新周期，誰在堅守窄門？
來源：錦緞今日的投資者恐怕已經忘記了，在OpenAI創造出ChatGPT這一殺器的前夜，生成式AI也曾經是一道窄門，窄到連馬斯克都差點失去了信心。在當時的輿論眼中，AGI的道路不夠性感，不夠
【ITBEAR】9月18日消息，
圖片由ideogram.ai生成
%20RPA的AI%20Agent進化，為RPA廠商帶來了哪些優勢和機會？%20全球RPA%20Agent產品大盤點，RPA與AI%20Agent混合自動化迎來全新機會%20國內外RPA產品升級AI%20Agent，持續演變的RPA%20Agent未來機會在哪里？%20RPA與AI%20Agent融合的產品及解決方案是怎樣的？有什么優勢？一文看懂%20RPA與AI%20Agent融合產品是怎樣的？有什么優勢和機會？未來發展如何？%20RPA產品集體進化AI%20Agent對企業自動化有哪些影響？看完這篇你就懂了，附9篇相關論文全文約13000字，閱讀時間20分鐘文/王吉偉
可能就連技術圈也沒想到，AI%20Agent的火爆再次帶火了RPA。
ChatGPT橫掃全球大語言模型風靡海內外之始，就有很多人斷言了RPA的終場。但現在再看，RPA不但沒有死，還在最新技術的加持之下，發展出了RPA%20Agent以及具備自主性的數字員工。
傳統RPA確實已死，融合LLM與AI%20Agent的RPA風頭正盛。
擴展閱讀：基于AI構建的當代RPA，在生成式AI影響下的生命周期還有多長？
LLM火爆之后不久，應用方向上便落點到了AI%20Agent。由于API數量不夠多、穩定性欠妥等系列問題，大家研究到AI%20Agent的執行能力后，發現當前階段“UI+API自動化”是大幅提升AI%20Agent執行能力的重要方式。
而“通過API+UI自動化為企業提供”早已被Gartner寫進2022年的RPA魔力象限報告。Gartner曾在報告中預測：到2024年，95%的RPA供應商將通過API與UI集成提供自動化。
擴展閱讀：API與Ui集成新趨勢下的RPA:海外廠商領先一步，國產廠商現狀如何?
單是RPA的UI自動化能力，就已決定它可以是吳恩達教授所說的AI%20Agent四種設計模式里的“工具使用”的超級工具。而其所集成的大量的企業級API和各種連接器，則可以進一步實現AI%20Agent所觸達不到的各種基于企業管理軟件的業務流程。
通過API調用RPA，再用RPA通過API+UI參與現實世界中的更多復雜業務流程，這個模式足以讓AI%20Agent在任何業務場景落地。
AI%20Agent執行能力不足這個問題，也引起了學術界對RPA的興趣，LLM及AI%20Agent與RPA的融合自然也就成了被關注的焦點。對此感興趣的朋友，可以參閱下面幾篇論文：
1、PromptRPA：根據文本提示在智能手機上生成機器人流程自動化
PromptRPA:%20Generating%20Robotic%20Process%20Automation%20on%20Smartphones%20from%20Textual%20Prompts
論文地址：https://arxiv.org/abs/2404.02475
2、ProAgent：從機器人流程自動化到智能體流程自動化
ProAgent:%20From%20Robotic%20Process%20Automation%20to%20Agentic%20Process%20Automation
論文地址：https://arxiv.org/abs/2311.10751
項目地址：https://github.com/OpenBMB/ProAgent
3、AUTONODE：用于認知GUI自動化的Neuro-Graphic自學習引擎
AUTONODE:%20A%20Neuro-Graphic%20Self-Learnable%20Engine%20for%20Cognitive%20GUI%20Automation
論文地址：https://arxiv.org/abs/2403.10171
4、SmartFlow：使用%20LLM%20實現機器人流程自動化
SmartFlow:%20Robotic%20Process%20Automation%20using%20LLMs
https://arxiv.org/abs/2405.12842
5、FlowMind：使用LLM自動生成工作流
FlowMind:%20Automatic%20Workflow%20Generation%20with%20LLMs
https://arxiv.org/abs/2404.13050
6、使用基礎模型實現企業自動化
Automating%20the%20Enterprise%20with%20Foundation%20Models
論文地址：https://arxiv.org/abs/2405.03710
項目地址：https://github.com/HazyResearch/eclair-agents
7、CAAP：僅使用前端UI解決計算機任務的上下文感知操作規劃提示
CAAP:%20Context-Aware%20Action%20Planning%20Prompting%20to%20Solve%20Computer%20Tasks%20with%20Front-End%20UI%20Only
