产品

企业平台

人工智能技术驱动,为您提供智能化、标准化的解决方案,确保信创安全,助力您实现业务的卓越自动化

发现评估

能够深入分析并优化流程,从而提高效率和精确度,发现流程改进机会,确定高投资回报自动化领域

自动化

通过自动化提高流程效率,实现了业务流程的自动化、优化和高度可扩展,为您的组织带来卓越的效率和可靠性

解决方案

行业解决方案

深耕行业,涉及金融、能源、制造等领域

通用解决方案

财务、人事、客服等部门或业务职能案例与方案

400-8218-738 登录 注册 申请试用
首页 / 新闻动态 / 谁将赢得RPA+AI市场的竞争?产品力决定一切!
谁将赢得RPA+AI市场的竞争?产品力决定一切!

谁将赢得RPA+AI市场的竞争?产品力决定一切!

旗旗

2024-07-23

图片
图片

大数据产业创新服务媒体

——聚焦数据 · 改变商业


根据IDC发布的《中国RPA+AI解决方案市场份额报告,2023:需求回暖,市场增速有望迎来拐点 》,2023年,中国RPA+AI的市场规模同比增长15.9%。其中,RPA+AI软件产品市场(包括但不限于RPA+AI一体化平台授权许可、RPA应用开发工具使用以及各类AI工具套件的销售,不包含咨询服务、实施服务等服务性收入)占比45%。

图片
中国RPA+AI 解决方案市场份额概况,2023 来源:IDC, 2024

图片
中国 RPA+AI 产品软件市场份额概况,2023 来源:IDC, 2024

根据IDC的报告分析,中国RPA+AI市场将步入快速发展轨道,而产品软件市场的扩展将尤为显著。IDC认为,“伴随市场竞争的白热化,市场对价格透明、快速部署、高度集成且具备 AI 智能功能的标准化 RPA 产品的需求呈现井喷式增长。”并且,IDC预计,未来产品市场在整体RPA+AI市场的占比将持续提升。
可以说,在RPA+AI市场的竞争中,产品能力将成为未来竞争的焦点。那么,RPA(其最新进化版本是超自动化平台,以下主要分析超自动化平台)的“产品力”体现在哪些方面,其与AI(尤其是大模型)的融合又会迸发出哪些火花?接下来,我们就这些问题来进行探讨。
产品力,是超自动化平台的立身之本
 
 
根据IDC发布的报告,随着RPA产品的逐渐普及和成熟,未来几年RPA市场的服务收入占比将会持续降低。这意味着,RPA厂商将更多地依赖于产品本身的竞争力,而非售后服务或其他增值服务。产品能力将成为市场竞争的关键焦点,而易学易用性、标准化和云化、AI能力,将成为评判产品能力的重要标准。
具体来看,随着市场的不断发展,超自动化平台需要具备以下几个重要特性,才能在竞争中脱颖而出。
易学易用,超自动化平台的“基本功”。
传统的RPA平台往往需要用户具备一定的技术背景,这无形中限制了技术的普及和应用。而现代超自动化平台则通过低代码或无代码的方式,让更多非技术背景的员工也能轻松上手。例如,低代码拖拽式设计器,能够使用户无需编程背景即可快速构建自动化流程,通过简单的拖拽和排列组件,就能创建复杂的业务流程,大大降低了技术门槛。
而且,操作简单、界面友好的平台更容易被用户接受和使用,促进流程自动化工具在企业内的广泛应用。用户通过统一的操作界面,能快速找到所需功能,并进行高效操作。这种设计不仅提升了用户体验,还降低了学习和使用门槛,帮助企业更快地实现自动化转型。此外,通过丰富的模板和预构建组件,用户可以直接使用或稍作修改,大大减少了开发时间。预构建的RPA组件覆盖广泛的业务需求,帮助用户快速实现业务流程自动化,提升了整个企业的自动化水平和效率。
标准化、云化,超自动化平台的进阶技能。
通过提供标准化的流程模板和组件,企业可以快速实现自动化部署,减少开发和维护成本。此外,通过统一的标准,企业可以更好地控制流程自动化项目的质量,减少因流程差异导致的问题。标准化不仅帮助企业实现高效的自动化部署,还能保证在运营过程中保持一致的高质量标准。
云化是超自动化平台发展的另一个重要趋势,并且,随着云计算渗透率的提升,云原生超自动化平台的优势会越来越明显。
通过云端部署,企业无需投入大量资源进行本地IT基础设施的建设和维护,降低了总体拥有成本。云化平台支持远程协作和跨地域部署,使企业能够更灵活地应对全球化运营和分布式团队的需求。通过云化,企业可以实现更高效的资源管理和调度,进一步提高自动化系统的响应速度和处理能力。而且,云服务提供商通常会提供多层次的安全保障和数据备份措施,确保企业数据的安全性和业务的连续性。
可以说,超自动化厂商的竞争,核心就是产品力的竞争,谁在这些方面能够做到极致,谁就能在接下来的竞争中占据先机。
AI尤其是大模型,成为超自动化平台的战略高地
 
