元成为估值最高的RPA公司。UiPath表示在过去两年中实现了快速的增长，其 2018 年的年度客户付费收入（ARR）为 2 亿美元，而两年前，这个数字仅为 800 万美元。
这里简单讲一下RPA的产品构成和收费方式：
•Studio（工作室），图形化的编程界面，一般提供以机器或者用户绑定的计费方式。
•Robot（机器人），前台机器人是有人值守的机器人，由员工手动动作决定何时启动；后台机器人则是无人值守的机器人，即可在后台实现端到端的自动化流程。机器人按部署的个数收取每年几万的费用，后台机器人的费用一般是前台机器人的6倍左右。
•Orchestrator（指挥中心），提供一个防止机器人不受监管、追溯机器人操作行为的管理平台，可以集中部署和管理后台机器人。
2018年，UiPath也宣布了进入中国的计划，可尚未针对中国市场做出相应的调整。比如产品并未针对中国的运行环境做优化，定价策略还是全球统一的，社区的培训课程也只有英文的内容。
RPA的市场规模和核心场景有哪些？
根据Gartner的最新研究，2018年全球RPA的开支约6.8亿美元，同比增长57％。预计到2022年底，85％的大型和超大型组织都将部署某种形式的RPA。
现阶段可实现RPA的流程基本具备三个特征：重复，执行相同的步骤；标准，数据以重复的方式输入到特定字段中；清晰，不需要人进行复杂判断的规则。说到重复、标准的强规则领域，大家就会想到财务，人事。但实际上，在各行各业的工作中都有RPA的用武之地，包括零售中的订单管理、保险业中的索赔处理、银行中的欺诈分析、制造中的BOM生成、医疗中的就诊安排等。即便是网站用户名和密码的登录，其实也是一个RPA的应用场景。
Source: Everest Group (2017)
下面举一个财务共享中心的例子，常见的业务包括销售应收、采购应付、员工报销等，这些业务里不少流程都具备可以应用RPA的特征。如果选择试点，往往会选择与外部网站交互的场景作为突破口。比如纳税申报，对于纳税主体多的集团性企业，由于数据来源不同（财务系统，开票软件等），报表逻辑复杂，目前的申报工作中手工操作量大，数据的准确性无法保障。
在不改变现有IT系统的前提下，财务机器人就变成了财税自动化的首选：
•财务机器人可以先从SAP系统导出会计科目的数据，将整理结果发邮件给税务人员
•财务机器人可以监控邮箱，根据指令下载税务底稿，可以自动登录各个税务网站，并完成财务报表的自动填报
•同时根据每月归档数据，机器人可以构建税务数据仓库，为税务风控打下基础
市场前景广阔，但RPA是否有真正的壁垒？
其实刚刚了解RPA的时候，我会质疑RPA是否有技术门槛，看起来是个谁都能做的事情，而且需求本身也存在已久。借用客户IT部门的话：你们用RPA能做的事儿，我们都可以开发出来呀。之后又走访了更多的RPA生态伙伴和已经部署了RPA的用户之后，才体会到不同产品之间其实有很大的差异。
壁垒一：实际生产环境中机器人的执行精确率和运行稳定性
比如在用户的软件或者浏览器的界面里定位一个元素，一个部署在测试环境里的机器人可能精确率是100%，但一旦部署在一个复杂多变的生产环境中，就要能够经受“无人值守”的考验。比如基础屏幕分辨率或者颜色变化，是否还能持续监测；比如在识别元素的时候，被提醒弹窗打断，是否可以检测出，还能正常运行后面的操作。这些对突发异常的容错性，直接决定了机器人出现故障和宕机的次数，也决定了机器人后续运维的成本。
壁垒二：机器人编程的学习门槛和开发效率
RPA的开发平台会提供类似于流程图设计的图形化编辑界面，只需要使用代表流程步骤的组件通过拖拽的方式建立业务流程，即可生成自动执行的脚本。这种方式不但降低了开发人员学习机器人编程的门槛，也可以让非技术的商业人员与开发人员在流程设计的过程中密切合作。另外如何提高开发效率也是RPA的价值所在，比如创建可重复使用的工作流程或组件库加快新流程的编写速度。