https://arxiv.org/abs/2406.06947
8、以人為本的自動化
Human-Centered%20Automation
https://arxiv.org/abs/2405.15960
9、指南：用于執行的圖形用戶界面數據
GUIDE:%20Graphical%20User%20Interface%20Data%20for%20Execution
https://arxiv.org/abs/2404.16048
隨著Coze、Dify等AI%20Agent構建平臺的火熱應用，熟悉RPA的朋友驚嘆，這不就是RPA的升級版嗎。之所以這么說，很大一部分原因在于AI%20Agent構建頁面像極了RPA。空口無憑，看看下面這張Coze工作流構建界面與RPA構建界面的對比圖。
Coze工作流構建界面%20VS%20RPA業務流程構建界面
有人很不解，明明是不同性質的產品，為什么要把AI%20Agent和RPA做對比。有這種看法，大抵對AI%20Agent的“Tool%20Use”不太明白，也有可能對RPA與AI%20Agent的融合不太了解。對于RPA與AI%20Agent的區別和聯系，可以參考下面這張圖。感覺這些內容不夠詳細，大家還可以搜索或者問問大模型，網上有很多相關的資料。
事實上，RPA Agent已經成為AI Agent家族的一個重要品類，并在企業應用中流行開來。在企業級應用中，廣大組織對于RPA與AI Agent及LLM的融合的探討已經遠遠超過AI Agent本身。
一方面在于大量企業都已經部署了RPA，很多業務流程的自動化依賴RPA。Gartner曾在兩份報告中預測：
到2023年底，90%的大型和超大型組織將部署某種形式的機器人流程自動化（RPA）； 到2024 年，75%的政府將啟動或實施至少三項超自動化計劃，RPA則是實現數字現代化的關鍵組成部分。所以，廣大組織定然不能讓這部分投資白費，必然會進行RPA與AI Agent的技術融合，況且這也是企業自動化趨勢。
另一方面，RPA能夠以極低的投入極大地提升AI Agent在企業復雜業務流程的執行能力，是當前理想的AI Agent拓展工具。如何將RPA和AI Agent結合起來提高企業運營效率，可以算是已經采用RPA的企業問的最多的問題之一。
還有重要的一點在于，RPA%20Agent能夠主動思考怎么去做一件事。想象一下：以前的RPA都是基于事先定好規則的，僅是一個只會拍手歡迎客人的木頭人；現在融合Agent的RPA不但會拍手歡迎，還會詢問你來的目的并帶你去餐廳幫你點菜。這樣來看，未來的想象空間是不是瞬間倍數級擴大了？
此外，融合AI%20Agent的RPA數字員工，也是AI%20Agent的重點研究方向之一。現在RPA廠商推出的數字員工，已經晉級成為真正的執行能力更強的智能體數字員工了。
擴展閱讀：數字員工、超級個體、具身智能，AI%20Agent未來發展十大研究方向
面向廣大企業將RPA升級為Agent的這個需求，RPA廠商們更是要與時俱進，使出渾身解數基于RPA做LLM與AI%20Agent的各種融合與技術迭代。由此，在市場需求日益旺盛和更多技術供應商的日益努力之下，RPA產品及解決方案集體實現了Agent進化。
那么，到目前為止都有哪些廠商推出了AI Agent產品或解決方案？都是什么形態的？RPA Agent有哪些優勢和機會？未來的趨勢是怎樣的？本文，王吉偉頻道用1.3萬字為大家解讀。
注：本文所提到的所有研報及論文都已打包，回復RPA Agent可獲取。
海外RPA的AI Agent進化
8月份，全球咨詢與研究公司Gartner發布了《2024機器人流程自動化（RPA）魔力象限》報告。報告預計到2025年，90%的RPA供應商將整合生成式AI技術，進一步提升自動化的智能化水平。
經過進一步的市場整合，加上企業戰略方向的變更，今年入選這份報告的只有13家廠商。在報告中可以看到，領導者象限還是4家廠商，微軟已經明顯超越被SS&C收購的Blue Prism成為新的全球RPA新三大，SAP進入了挑戰者象限，ServiceNow新晉愿景者象限。
利基玩家象限剩下了四家，國產廠商只有來也科技仍在此象限，執行能力和愿景完整性都有所提升。
短短1年，各象限的變化還是蠻大的。
關于這份報告就簡單介紹到這里，畢竟提及報告主要是為了下面的內容。
王吉偉頻道以這份報告順藤摸瓜，了解到現在至少有四家廠商已經推出或者主打AI Agent模式，下面是對這些廠商及產品的相關介紹。順便說一下，關于國產廠商來也科技推出的AI Agent產品，將放到國內部分來介紹。
Automation Anywhere：AI Agent Studio
7月，Automation Anywhere推出了AI + Automation Enterprise System將GenAI流程模型與其傳統的自動化平臺相結合，以改善客戶的工作流程自動化。
該系統的一項突破性的新功能是能夠使用新的AI Agent Studio構建自定義AI Agent。AI Agent Studio為所有級別的開發人員提供了低代碼工具，以輕松構建、管理和治理自定義AI Agent 。開發人員可以從選擇的基礎模型開始，包括來自 AWS、Google Cloud 和 Microsoft Azure OpenAI Service 等的模型，并將在10月底支持檢索增強生成（RAG）服務。
