来也科技联合创始人褚瑞：rpa的「连接器」使命 | 雷峰网-米乐m6平台

近日，来也科技联合创始人兼高级副总裁褚瑞在雷锋网公开课上，以「rpa：数字化转型的连接器」为题，讲述了他眼中rpa的“昨天、今天和明天”。

在褚瑞看来，无论是当年在他手中诞生的按键精灵，还是现在的来也uibot，「连接」这一rpa的价值所在一直没有变过。

关注公众号「ai金融评论」后台回复关键词“听课”，收看本节课程视频回放。

以下为褚瑞的分享内容节选，雷锋网做了不改变原意的删减：

各位观众大家晚上好，我是来也科技的褚瑞，我今天的主题是rpa——数字化转型的连接器。

“连接器”的概念，怎么理解？打个比方，从2000年以后，私家车开始逐渐走入我们的生活，私家车不仅仅是一个交通工具，它就像一个连接器，把活动圈连接在一起，大大拓展人类活动范围，改变人类的生活方式。

汽车作为连接器，一般有硬连接和软连接两种连接方式。两个地点之间有路，汽车可以开过去，这是“硬连接”；两个地点之间没有路，性能好的越野车也可以开过去，这是“软连接”。

汽车作为连接器，还让驾驶变得越来越简单。以前的驾驶员都是一种职业，现在普通人也可以当驾驶员。我们称之为“平民驾驶员”。

这是汽车作为连接器的两个特点：支持软硬连接、支持平民驾驶员。这背后是汽车厂商多年来不断的努力。

按键精灵的诞生年代

2001年火起来的网络游戏，需要玩家通过繁琐的操作，完成npc指定的任务才能升级。

当时，我在大学毕业前夕，用c语言写一段无限循环的代码，每过一秒钟，就在横坐标100，纵坐标100给按一下鼠标。这个程序很简单，但它可以代替繁琐的人力操作。然而，它有一个非常致命的问题——不能应对业务变化，坐标变了，程序就要修改。 

我们发现，这里面的主要问题在于：它的平台和业务逻辑是绑在一起的，灵活性不够——这时，按键精灵应运而生。

按键精灵的初衷是将平台和业务逻辑进行分离，让大众在平台上定制自己的业务逻辑。用户无需懂得编程知识，撰写一个脚本，在平台的作用下，代替用户的双手去执行一系列的鼠标及键盘动作。

按键精灵1.0版本解决的是打固定靶的程序，连变量的概念都没有，很快也不能满足需求了，所以升级了按键精灵2.0。

2005年，我们给按键精灵增加了插件功能，提供很多预置插件，还可以通过编程添加其他的功能。这样一来，插件可以给按键精灵带来更多神奇的功能。

这就是按键精灵做得很成功的一点，它把用户自行开发的功能连接在一起了。按键精灵本身提供的功能非常有限，但在此之后，它就可以做到更多有意思的事情。知乎上也有讨论过按键精灵能做哪些有趣的操作——这正是“连接器”的意义所在，价值也通过这样的连接操作而体现。

通过这么多年的发展，按键精灵给我们很多启示：

第一，业务逻辑是会变化的。就像游戏，任务会变，所以要把平台和业务逻辑分离开，各自负责专门的事务。

第二，有些对业务可能不太熟悉、但对it特别熟悉的it专家，他们可以借助连接器，运用自己擅长的技术，可以做出厉害的脚本。也有些平民开发者，不懂it技术，懂业务，连接器把他们连接，大家能做更多很有意思的事情。

rpa的“暴风成长”

2015年发生了一件非常重要的事情。美国的一家公司，前身是罗马尼亚公司deskover，之后改名为uipath并拿到天使轮融资，迅速扩大业务规模，就此引领了一个行业的爆发。

当时他们和一些业务米乐官网app的合作伙伴，包括会计师事务所、咨询公司，一起推出了很多财务、人力资源等方面的米乐m6平台的解决方案，大家才发现，这些领域其实可以靠自动化实现降本增效。

