对话文因互联ceo鲍捷：rpa的成长之痛和正面战场 | 雷峰网-米乐m6平台
“这个行业的门槛太低了。”
每次谈及rpa，技术创业圈的不少从业者们都如此感慨。
而文因互联ceo鲍捷认为，这是一个不够全面的认知，单是米乐m6平台的解决方案的可复制性就足够拦住不少人的去路：“把米乐m6平台的解决方案一下复制给上百个客户，真正能够做到规模效应，其实非常难。 ”
“今后大约两三年的时间里，我们将会看到rpa 金融米乐m6平台的解决方案大规模复制的过程。” 他告诉雷锋网ai金融评论。
一些技术服务商对rpa这面风帆早有留意，也在风口里发现了ai 金融的更多可能，文因互联便是其中之一。ceo鲍捷在专访中直言，知识图谱领域的最主要应用对象就是自动化；比起投资模型的升级改造，做智能金融，往企业流程自动化的路子走，要更切实可行一些。
而对于rpa本身，他则强调，其核心问题在于调度二字。
用机器替代所谓的“脑力体力劳动”，在鲍捷眼中，就是企业内资源的调度问题；不光只是某个特定业务环节的优化，还有各种传统企业流程之间的打通——it系统所及之处，皆是流程自动化的战场。
鲍捷在专访中表示，rpa这个名词以后可能存在感会渐渐降低，但是，刚需会一直存在。“rpa的下一步，将会是以知识库为基础的企业内流程化自动管理系统；而（机器做流程性工作）这个趋势，我相信，每个赛道都会发生这样的变化，十年之内不会停下来。”他这样总结。
文因互联ceo鲍捷
国内rpa的成长之痛
尽管市面上的金融rpa产品已有不少，但在鲍捷看来，其实金融领域的rpa现在还是刚刚起步。
鲍捷直言，rpa的国内发展环境先天积淀不足，数据积累问题首当其冲。
“必须要先解决数据结构化，后面的流程自动化才能跑起来。”他解释称，哪怕只是一个crm系统与营销系统的对接，表面看似没有数据结构化的任务，但在crm内部其实已经进行过结构化的处理。
国内rpa成长的第二痛，是大规模的结构化。“这是整个实施过程中成本最高的一环。”鲍捷说。
在他看来，流程自动化的大规模实现，很依赖于业务知识的沉淀——可是，最熟悉业务的是传统业务员，最先被rpa取代的也会是这批业务员，如何给他们以改造业务流程的动力？这是第一重拦路虎。
其次，rpa对企业流程的改造也属于业务创新，谁愿意承担因此而来的风险？
鲍捷还强调，rpa的推进需要执行者拥有结构化思维，这种能力往往是所谓的知识工程师才具备，但实际上很多咨询公司在为客户分析问题、提供精细化理解的时候，同样是结构化思维的体现；因此，技术公司在输出方案的同时，也需要替用户完成这一部分的思考，比用户更理解业务。
要理解这些难点的所在，结合文因互联的rpa项目底层架构来看，或许会清晰得多。他们将目光放在ai rpa结合的部分：
第一步，运用 ai 的能力，尤其是自然语言处理和知识图谱技术，可以构建底层知识库，处理非结构化数据；
第二步，结合业务场景，将业务规则沉淀下来，构建模型；
第三步，将数据和模型结合，运用到具体场景中，完成流程自动化。
鲍捷也进一步点明，rpa业务其实更像咨询业务，rpa公司也可以看作是具有自动化落地能力的咨询公司。
流程自动化的大规模推进，不只考验技术服务商对业务的解构重组能力，也要求米乐m6平台的解决方案具备一定的可复制性。这需要rpa公司聚焦到一个行业，聚焦到行业里通用的问题，例如金融领域里的财务表复核等。
鲍捷向雷锋网ai金融评论强调，具有可复制性的方案才更容易实现产品的相对标准化，从而实现规模效应——技术服务商能否做到规模效应，也是rpa行业准入门槛之一。
尽管业界一直都有着“rpa准入门槛不高”的观点，但鲍捷认为，要想做到专业级质量并不容易。“单是在不同的windows版本之间完成一个自动截屏、录屏的任务，让这个方案适用于所有客户，这就已经没那么容易搞定了。这个技术门槛反而没有我们想象中那么低。”
另外，最新的rpa系统往往需要加入ai的能力。鲍捷称，目前图像处理技术相对成熟，但文本分析方面发展时间较短，ai能力上的差距也意味着今后的rpa行业将会有更高的准入标准。
rpa的金融主线进度条：财务最早，合规最快
rpa的相关产品近两三年时间里才在财务、信贷和监管合规三个细分赛道率先有所积累。他相信，在今后的2-3年时间里，行业将会出现这些金融rpa米乐m6平台的解决方案大规模复制的过程。
最早冒头的，是财务机器人。财务机器人的目标之一就是实现财务报表端到端的操作，包括做到对pdf文件或扫描件的批量输入。
“2017年的时候，它更多只是demo的形式，还没达到真正的落地——直到去年下半年到今年这段时间，它在国内才算是达到了可用性的水准。财务一致性检查方面，今年也能做到较高的精确度。”鲍捷告诉雷锋网ai金融评论。
财务机器人的日渐成熟，也说明着在金融rpa领域中，与表格处理有关的流程自动化今后应用将越发频密，银行的集中作业中心也应运而生。