為%20AI%20+%20Automation%20Enterprise%20System%20提供支持的底層引擎是Automation%20Anywhere獨特的GenAI流程模型。GenAI流程模型2.0專為推動更快的流程發現、30%%20的自動化創建速度、90%%20的文檔處理準確性和50%的自動化彈性而設計%20，超出了LLM%20本身所能提供的。這些模型使用來自Automation%20Anywhere云原生平臺上運行的超過3億個流程自動化的豐富元數據進行優化。
Automation%20Anywhere還推出了面向組織的并與Amazon%20Q%20Service集成的嵌入式企業助手Automation%20Co-Pilot，業務用戶可以更快地在任何應用程序中完成工作，通過聊天交互獲得按需幫助，以詢問知識庫問題、調用AI%20Agent或啟動自動化。企業級Automation%20Co-Pilot可以嵌入到用戶工作的任何應用程序中，并在組織中的任何系統中進行操作。
Salesforce：Einstein%20Service%20Agent
近期的Salesforce在AI%20Agent方面可謂動作頻頻。
先是在7月份推出了Einstein%20Service%20Agent，這是該公司的第一個完全自主的AI%20Agent。Einstein%20Service%20Agent無需預先編程的場景即可理解各種服務問題并采取行動，從而有助于提高客戶服務效率。
Einstein%20Service%20Agent基于Einstein%201平臺構建，通過分析客戶消息的整個上下文，然后自主確定下一步要采取的行動，使用大型語言模型（LLM）進行交互。Einstein%20Service%20Agent%20使用生成式AI根據公司可信的業務數據（包括%20Salesforce%20CRM%20數據）創建對話式響應，只需單擊幾下即可根據公司的語音、語氣和品牌指南量身定制。
又在8月份推出了兩個新的自主AI 銷售Agent：Einstein Sales Development Rep （SDR） Agent 和 Einstein Sales Coach Agent。前者旨在自主管理入站潛在客戶并通過自然語言吸引潛在客戶提供 24/7 全天候支持，后者專注于通過逼真的角色扮演場景來提高銷售團隊的技能。
Salesforce計劃在9月Dreamforce 大會期間推出Agentforce，該平臺基于 Einstein1 低代碼平臺，用以以創建、測試和擴展自定義AI Agent。Agentforce使客戶的定制AI智能體能夠安全地利用Data Cloud整合所有企業數據，通過Flow自動化無縫執行任務，并通過MuleSoft輕松接入企業API。
在正式部署前，可以在沙盒環境中進行充分測試，確保一切運行順暢。部署后，這些智能體可以在客戶的應用程序、網站、社交媒體以及Slack中發揮作用。
Salesforce計劃部署數百萬AI驅動的Agents，并期望在商業領域達到10億的規模。
ServiceNow： Now Assist 系列AI Agent
自去年以來，ServiceNow一直在積極推動生成式AI，在其工作流平臺中集成了各種強大的AI功能。這些工作主要集中在Now Assist系列AI Agent上，它與公司的服務管理、客戶服務管理、人力資源服務交付和工作流創建器模塊集成。
2023年9月，ServiceNow發布了AI動力解決方案Now Assist，旨在提升其客戶在 IT、客戶服務、人力資源和開發領域的生產力和體驗。Now Assist由ServiceNow自家的生成式AI引擎驅動，并推出了一個專門領域的“Now LLM”，旨在提高企業級的生產力和數據隱私。
11月，所有客戶都能通過ServiceNow Store使用新的Now Assist in Virtual Agent、流程生成和Now Assist for Field Service Management產品。
2024年3月，推出了Now%20Assist%20for%20IT%20Operations%20Management%20AIOps，能夠應用生成式%20AI%20通過分析警報并為運營團隊提供有用的上下文來加快問題的解決速度。并在ServiceNow%20Impact中推出了一系列Impact%20AI加速器，旨在幫助公司加快ServiceNow%20投資的價值實現時間。
5月，ServiceNow推出Now%20Assist的BYO%20GenAI模型功能，使得其智能體更加強大。客戶可以選擇任意大型語言模型作為Now%20Assist智能體的核心，無論是使用專有的LLM，如GPT-4%20或Gemini%20Pro，還是自行開發定制的LLM，以優化Now%20Assist使用體驗。
還發布了Now%20Assist%20for%20Strategic%20Portfolio%20Management旨在幫助產品經理通過客戶提供的反饋來整合客戶的獨特需求。
就連推出了Autogen、Taskweaver等開源智能體架構的微軟，也是在其Copilot產品中增加了Power Automate插件以增強執行能力。