UiPath虽然提供内置录屏的功能，但现在可以通过录屏实现的流程还是相当简单的，没有逻辑分支和异常处理机制。可能一个企业刚刚部署RPA的时候，可以用屏幕抓取实现一些较低流程级别的自动化，但产生的价值并不大。现在产生新机器人的方式，还是需要专业认证过的开发人员的协助。在研究UiPath的过程中，我也去看了培训教程，看到第二集就会发现，出现了各种变量的类型，不单单是字符串，数值，而是一个很详细的列表，需要有一定的编程思维才能掌握。哪里需要循环，判断，一个都不能少，如果编制的时候逻辑不清，流程线错乱，就无法执行。
壁垒三：最后一公里的社区和生态建造
当然RPA的壁垒绝不仅仅是技术，任何一个企业级的应用，都有它独特的价值体现。企业客户希望他们选择的RPA平台可以协助企业培训更多可以部署RPA的开发人员。2017年，AA宣布推出一个全面的培训体系，AA大学。推出的前三个月，就有超过20,000名学生就读于AA大学，另有15,000名学生在授权的考试中心完成了RPA认证。针对学生和教育机构，UiPath也推出了免费的社区版，同时维护了很好的论坛方便专业人士进行分享。
在RPA的生态体系里，除了平台供应商和企业客户，还有提供顶层设计的咨询机构和提供集成方案的系统集成商。这些合作伙伴都是专注行业，深谙客户需求的，例如四大咨询公司，埃森哲，IBM。一个允许RPA开发者定制组件和与第三方技术进行集成的开放架构是RPA平台可以为企业客户最大化业务价值中不可或缺的一环。所以RPA的交付不仅仅是一个平台产品，而是RPA as a Service。一个如此贴近上层应用和用户体验的场景，我相信未来中国市场的赢家一定会是一个具备最开放友好的平台产品和最丰富的本地化社区生态的RPA厂商。
展望未来：RPA如何与AI结合，走的更远
RPA会经历四个阶段的发展：辅助人工、解放人工、增强智能和自主智能。现在的RPA处在第一和第二阶段，不涉及到决策层，只是帮助人执行预先定义好的流程。需要人在初始化和运行的过程中参与监控，确保实施的准确性。
第一个阶段 辅助人工 Assistance
这个阶段的RPA可以辅助人工完成许多基础的数据输入，应用调度的任务，但工作过程仍然需要人工参与。RPA会部署在单个设备端，往往是帮助单个员工提升工作效率。
第二个阶段 解放人工 Automation
这时候RPA可以自动完成端到端的工作流程，无需人工干预。RPA可以部署在中央控制台，从而进行工作流调度和任务排队。但这些用例仍然不需要外部知识，规则也是相对静态的。
第三个阶段 增强智能 Augmentation
RPA不仅可以模仿人类，而且可以融合感知技术。RPA可以获取相关的外部知识，自动化处理目标文档中的非结构化数据，例如发票信息（图像）和来自客户的邮件（文字）。任何一个业务流程的自动化都需要串接许多技术模块。如果RPA不具备OCR，语音识别，实时翻译等功能，那其实还会有很多中间步骤需要人机交互，人工复核，自动化的需求就没有被完整地满足。
第四个阶段 自主智能 Autonomy
自主的智能不仅需要对目标有增强的认知，还需要有自动归纳和学习的能力。未来大部分流程可以通过观察大量的人工操作来学习。企业中的业务流程多种多样，如果遇到长尾用例，神经网络可能需要大量的数据才能训练出理想的效果。未来的RPA或许可以通过观察不仅是流程也包含流程产生的数据结果，进行自主的学习和判断，自定义新的机器人来适应动态的规则。自主RPA还可以结合外部知识做出更好的决策，比如收集社交媒体上产品评论的机器人能够自发学习新的缩略语和别称，自动扩展关键字列表，确保原始数据的完整性。同时企业也可以为机器人提供更多的参数，使RPA更了解运行的环境。
随着企业希望从部署的RPA解决方案中获取更大价值，RPA将会成为融合不同自动化技术的平台，比如可以融合更多的分析和智能。企业中需要自动化的并不是技术，而是如何把人，流程和技术融为一体。
未来的RPA不仅仅是帮助提升工作效率的一个企业级产品，还可以成为一个让所有人都操作自如、渗透到生活中无所不在的产品。如果开发机器人的门槛继续降低，真正实现无代码或自动编码的理想阶段，那每个人都可以用自己的智慧和创造力设计出成百上千个小机器人，将自己从重复、繁琐的杂事中解放出来，腾出更多时间专注于自己的天赋和热情。机械性被削弱了，生活自然会变得更有“人味儿”，甚至生活与工作间的界线也会逐渐淡化。
金沙江创投
专注互联网早期投资
本公众号内容未经允许请勿转载，但欢迎转发朋友圈。