 
除了上面提到的“产品力”外,随着技术的不断发展,AI已成为超自动化平台的重要组成部分。某种意义上,在接下来的超自动化竞争中,得AI者得天下。
具体来看,RPA、超自动化平台,与AI的融合创新,可以分为两个阶段。
在初级阶段,通过将AI技术(如NLP、CV、OCR、机器学习等)与RPA融合,提高业务流程的智能化水平。
例如,NLP技术赋能超自动化平台,使其能够理解和处理人类语言。这一能力使得平台可以自动处理客户服务请求、邮件分类、合同审核等任务,显著提高了处理效率和准确性。通过NLP技术,平台不仅能理解结构化数据,还能解析非结构化数据,从而扩展了其应用场景。
CV技术为超自动化平台提供了图像和视频数据处理的能力,例如,在制造业和医疗行业,CV技术可以帮助平台自动检测产品缺陷或进行医学影像分析,减少了人为错误,提高了质量控制水平。
OCR技术使得超自动化平台能够高效地将纸质文档转换为电子数据,从而实现文档管理和数据输入的自动化。OCR技术在银行、保险等行业中具有广泛应用,能够自动处理大量的客户申请、发票和报告,提高了运营效率。
机器学习技术为超自动化平台提供了自我学习和优化的能力,通过分析大量的历史数据和用户行为,机器学习模型能够预测未来的业务需求,自动优化流程,并在异常情况下提供智能决策支持。这使得平台能够在不断变化的业务环境中保持高效运作,并持续提升自动化水平。
需要指出的是,以上多种AI技术的应用,还只是处于超自动化平台智能进化的初级阶段。
在高级阶段,超自动化平台与AI大模型的融合成为当下竞争的焦点。以艺赛旗为例,其将AI大模型与自身的iS-RPA和iS-RPM产品融合,用户通过自然语言即可配置和管理自动化流程,大大简化操作。AI大模型增强了数据处理和分析能力,使iS-RPM能够自动识别和优化业务流程中的瓶颈。
在超自动化平台的基础上,融入AI大模型已经成为提升平台能力的重要手段。具体来看,将大模型技术融入超自动化平台,能带来三个方面的好处:
融合大模型后的超自动化平台,用户门槛更低,更易学易用。
借助AI大模型强大的自然语言理解与生成能力,使用户可以通过自然语言与系统进行交互,降低了操作难度。用户无需掌握复杂的平台功能组件与操作技巧,更无需掌握技术和编程语言,只需通过对话即可实现流程的自动化配置和管理。
此外,系统能够实时学习用户行为和流程数据,持续优化和改进自动化流程,使得系统使用越来越简便。超自动化平台本身也在持续进化,平台与用户在相互“磨合”,用户用得越多,平台就对用户越了解,使用起来也越顺畅。例如,系统可以根据用户的操作历史,自动调整界面布局和推荐最常用的功能模块,提高用户的工作效率和满意度。
从简单规则驱动到智能决策驱动,实现长链条流程自动化,可以应对更复杂的业务场景需求。
传统RPA依赖简单规则,无法处理复杂场景。而AI大模型可以进行复杂的决策和推理,自动选择最佳流程路径,提高了自动化流程的效率和准确性。通过AI大模型的支持,平台可以在处理过程中动态调整流程路径,确保每一步操作都是最优选择。例如,在客户服务中心,AI大模型可以根据客户的历史记录和当前情绪,自动选择最适合的客服代表和处理方式,提高客户满意度和服务效率。
更进一步,融合AI大模型后,平台能够处理更长链条、更复杂的业务流程,实现超过几十甚至上百步骤的流程自动化。例如,在金融行业,复杂的风控审核流程,一般链条都比较长,动辄需要进行几十上百步操作。通过AI大模型的智能决策,有望实现整个长链条流程的自动化处理,从数据采集、风险评估到决策执行,全程无缝衔接,大幅减少人类介入的情况,提高了审核效率和准确性。
超自动化平台实现“破圈”,打开数倍的市场空间。
用户使用门槛越低,越易学易用,用户的渗透率就越高。假定目前以点选、拖拉拽操作方式的超自动化平台使用门槛不到10%,那么人机对话方式的超自动化平台,用户渗透率有望提高到60%甚至80%以上。再加上平台能力的提升,能解决更多样化、更复杂的业务场景,用户渗透率有望提高到90%以上,这将极大扩展超自动化平台的市场空间。