現在而言，Copilot這種LLM的應用模式，更符合當前的市場需求，差不多已經成為企業級應用的標配。不過按照Forrester對于自動化工具市場進展趨勢的預測，到2028年廠商們都將在平臺中增加AI Agent編排（AI-Agent orchestration）功能，所以早晚都會推出AI Agent解決方案。
國內RPA的AI Agent進化
相較于國外RPA廠商目前重點耕耘Copilot，國內RPA廠商幾乎都在重點布局AI Agent。從去年下半年開始，就陸續有廠商發布Agent與RPA的融合產品。下面，是截至目前廠商們已推出的AI Agent產品和解決方案的簡單介紹。
來也科技：AI Agent數字員工
6月20日，來也科技在以“數字員工進入AI Agent時代”為主題的Laiye Lead年度產品發布會上，發布了三款基于數字化勞動力平臺的高價值、可落地的AI Agent數字員工產品，分別是數字員工開發助手、知識管理和問答助手和文檔審核與風控助手。
數字員工開發助手：采用多模態大模型技術，提高代碼生成的效率與準確性。自動解析復雜Excel，按需生成自動化流程，簡化開發并降低成本。擴展命令庫能迅速產出Python代碼，與RPA產品無縫對接，提升代碼復用率和開發速度。"自愈"功能可自動適應UI變化，減少中斷與維護成本，增強流程穩定性，保障業務連續性和效率。
知識管理和問答助手：結合大模型、RAG、RPA和IDP技術，實現了對這些文檔的自動化理解和知識生成，為企業提供了一個智能化的解決方案。
文檔審核與風控助手：提升企業文檔處理的效率和準確性，保障企業現金流管理和業務運營風險的控制。
實在智能：RPA Agent智能體
2023年8月，實在智能發布自研垂直“塔斯（TARS）大語言模型”，在全行業首發產品級別Agent落地產品RPA Agent智能體（TARS-RPA-Agent），通過“自然對話式交互和超自動化執行打造全能業務專家”，再次大幅降低“數字員工”構建門檻，真正實現人人可用。并在12月，完成由金泰富資本和安吉智慧谷共同領投的近2億元C輪融資。
2024年2月實在手機Agent智能體上線，3月底開放實在Agent智能體新版本第一輪公測。8月，正式發布了實在Agent 7.0。新版Agent 7.0具備以下幾個特點：
同時，實在智能千億參數訓練的底層TRAS大模型也再次進化，訓練參數量更大，支持自然語言溝通工作、科普知識，高效執行任務完成工作，對話工作兩不誤。
在智能問答方面，基于實在智能文檔系統（IDP），能夠給實現文件的精確問答及處理。
金智維：K-Agent
3月，金智維重磅發布AI Agent類新品K-Agent，并基于K-Agent平臺打造金智維Kopilot，這是一個面向千行萬業的智能助手（Copilot）應用集群，將大模型能力具象化，直接貼合企業的實際需求。
K-Agent平臺具備智能交互、思考、分析、自訓練等能力，可以進行持續學習和自我優化。用戶基于K-Agent平臺，可以實現快速開發、部署各類智能助手（Copilot）型數字員工，從而應對不同的業務場景需求。
在K-Agent平臺上開發的智能助手依托精調的領域模型，能夠自主分析任務指令并規劃操作流程，生成RPA腳本調用對應的平臺或應用，高效優質地完成業務需求，給出執行結果反饋或者問答用戶問題，將復雜的業務決策轉化為可執行的業務能力。
在技術上，K-Agent借助組合式AI技術，多種技術各取所長，強化智能助手的學習機制，讓模型越用越聰明；在場景上，K-Agent植入行業專精知識庫，保證行業所要求的知識的覆蓋度、專業性、合規性和正確性，降低個性化服務成本。
壹沓科技：運小沓-Cuber數字員工3.0
2023年11月，壹沓科技發布了供應鏈專屬大模型產品「運小沓?數字員工平臺」，這是一個基于大模型的數字員工聚合及訓練平臺。
該平臺可為供應鏈企業提供資深供應鏈運價經理、物流可視追蹤經理、供應鏈新人成長師等高頻業務場景的虛擬數字員工專家團隊，為員工提供高效「所答即所問」的供應鏈領域準確知識，助力企業構建「白領員工+Al%20Agent運小沓數字員工」人機協作模式。
今年7月，運小沓-Cuber數字員工3.0，該產品的構建基于大模型的Agent 自動化操作入口，能夠基于CuberAgent 引領供應鏈人機協作新時代。
作為基于供應鏈大模型的數字員工超自動化解決方案，運小沓Cuber圍繞供應鏈上下游業務場景，涵蓋上游生產制造、中間物流配送、下游批發零售，實現從營銷獲客、采銷管理、倉儲物流、拖車報關、履約執行、財務結算的全局超自動化。
值得一提的事，8月7日，壹沓科技宣布完成B+輪融資，本輪融資由鼎暉VGC(創新與成長基金)領投，新尚資本跟投。
藝賽旗：旗旗助手
大模型爆發以來，藝賽旗圍繞易學、易用和穩定的RPA產品演進方向，將大模型與RPA進行深度融合。易學方面，利用大模型的語義理解能力，智能推薦完成該任務的操作步驟，方便用戶快速掌握RPA的流程開發，提高學習效率和使用體驗。
易用方面，借助大模型生成式AI能力，根據用戶指令，將自然語言轉化為代碼，并集成到RPA設計器中，以提高開發者的流程開發效率。
4月，藝賽旗推出了旗旗助手（AI-agent），通過集成大模型的能力，基于用戶的自然語言輸入，可將其轉化為可執行指令，并自動判斷處理、執行自動化流程，還能以人類能理解的語言形式返回處理結果。