2017-2019年，uipath迅速发展，成为一家高速成长的全球领先企业，rpa时代也就此到来。

rpa的全称是机器人流程自动化。现在的办公领域，有很多这种日常重复性工作，规则和逻辑非常明确。这种情况下，用自动化的机器人软件代替人工的手动完成。这跟当年游戏里不停点鼠标一样，本质上没有不同。

一个常见的问题是，很多系统之间数据没有打通，此时用机器人能非常容易地做到这种非侵入的跨系统数据集成，不需要改程序，只需要模拟人操作。这是rpa非常重要的应用之一。

2015年，rpa行业被引爆；2019年以后，随着微软宣布正式入局，这个行业被推到了一个新的高点。微软在2019年的时候宣布它要推出microsoft platform，这个平台包含4个主要的功能组件，其中power automate就是微软用来实现机器人流程自动化的重要工具。

很多人现在都想不清楚，为什么rpa热度这么高？

咨询机构预测，到2023年，rpa的服务和软件的收入规模大概是120亿美金。

我们可以发现rpa很多有趣的特性：

1、大客户小订单。使用rpa的厂商，很多是世界五百强这种大客户，但它们的rpa订单往往很小，可能只订购几十万的合同。但这些大公司普遍对rpa表现出了他们的关注，因为它们内部有很多复杂的流程，更需要用自动化连接。

2、rpa从2015年爆发起来，到今天，一直采用订阅的方式，客户需要每年支付一定的金额，软件厂商提供相应的、到位的服务，才能促成买卖双方达成合作。rpa的订阅续费率很高，因为大多数公司对rpa都有一定的需求。

可以说rpa是具有普适性的，很多行业、领域、部门都会有这样的需求，这也是大众看好rpa这个方向的原因之一。

此外，同一行业内不同部门会有不同的需求，好的效果可以加速它的传播效力。

从买方市场来看，为什么rpa这么热？

这两张图表现了我国出生人口和高考录取率的变化。图一显示，1990-1999年，我国每年出生人口从90年的2600万降低到了99年的1100万，意味着人口老龄化成为了一个严重的问题，并且会越来越严重，人力成本也随之增加。

除了年轻人口的减少，图二还可以看到高考录取率也在增加。98年的时候高考录取率只有6%，到了2017年变成65%，增长了10倍，意味着很多蓝领工作很难找到人去做。大多数人不太愿意做这种机械重复劳动，这种情况下用机器人代替人做简单重复劳动，就成为了重要的趋势。

还有一个原因，rpa适合数字化转型的需要。以前银行存款用钢笔填写信息，跨行兑付，但这种方式被淘汰了；信息化以后业务无纸化，通过支付宝随时付款。

信息化带来很多好处，但也有一定问题。信息化带来一波业务增长，但当增长到一定程度后又显乏力。这时有人提出来，要把已有的数据整合，实现数字化转型，产生新的价值。

目前信息化壁垒过于严重，系统与系统之间的数据没有打通，很难将数据进行整合。所以rpa这种非侵入式，在不更改系统的前提下，能够模拟人的操作，将不同系统的数据进行提取及整合。

所以rpa是数字化转型的一个连接器，把很多系统连接起来，这种连接本身就是它的价值所在。这个概念是微软提出来的，微软platform的四个组成部分之一就是data connectors，意思是数据的连接器。

就像开头举例的汽车，rpa也具有连接器的一些特点，它也支持硬连接和软链接，也支持这种专业开发者和平民开发者。

评价一个rpa产品的好坏，一定程度要看它是否支持多种硬连接，同时支持多种常见的软连接。

在rpa里，硬连接是指业务系统有提供接口，可以去做连接，类似excel，有com的接口。邮箱也可以通过业务接口去操作。

软连接是指在没有业务端口的情况下，系统间的数据无法互联，这时候rpa的“非侵入”特性就展现出来了，它能够通过界面元素的抓取和自动化操作，实现无接口的数据获取和写入。硬连接和软连接各有优势，双剑合璧就更加强大了。