图片
不同平台的用户渗透率情况 来源:数据猿

更大规模的蓝海市场,将重塑超自动化市场的竞争格局,谁先抢占这个蓝海,谁就将获得领先优势。
需要指出的是,超自动化平台的“产品力”,并不是为了“炫技”,而是更好的服务客户的业务流程自动化需求。因此,产品到底好不好,客户最有发言权。不管是易学易用、标准化、稳定性这些基本能力,还是更高阶的AI能力,都必须在真实的客户业务场景中经受住考验才行。
接下来,我们就从一个典型客户案例,来分析超自动化平台如何更好服务业务流程自动化的需求。
太平洋保险“黑灯工厂”——超自动化平台应用的典型范本。
中国太平洋保险(集团)股份有限公司(以下简称“太平洋保险”),是业界领先的保险集团,连续七年入选《财富》世界500强。太平洋保险在业务运营中,面临业务人员大量重复操作、业务流程效率低、客户响应慢等问题。为了提升业务效率、降低运营成本并确保操作的一致性和准确性,太平洋保险迫切需要一个高效、统一的业务流程自动化解决方案。
为了解决这些问题,2018年,太平洋保险与艺赛旗携手合作,并率先在上海营运分中心试点应用RPA技术。通过在客服、理赔业务部门应用助手机器人,实现跨页面整合、规则提醒等业务流程的自动化。
2019年,RPA应用范围进一步拓展。一方面,公司范围拓展到华南分中心、山东分中心;另一方面,RPA机器人场景数量增长至35个,包括数据案头小结机器人、数据集中质检机器人、作业行为数据分析机器人等。随着艺赛旗的产品能力得到持续验证,其易学易用、标准化、稳定性等产品能力,得到太平洋保险的认可。进入2020年,太平洋保险进入RPA大规模应用阶段,其产险开启集约化思维的RPA项目建设。
需要指出的是,基于艺赛旗产品使用门槛低的特性,太平洋保险开创了“业务工程师”模式,让业务人员参与到RPA机器人场景的开发中,这成为RPA机器人实现应用普及的关键“一招”。截至2023年10月,培养了2859名初级业务工程师、195名中级业务工程师、13名高级业务工程师。通过“业务工程师”模式,无论是RPA的用户规模,还是自动化业务流程的渗透率,都得到显著提升。
为了推动RPA机器人的普及应用,太平洋保险还举办了“太保寿险数字员工开发大赛”,重庆、河南、浙江等分公司诞生了一系列创新成果,在提高业务效率、节省员工时间方面成效显著。例如,河南分公司开发的《新保保单全流程追踪平台》,为该辖区每月释放1715人时。
基于前期的试点与应用,2021年,太平洋保险与艺赛旗的合作更进一步,推出了“黑灯工厂”项目,开启产险RPA卓越中心服务模式:将共性的RPA机器人场景,实现集约化运行与管理。之后,黑灯工厂项目快速推进。到2022年,黑灯工厂内部设置了个客、法客、农险、营运、财经等“八大车间”,并在这些“车间”挖掘出“太小嘿1号-企财险保单影像智能质检机器人”“太小嘿2号-雇主责任投保用印智能质检机器人”等明星RPA场景。
从2023年开始,正式进入黑灯工厂2.0阶段,其显著特征是平台化、AI化:在原因基础上,建设了“监控平台、调度平台、服务平台、管理平台”四大RPA平台为核心的超自动化平台;与此同时,这些平台还与太保科技AI、产险大脑AI能力融合,并引入流程挖掘技术。
在“黑灯工厂”项目中,艺赛旗的产品方案也在不断演进,其中重要的一项内容就是AI能力的持续提升。艺赛旗在产品中不断融入AI原子能力,通过模拟人工进行自动化操作的流程机器人,来完成大量的业务流程自动化运营。例如,实现客服语音自动质检、票证识别自动录单、OCR识别自动报价、证照OCR识别自动录入等。