集中作业中心，实际上就是各大银行后台系统的一部分，录入数据的升级大致分为“分散的传统手动录入——集中式手工录入——以ocr技术为主的集中式自动化录入”三个阶段。
信贷就是这种中心的应用典型之一，各类单据和证件的扫描版本需要先进行机器识别，返回成可用于下一步自动化操作的数据。雷锋网ai金融评论注意到，目前已有几家国有大行和一部分股份制银行在推进相关项目。
鲍捷认为，rpa会继续渗透到银行的集中作业中心里，其中信贷流程自动化到现在是技术上可行，再逐渐成为主流。
然而，在鲍捷看来，rpa落地跑得最快的金融细分赛道，并非财务和信贷，而是监管合规。
例如上市公司的海量公告信息披露，证券交易所的传统审核方式很难在公告数量井喷的时候实现全量监管。以沪市上市公司2017年的数据为例，定期报告披露高峰期间，单日需要进行合规检查的公告文件多达3571篇。
同时，尽管部分定期公告及临时公告已经利用xbrl技术将一些财务数据进行了信息结构化，但未经处理的数据种类繁多，单是上交所给出的公告分类就有35大类，共376个小类，因此交易所在制作并免费对市场发布部分公告的摘要信息时，也不得不面对制作维护成本较高、不易扩展的难题。
ai rpa介入之后，机器能够对文档提取处理，再进入审核环节，扩大监管覆盖面。以文因互联与上交所合作的自动公告摘要系统为例，通过lstm深度学习网络，首先将不同类别公告的关键语句抽取出来，抽取过程仅需公告制作小组业务专家对少量公告进行标注，期间通过dropout等方法提供模型泛化能力。关键语句抽取后，再通过规则方法进行细粒度提取，从而将公告结构化。
据雷锋网ai金融评论了解，文因互联在2017年就已开始尝试监管文件的结构化处理，并陆续围绕监管各个环节落地5-6个项目；目前已在核心市场监管机构成功上线了多款监管流程自动化相关系统。
“越小的赛道其实越容易革新，对技术的接纳程度最好。”他这样解释。
另一个rpa和金融监管的应用范例，则是利用nlp技术处理海量文档，透视上市公司高管之间的潜在关系。可以预见的是，这一应用也将对金融机构的风控能力带来不小的提升。
那么，rpa下一步会在金融的哪个赛道里发光发热？
“只要是有传统企业流程，有it系统的地方，都会自动化的。”鲍捷看好rpa的多点开花，并进一步将包围圈缩小到了提及率较高的营销和crm系统。他认为，金融行业的客户信息收集、整理、分析，以及闭环化渠道营销会率先自动化，之后就是服务层面的自动化，也就是千人千面的个性化服务。
遥望rpa 3.0时代
其实，早在回国成立文因互联之前，鲍捷就已经关注到automation anywhere这样的海外rpa企业。
“三十年前，这个工作叫企业内数据集成；十五年前，它叫semantic web service（语义万维网服务）；可能过个两年就没有人提这个词了，但这个工作是不变的。”
在他看来，其实rpa的内核一直都在，只是科技进步使得更多缺乏技术能力的部门都能享受到这样的服务。
鲍捷告诉雷锋网ai金融评论，rpa大致可以分成两代：1.0版本是对手的自动化，可以类比为“游戏外挂”，例如按键精灵；2.0版本是对大脑的自动化，例如目前这种搬运数据，并且自动化数据分析流程的类型。
“从1.0到2.0，就是自动化体力劳动，向自动化脑力劳动的转变。”他解释道。
那么，rpa 3.0会是怎样的概念？
鲍捷认为，从学术化的角度来讲，这是一个以知识库作为基础的企业内流程化自动管理系统。
当企业内营销、合规、财务等各部门，都仅基于自身需求来实施自动化，下一步很可能会面临部门各自的rpa新系统无法打通的困境，能满足全局需求、打通所有系统的平台将应运而生。
“现在大家看rpa，更多的是看如何为这些流程提供一个‘知识编辑器’，但编辑器本身只是rpa的冰山一角——核心问题是知识库管理系统，是从数据库管理系统为基础的企业信息管理，演进到以知识库为核心的企业信息系统。从技术角度出发，rpa公司以后的竞争对手其实就是oracle。”鲍捷补充道。
而在业务层面，如前文所述，rpa业务某种程度上相当于咨询业务，因此鲍捷推断，技术公司和咨询公司都会各自发生变化，直到最后出现一种融合二者优点的新型组织，能够对客户的核心业务流程深入理解，沉淀当中的专业知识再组件化，形成大量的业务标准件提供给客户。
目前虽然rpa向b端的输出占多数，但鲍捷直言，未来rpa最大的市场在c端，这与信息分发网络的发展不无关系。他认为：
“新一代智能技术最大的价值，在信息分发上。比如今日头条建立了一个巨大的信息集散地，信息结构中心实现自动化。未来的信息分发网络，应该会进化成网状的去中心化结构，每一个节点都能实现智能化——甚至每个人都拥有自己的智能代理，智能代理来进行个人数据的结构化，再进入到信息分发网络当中去。”
对应到rpa的发展现状，鲍捷认为，rpa对于企业工作流程效率的提高，本质上是企业内资源的调度问题，下一步会是企业之间、甚至企业之外个体的资源调度。