在穩定性方面，在流程開發過程中，藝賽旗利用大模型的知識庫，協助開發者進行問題定位和錯誤排查，從而增強流程穩定性。
容智信息：Hyper Agent
3月29日，容智信息發布了2024新產品組合-覆蓋全業務生命周期的12大產品矩陣，流程發現、分析、設計、自動化、執行、監視和重新評估等均囊括在內，其中包括聞道大模型與Hpyper Agent超級智能體。
5月下旬，容智Hyper Agent正式推出。該產品主要融合“聞道”大模型的應用開發能力和iBot數字員工的流程自動化能力，向上連接人的意圖，向下指揮數字員工。借助大模型，Agent能更簡單地驅動自動化流程，實現從規則性的重復能力模型，到邏輯推理、抽象總結、意圖識別等自主復合能力模型的過渡，從而縮短系統開發鏈路，填補人與系統間的隔閡。
通過Hyper%20Agent，企業可以簡單、高效地創建企業級Agent應用、編排工作流程，甚至一鍵切換大模型底座，構建更適合場景和個人所需的Agent。在自然語言交互的過程中，員工能借助iBot數字員工自動完成工作任務或執行特定服務。
達觀數據：數字員工Agent平臺
5月份，達觀數據發布了數字員工Agent平臺。達觀智能數字員工融合了機器人流程自動化（RPA）的高效執行能力和“曹植大模型”的先進語義理解技術，實現知識庫和大模型結合的企業應用。
在達觀智能數字員工平臺，RPA作為數字員工的執行核心，自動化處理重復性任務。曹植大模型則賦予其理解復雜語言和任務規劃的能力，使數字員工能夠精準捕捉并響應用戶需求。
此外，通過知識管理系統，數字員工能夠存儲和利用歷史數據，優化任務執行策略。這種結合不僅提升了企業運營的效率，還可推動業務流程的智能化和自動化。
新一代智能知識管理系統，以“曹植”大語言模型為基座，提供知識生產、知識組織、知識搜索、知識問答、知識圖譜、知識社區等能力，并能將企業積累的海量結構化和非結構化文檔經過自然語言技術處理和提煉，搭建更加智能化、人性化的知識管理系統。
中關村科金：AgentGraph應用開發平臺
2023年11月23日，中關村科金正式發布了企業知識大模型、AgentGraph應用開發平臺，以及“超級員工”系列AIGC應用，為企業提供開箱即用、系統無縫銜接、成本可負擔的專屬領域大模型服務。
中關村科金搭建了一體兩翼的底層技術架構，形成四大類別產品體系。一體兩翼指的是企業知識大模型，及其支撐平臺領域大模型工廠、領域知識庫工廠，四類產品分別是指智能營銷、智能服務、智能運營、超級員工。
AgentGraph應用開發平臺作為連接一體兩翼和四類產品的中間層，適配十余款開源基礎大模型，兼容性強支持一鍵切換，擁有50+應用模板，并將超過200+個AI能力組件化，可實現零代碼、最快三分鐘創建新應用，進一步降低客戶創新成本、縮短開發周期。
AgentGraph集成中關村科金企業知識大模型，預置國內外語言、圖像等多種類型大模型，功能全面，是企業級的一站式、全鏈路大模型應用開放平臺，提供開放大模型調用、可視化任務流程編排、AI及系統工具組件、數據處理及存儲、低代碼應用構建、監控運營等應用開發工具。
金蝶：AI管理助手Cosmic
5月，金蝶推出了面向企業管理的AI管理助手Cosmic：超級智能。
Cosmic基于金蝶超過740萬家企業的實踐場景沉淀和萬億級訓練數據，具備了聽說讀寫的感知能力、能積累并利用管理經驗的記憶能力、能理解并計劃的思考能力以及能調動系統并實現的行動能力；并可以通過對話式交互和可協同、可擴展的AI應用，助力管理者及員工輕松應對財務管理、數據分析、合同處理、干部遴選等多項管理工作，讓企業運轉得更流暢、更高效。
目前，Cosmic覆蓋財務、人力、供應鏈等多種業務場景，并致力于“讓人人都有一個AI管理助手”；同時，Cosmic也將AI全線賦能金蝶面向大、中、小市場的各類SaaS產品。
用友：基于YonGPT 2.0模型的智能體
8月，用友正式發布用友企業服務大模型YonGPT 2.0。目前，基于YonGPT 2.0，用友BIP擁有分別基于智能體（Agent）、人機交互（HCI）、RAG應用框架的“智友”、“數智員工”、“智能大搜”3項重要產品，以及包括智能合同、智能訂單生成、智能月結、AI面試、智能人才發現等100多個場景化的企業智能服務。
YonGPT2.0大模型作為平臺層，其下層是通用的專業能力，如領域知識問答能力增強、PPT分析報告生成 、合同智能審核等等，保證模型在業務基礎能力的支撐；在平臺層本身，內置了各種“經驗數據”，以幫助模型能夠在專業數據的基礎上通過幾個應用框架進行微調來確保模型的效果。
比如遇到業務運營方面的問題，可以用Agent應用框架進行微調；人機交互問題，由人機交互應用框架去微調；知識生成或應用生成問題，都可以通過RAG業務框架來微調。基于這些應用框架，企業還可以通過AI Agent（智能體）構建器，將用友BIP中的應用、業務知識等，快速構建成滿足各類場景需求的智能體，實現靈動化的企業應用創新。
從這些廠商們在GenAI及AI Agent方面做出的探索及推出的產品與解決方案來看，RPA技術廠商正在采取多種方法來發展其平臺并滿足不斷變化的企業需求，通過不斷的迭代與進化，以在AI Agent時代保持足夠的市場競爭力，當然其中也有戰略布局。
RPA的進一步演變