图片

目前,在“黑灯工厂 2.0”阶段,一个重要任务是通过AI尤其是大模型技术,来更好实现业务数据分析、流程挖掘、流程优化的能力,以此来改善运营和管理流程。AI大模型可以根据实时数据和用户反馈,动态调整流程路径,确保每一步操作都是最优选择,提高流程的准确性和效率。以农险理赔流程为例,通过对流程各节点的数据分析,养殖险进一步优化了标准业务流程,针对案值规范了各个环节的耗时要求,也为全国各层级机构提供流程优化的抓手。

图片

在太平洋保险的黑工厂项目中,艺赛旗的解决方案得到了充分应用。这一项目的成功实施,不仅帮助太平洋保险解决了运营难题,还为其数智化转型提供了坚实基础。

图片
太平洋保险黑灯工厂的成效

智能体集群、人机协同,智能超自动化平台的进化才刚刚开始
 
 
随着技术的不断进步和企业需求的多样化,超自动化平台的发展方向也在逐步演进。未来,智能体集群和人机协同将成为超自动化平台的重要发展方向。
以智能体打造全入口,通过智能体集群的协同来实现多任务处理。在未来的超自动化平台中,每个流程机器人都可以被视为一个智能体。这些智能体通过AI技术进行管理和协作,形成一个强大的智能体集群。智能体集群通过共享数据和协同工作,能够更高效地处理大型复杂项目,实现整体业务流程的优化。例如,在金融行业,智能体集群可以同时处理不同的交易、风控和客户服务任务,通过实时数据共享和智能协作,提高整个系统的响应速度和服务质量。
这种系统化协作不仅提高了工作效率,还减少了由于信息孤岛和数据断层导致的错误和延迟。智能体集群通过AI技术实现的协同工作,能够更好地适应变化和挑战,帮助企业在动态环境中保持竞争力。
定义人机能力边界,实现更好的人机协同。
人类的归人类,AI的归AI。AI大模型赋予系统更强的自主决策能力,使其在处理复杂任务时能够更灵活地应对变化,提高整体效率。然而,在某些关键环节和需要决策的地方,人类的介入依然是不可或缺的。例如,在医疗诊断中,AI可以辅助医生进行初步分析和筛查,但最终的诊断和治疗方案仍需由医生决定。这样的分工不仅确保了AI系统的高效运转,也保证了重要决策的准确性和可靠性。
在未来的超自动化平台中,人机协同将变得更加重要。通过AI技术,系统可以自动判断哪些任务需要人类介入,哪些可以完全自动化,提高协同效率。在实际应用中,人机协同的有效实现可以显著提升工作效率和质量。例如,在金融行业的风险管理中,AI系统可以自动监控和分析大量交易数据,实时发现潜在风险,并生成初步的风险报告。而金融分析师则可以基于这些报告,进行深入分析和决策。这种协同方式不仅提高了风险管理的效率,还大大降低了操作风险。
展望未来,随着大模型的蓬勃发展、云端部署的便捷性以及自然语言处理的广泛应用,人机交互正经历着深刻变革,技术门槛显著降低。用户仅凭日常对话,即可轻松享受智能科技的强大功能。AI智能体(Agent)的广泛应用,犹如一股强劲的催化剂,加速了LLM(大型语言模型)与RPA、超自动化平台的融合步伐,不仅极大地提升了工作效率与创造力,更引领我们迈向一个更加智能化、便捷化的新时代。
超自动化平台在此浪潮中持续进化,其能力边界不断拓宽,能够应对的任务日益复杂多样,自动化流程链条更加深入细致,平台效能实现了质的飞跃。智能体集群的蓬勃兴起与人机协同的深度结合,更是极大地拓宽了超自动化平台的应用领域,深化了业务层面的渗透力。而且,随着超自动化产品力的提升和AI应用的不断深化,易学易用、标准化的产品将能完成越来越多的工作,而平台服务实施的需求将降低。随着超自动化平台智能程度的提升,需要人介入的环节会越来越少。这种能力进化,为企业数智化转型奠定了坚实的基础,加速了新质生产力的孕育与成长,为数字经济的发展注入了源源不断的动力。