其次，也要看rpa是否支持低代码。通过基本的变量、表达式等很简单的代码，就能够实现一个自动化的逻辑。这样，一些平民开发者也能很容易学会它。

虽然还需要学习，但是门槛已经降低了很多，大家可以通过一种简单的方式，就能够实现自己的业务流程自动化。

q：很多人听完rpa之后会问，rpa好像没有什么技术门槛？

rpa的技术门槛不在于让鼠标自动跑起来（这个技术我在大学毕业之前就能做，一个应届生就能做的事情，当然没门槛），而在于如何把低代码做好，让平民开发者也会使用。

q：某某开放源代码，rpa市场也会像以前一样变成红海？

其实不是这么回事，因为这些源代码，比我在2001年做的工作也就稍微先进一点点，仍然不是一套成熟的产品。

q：为什么我们不去做一套数据总线，然后把业务系统都连接到数据主线上来？

这个想法非常好。在汽车时代，这种数据总线我们把它称为高铁，所以说数据总线跟rpa的区别，就好比是高铁和汽车。

数据总线有很多的优势，传输速度快、传输量大，安全性更好，但rpa有它独特之处，就像高铁无法完全取代汽车，只能在各自领域发挥作用。

q：python语言这么流行，用python直接加一个开发包不能实现自动化吗？

python语言不够低代码，经常有人开玩笑说python语言是要拿着游标卡尺去写的，用它去实现自动化的话，不能做到我们前面所说的平民开发者的目标。

rpa的必经ai之路

rpa作为连接器，也遇到了一些挑战。不同业务系统之间的数据，只有20%是可以直接利用的结构化数据，比如表格数据库，剩下80%都是非结构化数据。现在还是没有办法联系到一起。

通过ai，把非结构化数据转化为结构化数据，连接器就能处理剩下80%的数据——所以，rpa ai才是连接器的未来阶段。

因为ai做了大脑的工作，可以把非结构化的数据，比如图片、声音、文字，转换成结构化数据，然后去做手的工作。

很多人问，既然rpa ai能起到简单作用，比如像阿里云、百度云这样的云平台都有这种标准的接口提供了，那把这些做得比较好的ai能力直接引到rpa里可以吗？

可以，比如扫描一张发票，其实不用云平台，有专门的发票扫描仪就可以，将仪器跟计算机连接起来，就一张张自动扫描发票了，自动把发票信息从图片、纸质形式变成结构化数据的形式，这种效果已经很好了。

扫描仪和rpa连接这种还属于初级阶段，我们称之为连接ai能力的连接器。

什么叫高级连接器？就是把一些智能化的功能，把ai所能做的一些事情给分装到连接器里。这种智能化的研究系统，能解决很多初级阶段不能解决的问题。

有时rpa本身能力有限，需要用ai增强。有的是标准ai场景，比如扫描发票、身份证，这都是非常标准的文档，已经有很多插件做得很好，直接调用就好。

rpa和ai的界限非常分明，ai负责把非结构化数据转成结构化数据，而rpa拿复杂结构化数据来做处理，这是交互非常简单的情况。

• 应用之界面识别

首先需要识别出软件里有多少界面元素，一般的rpa软件都能做到，但有些软件不是在本地操作系统里运行，而是运行在远程计算机，我们通过远程连接上去。

这种情况下，就可以运用ai识别界面。我们用了大概几十万张的软件界面图片进行标记，拿深度学习模型去训练。在这个模型里，你只要按下一个键，它就能自动帮你识别，把虚拟机里的基本元素，比如输入框、按钮、标签等都用绿色识别框标记。

注意它不仅是识别有文字的元素，一些输入框是空白的，里面还没有填内容，它也能准确的识别出来。

• 应用之合同识别

财务领域经常要识别和处理合同，首先ocr合同一下，把里面的图片扫描件编成文字。

从合同正文里提取关键信息，比较麻烦，因为合同没有标准格式，比如甲乙方的位置、合同金额、到期时间等。

只能用rpa产生的ai能力进行训练，才能在合同扫描件里提取出所需要的总金额、账期、供应商等关键信息，然后用rpa把这些信息送到财务，给财务提供一个成本的管理依据。