為了在AI Agent時代保持相關性，RPA廠商正在采取多種方法來發展其平臺并滿足不斷變化的企業需求。從上文所列的多家廠商推出的產品與解決方案，我們可以總結出下面的RPA演變方向。
1、通過AI功能增強RPA
RPA技術廠商最適應的一種技術方式，是將AI功能整合到平臺中。通過利用機器學習、自然語言處理和計算機視覺，RPA機器人可以變得更智能、適應性更強。這種集成使RPA 機器人能夠處理更復雜的任務，做出明智的決策，并從與用戶和系統的交互中學習。
將AI功能尤其是GenAI集成到RPA平臺為自動化開辟了新的可能性。AI增強型RPA機器人不是簡單地遵循預定義的規則和工作流程，而是可以從數據中學習、識別模式并做出明智的決策。這使企業能夠自動執行更復雜的認知任務，例如欺詐檢測、情緒分析或預測性維護。
AI增強的RPA機器人還可以通過機器學習隨著時間的推移不斷提高其性能。通過分析其操作結果并接收用戶的反饋，這些機器人可以微調其算法并適應不斷變化的業務需求。這種自學能力可確保RPA解決方案長期保持相關性和有效性。
2、專注于端到端自動化
RPA技術廠商正在將重點從自動化單個任務轉移到實現整個流程的端到端自動化。通過將%20RPA與AI%20Agent和其他自動化技術相結合，供應商旨在提供無縫和智能的自動化體驗。
端到端自動化包括：將RPA與AI代理、業務流程管理%20（BPM）%20工具和低代碼平臺集成；跨多個系統和應用程序編排數據和任務流；為管理和監控自動化計劃提供統一的平臺。
端到端自動化的目標是從頭到尾簡化和優化整個業務流程。RPA廠商的解決方案不是自動執行孤立的任務，而是專注于創建可以處理跨多個系統和部門的復雜工作流程的整體自動化解決方案。
例如，面向組織中典型的采購到付款流程，融合AI Agent與RPA的端到端自動化解決方案將涉及：
一個AI Agent，可以解釋和提取采購申請和發票中的相關信息； 一個RPA機器人，可以根據業務規則驗證提取的數據并將其輸入到適當的系統中； 一種BPM工具，可以協調不同部門和利益相關者之間的任務和審批流； 一個低代碼平臺，使業務用戶能夠根據需要自定義和擴展自動化解決方案。通過提供端到端的自動化解決方案，RPA廠商可以幫助企業在運營中實現更高的效率、準確性和敏捷性。這些解決方案使組織能夠打破孤島，消除手動交接，并獲得對其流程的實時可見性。
3、為平民開發者賦能
RPA廠商采用的另一種策略是授權平民開發人員創建和管理自己的自動化解決方案。通過提供用戶友好的界面和低代碼工具，供應商使幾乎沒有編程經驗的業務用戶能夠構建和部署RPA機器人和AI Agent。
為平民開發者提供支持具有以下幾個好處：更快地開發和部署自動化解決方案；減少對IT部門和專業技能的依賴；在適應不斷變化的業務需求方面提高敏捷性和靈活性。
RPA廠商提供的低代碼平臺允許業務用戶使用可視化拖放界面和預構建模板創建自動化解決方案。這些平臺抽象出編程的復雜性，使平民開發者能夠專注于設計其自動化解決方案的邏輯和工作流程。
例如，營銷經理可以使用低代碼RPA平臺來自動化收集和分析社交媒體數據的過程。通過拖放數據連接器、數據轉換AI模型等組件，無需編寫任何代碼即可創建自定義自動化解決方案。
通過實現自動化大眾化，RPA廠商可以進入更廣闊的市場，并通過專門的 IT 團隊將其客戶群擴展到大型企業之外。中小型企業也可以從自動化的強大功能中受益，而無需大量的前期投資或技術專業知識。
基于RPA的AI Agent優勢在哪里？
2022年底ChatGPT引爆大語言模型后，RPA超自動化廠商是跟進GenAI速度最快的技術供應商之一。從彼時到此刻，大部分廠商至少已經進行了從GenAI技術集成到AI Agent技術應用的兩步迭代。
這樣做除了提升產品能力、降低資源損耗之外，主要目的自然是在市場端應對與OpenAI、Google、初創公司以及現有投資組合供應商等諸多企業的市場競爭。
如前文所述，很多RPA廠商已經推出了融合GenAI及AI Agent的產品和解決方案，展示了IT 如何構建機器人和創建文檔提取模型、安排復雜的商務旅行以及提供醫療保健方面的指導。但仍有很多組織對RPA廠商能否在GenAI技術融合上做持續的創新，持有一定的懷疑態度。
在這方面，看好RPA廠商的Forrester副總裁兼首席分析師Craig Le Clair足足給出了六個理由。如下：
1、LLM首先會作為微自動化采用，提供低級認知支持。這種應用很多都將發生在運營或后臺流程中，這是GenAI與RPA結合的最佳點。現在，我們已經看到GenAI開始選擇結合RPA機器人或數字流程自動化（DPA）工作流來運行，這將是今后企業業務流程自動化的主流形式。
2、RPA平臺非常適合構建代表企業或個人行事的高級AI Agent， 無需廣泛的編程規則。AI Agent是一項重要的技術趨勢，能夠以不同程度的自主性做出決策和行動來執行服務。例如，基于RPA的Agent（RPA Agent）從銀行的反洗錢系統接收警報，可以結合公共和私人數據檔案并完成了1級調查，大幅降低誤報情況，這在之前基于預制規則的AI+RPA是無法實現的。
3、成熟的RPA平臺架構能夠管理數千個自動化，意味著AI Agent的集中管理正在激增。RPA 供應商已經投資流程智能以提供“動態工作管理”，Forrester認為到2026年，從正在運行的流程中挖掘的數據可以管理人類和AI Agent之間的工作。
