細述RPA的前世今生
作者| 揭夢梅,單位:中國移動智慧家庭營運中心
Labs 導讀
一些概念和理念的相繼誕生並非一蹴而就,而是有著歷史根源的。新事物隨著市場需求更新迭代,RPA也不例外,它應解決業務問題而生,因企業自動化需求而逐步發展並壯大。本文將聚焦於RPA的發展過程,詳細敘述RPA的前世今生。
#Part 01 RPA是什麼?
RPA全名為Robotic process automation,即機器人流程自動化,依據預先設定的程序,由軟體機器人透過模擬人工對鍵盤與滑鼠操作,處理大量基於規則、重複、繁瑣的工作流程任務,實現流程自動化。 RPA可實現單一或多個系統(或應用)之間的自動化處理,透過流程挖掘、CV、OCR、NLP、低程式碼等多種技術的整合,實現高效運作。
Part 02 RPA的歷史
#一些概念和理念的相繼誕生並非一蹴而就,是有著歷史根源的。在人們對美好生活的追求下,實物的發展往往也朝著更快,更優、更便捷的方向前進,新事物隨市場需求更迭,RPA也可以說是順應人民的需求,一路衍生發展至今。 RPA誕生之前的歷史這裡簡單總結為:
- 為降低成本,成功打造第一個流程自動化生產線;
- 此後,業務自動化方向成為企業追求的目標,但當時技術條件不具備;
- 電腦開始商用,工業機器人首次提出;業務自動化解決方案誕生;
- 首台工業機器人啟用;
- 隨著科技發展,企業進入電腦自動化時代,催生出軟體機器人,幫助人們有效率的處理資料;
- 企業管理走向業務流程管理(BPM)。
直接促使RPA誕生的是BPO。在1990年代末,全球500強公司開始將其業務流程外包給低成本國家,業務流程外包(Business Process Outsourcing,BPO)應運而生。但隨著社會發展,協調成本、勞力成本以及流程錯誤成本的逐漸提高;同時,各家公司逐漸意識到,資料隱私比成本壓縮要更加重要,與其把資料交給不知底細的外包人員來處理,還不如把資料交給活動範圍僅限於內網的機器人來處理,因為後者顯然更安全可控。於是,全球500強逐步將目光轉移到了業務流程自動化(Business Process Automation,簡稱BPA)。之後BPA的大量應用,各種流程自動化技術層出不窮,RPA作為BPA的最佳實踐方式,由此登場。顯然,RPA應解決業務問題而生,並因企業自動化需求而逐漸發展並壯大。
其實,RPA在國內的發展,從按鍵精靈算起的話卻也有長達22年的歷史。
2000年出現的按鍵精靈可以說是國內PRA的萌芽,它是一款模擬滑鼠鍵盤動作的軟體。透過製作腳本,可以讓按鍵精靈取代雙手,自動執行一系列滑鼠鍵盤動作。 “技術解放雙手,程式實現夢想”,是按鍵精靈的宣傳口號,也是當時的真實寫照。按鍵精靈是當時滑鼠鍵盤自動化的事實標準,而RPA產品技術框架的事實標準是自動化測試三件組。自動化測試,是指以錄製或編寫腳本的方式編寫測試案例模擬手動測試,透過回放或運行腳本來執行測試案例,從而代替人工對系統的功能進行驗證。其中UI自動化測試組合Python Selenium/Appnium Jenkins這種三權鼎立的結構,在日後也成為了RPA產品技術框架的事實標準。按鍵精靈和自動化測試可謂是奠定RPA技術基礎,即搭建了RPA的身體(三件組)和四肢(滑鼠鍵盤)。
RPA雖一直潛移默化地影響著許多企業並逐步發展和應用,但一直不溫不火。直到2018年,UiPath和Automation Anywhere兩起融資引爆了全球RPA產業,在媒體的不斷曝光下,RPA產業才為業內外所知曉,市場規模實現指數級增長並受到資本青睞。
Part 03 RPA的優點