• 应用之在线客服

在一家地产公司，它的物业就是一个集中的呼叫中心。为了提高用户的服务质量，当业主拨打物业电话时，接入的是呼叫中心。

呼叫中心有200多个人工客服可以直接回答简单问题，对于一些类似维修等问题就需要先做下记录再修理。ai可以理解人说话的意思，以及做一些简单回复。

公司邮箱每天能收到一些邮件，需要每天有人收邮件并归类为客户或潜在客户。

这些客户也需要进行初筛，判断公司规模及相关信息。我们就做了商机邮件处理机器人，能自动收邮件、查询客户和分类。

如果是归为潜在客户，还能自动查该公司大概情况，自动回复邮件，把处理的信息存到excel表格里。

从按键精灵到来也uibot，它们有共同点，都做连接器，也都具有一个连接器所应有的低代码特点。

不同之处在于：游戏速度变化较快，所以按键精灵要体积小、速度快；来也uibot对速度的要求没那么快，一般办公界面切换不会太快，所以更强调稳定性、安全性、容错性等。

其次，来也uibot的安全性要好得多，在很多方面都比按键精灵大幅增强，包括在硬连接和软件能力上，ai的能力集成上，跨平台的能力，分布式控制中心等。

我们也是坚持做好连接器去服务平台开发者，我们的开发者社区用户数今天已经超过30万人。我们的ub store，是提供给付费能力不太强的小型客户。

互动问答精选

q1：rpa就是机器加上智能，可以这么理解吗？

褚瑞：昨天的rpa应该说只是代替了手的工作，只能做一些机械性劳动。今天或者未来的rpa会加上更多的智能，可以做很多比双手能做的、更复杂的事情。机器加上智能，可以认为是未来rpa的一种形态。

q2：怎么应对客户流程的不同，不断更新？

褚瑞：这就是我们要强调平民开发者的原因之一。rpa应该是每个人都能掌握的。上线以后，后期的修改虽然不可避免，但只要足够简单、好用，每个人经过简单的学习，就可以调整这个参数，应对流程的更新。除非更新复杂到一定程度的时，才需要更高水平的人介入。

rpa不是作为一个项目交付完就结束了，而是一定要做更新的。让原厂继续服务的话不太现实，一定要通过这种低代码的形式让更多人轻松掌握。

q3：rpa在实际应用中会因为网页页面的改变而修改流程，这会导致后期的运维成本很高吗？

褚瑞：rpa流程是可能会需要修改的，因为你用它连接了多个不同业务系统。这些业务系统的改变，就导致rpa流程也要发生改变。但当业务系统在一个成熟的大型企业中使用，它的变化不会太频繁，即使发生了改变，这个体系里只要有少量的人学会使用它，那就没有问题，都能自行应付。

q4：学了一个月的来也uibot基础命令判断都可以理解，但一些场景觉得挺难的，不知道应该怎么继续学习。

褚瑞：实际上可以拿一些现实生活中常见的场景做练习。我有时候需要把知乎上的文章批量导到kindle里，这样可以在离线的情况下阅读（比如飞机上），但知乎和kindle之间是没有接口的，我就用来也uibot社区版，自己写了一个流程，自动把文章导到kindle里，这就是我生活中常见的一个用例。我们也会把使用门槛进一步降低，让更多平民开发者能够掌握它。

即将启幕

ccf-gair 全球人工智能与机器人峰会———ai金融专场

历届 ccf-gair 已汇聚多位诺奖、图灵奖得主，28位海内外院士，21位世界a类顶会主席，103位fellow，400多位知名企业家以及100余位vc创始人出席。

8月7日-9日，《ai金融评论》将在第五届ccf-gair中举办「ai金融专场」，目前统计学“诺贝尔”— copss总统奖得主，摩根大通执行董事，世界顶级学会主席，金融巨头首席科学家、首席风控官，已确认出席。

会议详情与合作，可联系专场负责人周蕾，微信：lorrainesummer

更多会议安排点击查看。

雷锋网雷锋网雷锋网