4、廣大組織已大量部署RPA，愿意嘗試基于RPA擴展AI Agent。數以千計的公司已經建立了RPA平臺，并愿意將它們用于注入基于LLM的Agent以更好地利用其技術投資，提升技術投資回報率。
5、RPA的快速發展的一個原因，在于其能夠通過UI輕松與現有工作模式集成，這對于未來更智能的Agent仍然很有價值。RPA領導者正在投資AI驅動的工作流程，以提供更強大的端到端編排，預計到2027年將廣泛應用。
6、GenAI 面臨的最大挑戰，是信任和數據安全。十多年來，RPA平臺一直在努力解決安全管理自動化的問題。例如，一個挑戰是安全管理機器人用于訪問核心系統的人類憑證，這是目前GenAI初創公司和超大規模企業難以做到的。
以上這六個原因，第二條尤為關鍵。為了與大語言模型企業、科技巨頭企業以及更多的AI Agent的競爭，RPA平臺需將自身定位為構建、部署和管理這些智能代理的首選解決方案。這意味著RPA平臺需要提供強大的工具和框架，讓企業能夠輕松地創建、部署和維護AI Agent。
超大規模公司和初創公司的產品可能更傾向于通用性，而不是針對特定用例，這可能會導致買家在使用這些產品時被限制在特定的平臺上。所以，RPA給出的RPA Agent解決方案應該將適用于超大規模公司和初創公司，而不是特定于用例。
而為了在競爭中取得成功，RPA平臺需要保持不可知性，即不依賴于特定的技術或平臺。這樣可以確保RPA平臺能夠適應不斷變化的技術環境，并滿足不同客戶的需求。因此，RPA平臺及其服務合作伙伴，通過為客戶供特定于領域的AI Agent更容易成功。可以針對特定行業或業務場景開發定制化的智能代理，從而提供更加精準和有效的解決方案。
RPA與AI Agent結合的市場機會
RPA的穩定性和自動化的持久性曾受質疑，但如今仍有大量企業建立了自動化卓越中心，并發展至智能自動化（IA）。IA融合了RPA、API自動化和OCR文檔處理等技術，標志著從簡單的點擊自動化向更復雜的流程自動化轉變。
這些工具結合了編碼與低代碼，需要專業技能部署，但核心仍是基于規則的自動化，適合結構化流程。
與此不同，AI Agent采用先進的規劃和執行策略，能靈活理解非結構化數據和流程。它們適用于那些無法用規則簡單定義的工作，展現出比傳統RPA更強的適應性和彈性，能在出錯時自我修正或尋求人工協助。
盡管AI Agent為企業自動化領域帶來了革命性的變化，但并不意味著RPA技術的終結。對于那些需要大量重復性數據錄入或遷移的任務，如每天輸入1000條記錄到ERP系統，或遷移10萬條電子健康記錄，顯然這類基于規則的自動化更適合RPA，而AI智能體并不是最佳選擇。畢竟，工具的選擇應基于任務的性質。
AI Agent拓寬了企業自動化的邊界。AI智能體是一個仍在形成的新類別，當前而言拓展Agent用例的最簡單方法就是將Agent推理擴展到現有的自動化例程。隨著時間推移，AI Agent將會擴展到企業戰略核心業務工作流程。
sema4.ai聯合創始人Antti Karjalainen認為，AI Agent和企業自動化的結構可以分為三個層次，如下圖：
基礎層：涉及大量戰術性工作，這些工作不需要復雜的決策，而是在特定上下文中運行，需要處理企業特有的數據、文檔和系統。
這是RPA的強項，也是啟動AI Agent項目的合適起點。通過在RPA例程之前和之后的工作流程中尋找機會，通過 Agent擴展自動化范圍，并進一步使用AI Agent將自動化范圍擴大到標準RPA所能達到的范圍。
中間層：沿著金字塔向上移動，中間層的工作涉及在標準環境中運行的標準決策，產品與工作形式為Copilot。
一般而言，這一層通常是由ServiceNow或Salesforce等記錄平臺和系統捕獲的工作。在這一層，采用技術供應商提供的AI和自動化解決方案及其數據和流程進行創新的能力，用戶將得到最好的服務。因此在未來的企業自動化中，Copilot這種形式也將充分融合AI Agent與RPA，同樣是RPA巨大的機會。
頂層：金字塔的最頂層，是最具戰略意義的工作類別，對企業如何開展業務和運營至關重要。這一層會涉及復雜決策并需要特定上下文。這類工作是企業存在的核心，也是定制化的企業級AI Agent能夠發揮最大作用的地方。專為特定目的而構建的戰略性企業級AI Agent，將會成為企業未來發展的重要應用。
從企業自動化與AI%20Agent應用的三個層次來看，不管是戰略布局還是戰術應用，企業都應該在現有的RPA超自動化技術體系下做各種嘗試與融合，以讓基于RPA的AI%20Agent和融合RPA和Agent的混合智能工作流在業務流程中發揮最大的功效。
因此，三個層次中企業自動化的AI%20Agent與RPA的融合進程，也正是廣大RPA廠商及Agent廠商的機會。
Agent時代RPA市場的幾個趨勢
Gartner關于RPA行業的魔力曲線報告數據顯示，最近幾年RPA軟件市場一直在持續高速增長。到2022年RPA軟件市場達到28億美元，增長率降到了22.1%，仍是全球軟件市場增長的兩倍速。即便是在生成式AI和大語言模型兇猛來襲的2023年，RPA仍然保持了22%的市場增長率，同時市場規模也達到了32億美元。
在2023年的RPA魔力象限報告中，Gartner提到了RPA市場的三個關鍵趨勢，如下：
1、AI是RPA供應商戰略的核心
為了應對圍繞 AI 和 LLM 的炒作，RPA 供應商正在戰略性地將其平臺定位為更加以 AI 為中心的未來必不可少的工具。