RPA可以簡單理解為軟體機器人,又或者虛擬機器人,將業務流程細分後,透過模擬人工對鍵盤與滑鼠操作,執行大批量、可重複性的操作任務,以實現流程自動化。相當於一個看不見的虛擬勞動力正在進行著流水線工作。
這裡比較看個簡單案例:履歷篩選與候選人入圍。
不難看出,RPA產業被資本看好確有自身的優勢,而未來與AI的結合,也將使其勝任複雜任務。
❖ RPA主要業務優勢:
- 解放人力。 RPA可以協助並增強企業員工的工作,讓他們從重複、頻繁的業務流程中解放出來,去從事更有價值的創造性工作,充分發揮主觀能動性;
- 提高效率。 7*24小時全天工作,穩定,精確,迅捷響應。消除人為因素帶來的不確定性,確保了任務完成的速度、準確性和一致性;
- 為數位化升級和營運提供必要的資料來源支撐;
- 提高反應速度和用戶滿意度。
❖ RPA主要技術優勢:
- #非入侵式技術部署。所謂的非侵入性,指的是獨立於現有系統,無需對現有系統進行改造或開發接口,無需系統集成,不會破壞企業原有的IT架構。
- 提供資料隱私安全性。
Part 04 RPA與傳統智慧機器人、AI的差異與連結
- RPA&傳統智慧機器人
RPA作為軟體機器人或虛擬機器人,勢必讓人聯想到傳統的智慧機器人,那他們之間是何種關係?直觀地說,智慧機器人是看得見的,RPA看不見,摸不著,但都可以透過預先設定的程序,協助或取代人類進行作業,完成工作。當然智慧機器人本身從功能和智慧程度都存在不同的分類方式,這裡從領域上來說,如工業機器人領域的弧焊機器人,在服務機器人領域的智慧型公共服務機器人,這些需要實體來進行的工作, RPA無法取代的。但是從RAP誕生來看,RAP本身就是為實現業務流程自動化而誕生的技術方案,重點是電腦層面的一些重複的業務流程等的自動化。所以這不是誰更優秀的問題,而是不同的應用場景下的互補和融合應用。
- RPA&AI
#談到RPA與AI的關係,不得不提及從首個專業RPA工具出現至今,RPA的演化發展共經歷的以下四個階段:
現代RPA產品的三個關鍵技術分別是螢幕擷取、業務流程自動化管理和人工智慧。雖然目前主流RAP產品在2.0和3.0階段之間,但一些RAP產業巨頭已經開始了RPA 4.0的探索。與AI結合的RPA產品,如同虛擬機器人被賦予大腦,具備認知、學習和決策能力,業務流程中將能勝任更多複雜的工作。 RPA應市場需求而生,在市場的期望下,也終將走向AI。
Part 05 RPA的前景
當前,隨著老化趨勢越來越明顯,各國的人口紅利也正面臨著消失的困境,在大背景的趨勢下,機械重複的流程性的工作也勢必逐步被機器人取代,整個機器自動化的發展趨勢不可阻擋,一切都朝著更智慧的方向發展,於AI的融合發展也是必然趨勢。 Forrester分析師盧冠男在「Laiye Lead 2020」說到:市場對於RPA的預期越來越高,不具備AI能力的RPA工具將會被取代。 RPA將會結合機器學習和深度學習,產生洞察,朝向智慧化方向發展,就是所謂的IPA(Intelligence Process Automation)。
以上是細述RPA的前世今生的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S

本站8月1日消息,SK海力士今天(8月1日)發布博文,宣布將出席8月6日至8日,在美國加州聖克拉拉舉行的全球半導體記憶體峰會FMS2024,展示諸多新一代產品。未來記憶體和儲存高峰會(FutureMemoryandStorage)簡介前身是主要面向NAND供應商的快閃記憶體高峰會(FlashMemorySummit),在人工智慧技術日益受到關注的背景下,今年重新命名為未來記憶體和儲存高峰會(FutureMemoryandStorage),以邀請DRAM和儲存供應商等更多參與者。新產品SK海力士去年在