供應商正在設計產品路線圖，專注于提供 AI 信任、風險和安全管理 （TRiSM）、增強的AI 技能和工作室、擴大對通用 LLM（來自 Amazon、Anthropic 和 OpenAI 等公司）的訪問，以及開發專有的專用 LLM。并強調，在短期內，客戶可以預期RPA平臺中的AI開發功能將產生改進的自我修復能力、腳本修復和IDP提取準確性。
2、RPA供應商在GenAI自動化開發方面投入了大量資金
RPA供應商正在大力投資 GenAI，以幫助客戶開發自動化。大多數供應商都專注于創建基于提示的開發功能，將自然語言請求轉換為自動化工作流程。這使得自動化開發的技術性較低，并且更廣泛地可供組織中的平民開發人員使用。
基于提示的開發是啟動更大規模的自動化工作或設計簡單工作流程的有用工具，但基于提示的開發目前在為復雜工作流程構建端到端自動化方面的用途有限。如果客戶能夠以合理的價格訪問這些新興功能，則應嘗試基于提示的自動化開發。
長遠來看，客戶期望供應商開發更高級的AI增強自動化開發功能。作為邁向自主業務的重要一步，GenAI 最終可能會從任務挖掘技術中提取錄音，并自主構建自動化來模擬員工定期執行的任務。
3、RPA 供應商提供更廣泛的編排和自動化
目前大多數RPA供應商通過支持多種自動化技術（包括 IDP、BPA、對話式 AI、LCAP、流程挖掘、任務挖掘、測試自動化和iPaaS）來提供超越RPA的平臺。這種融合到更大的自動化平臺，需要跨原生集成和第三方解決方案的強大編排能力。
客戶期望RPA提供商在如何打包和定價產品方面變得更有創意。供應商明白客戶不想為他們不需要的技術付費，但供應商也知道，如果新技術打包在一個低成本、低風險的捆綁包中，客戶可能會試用這些技術。為了充分利用捆綁的自動化功能，客戶應該尋找提供強大流程建模和治理以及統一用戶體驗的平臺。
以上看起來是3個趨勢，事實上主要強調了兩點：一是AI尤其是GenAI正在成為RPA的核心部分，能夠推動RPA更簡單的深入應用；二是融合GenAI之后，需要更強大的原生集成、第三方解決方案和編排能力。
這兩點，也決定了RPA自動化平臺能夠更快更好地融合GenAI，形成適用于廣大組織的企業級解決方案。而有著多年積累并已打造出端到端自動化平臺的RPA廠商，更適合做這些事情。這個優勢，也是目前大部分通用AI Agent構建平臺所不具備的。
AI Agent時代RPA的未來
隨著AI Agent的不斷發展和變得更加復雜，RPA的角色無疑將發生變化，但這并不意味著 RPA將過時。這就需要RPA廠商必須適應并找到與AI Agent和集成的方法，以提供更全面、更智能的自動化解決方案。AI Agent時代RPA的未來發展，有以下幾個可能。
RPA與AI智能體的融合
未來，RPA的角色將轉變為與AI智能體緊密集成的伙伴。這種集成不僅僅是技術上的結合，更是在工作流程中實現優勢互補。RPA的精確性和效率，結合AI智能體的智能決策和學習能力，將共同推動自動化向更高層次發展。
無縫集成與混合自動化
RPA機器人與AI智能體之間的無縫集成，將使得自動化流程更加流暢和高效。例如，AI智能體可以處理自然語言理解、圖像識別等復雜任務，而RPA機器人則可以執行基于規則的重復性操作。這種混合自動化解決方案，能夠同時處理結構化和非結構化數據，提供更全面的自動化服務。
智能編排與持續學習
在智能自動化架構中，任務和工作流的智能編排將成為關鍵。RPA和AI智能體將能夠跨多個系統和技術協調工作，實現端到端的自動化。此外，通過持續學習，自動化解決方案能夠根據數據和用戶反饋進行自我優化，以適應不斷變化的業務需求。
專業和垂直化的自動化解決方案
RPA的未來還可能涉及開發更專業和垂直化的自動化解決方案。這意味著RPA供應商需要深入了解特定行業的需求，創建定制化的模板、預構建的集成和AI模型。例如，在醫療保健領域，自動化解決方案可能需要處理病人數據和醫療記錄；而在金融行業，則可能需要處理交易數據和風險評估。
“即服務”模型興起
隨著云計算技術的發展，RPA和AI的“即服務”模型將越來越受到企業的歡迎。這種模型允許企業通過訂閱云平臺來訪問各種RPA機器人、AI智能體和自動化工具，而無需在本地購買和部署自動化解決方案。這種方式不僅能夠降低企業的初始投資成本，還能夠根據實際使用情況靈活調整資源，實現按需付費。
人機共生的未來
隨著RPA和AI技術的不斷發展和融合，未來的工作場景可能會更加注重人機共生。在這種模式下，人類、RPA機器人和AI智能體將各自發揮自己的優勢，互補彼此的能力。人類將專注于創造性和策略性的工作，而RPA機器人和AI智能體則處理重復性和技術性的任務。這種共生關系將提高工作效率，釋放人類的潛力，同時也為RPA和AI智能體提供了更廣闊的應用空間。
總之，RPA和AI智能體的結合，將為自動化領域帶來無限的可能性。通過無縫集成、智能編排、專業定制和即服務模型，企業將能夠構建更加智能、靈活和高效的自動化解決方案，以應對日益復雜的業務挑戰。
全文完
本文鏈接：http://www.tebozhan.com/showinfo-45-7333-0.htmlRPA遇上AI Agent，混合自動化新風潮來襲，你準備好了嗎？
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號