In a blink of an eye, half of 2020 has passed, and various industries are gradually recovering. Among the many industries that have been hit by the epidemic, RPA (Robotic Process Automation) is one of the few areas where the trend is hot.
In the slightly quiet capital market in the first half of the year, many domestic RPA companies received financing. In February of this year, Laiye Technology completed a US$42 million Series C financing; in March, Yunkuo Technology announced the completion of a US$30 million Series B financing; on May 14, Daguan Data announced that it had received a lead investment of 270 million yuan from Shenzhen Venture Capital. Round of financing.
Since 2019, the special attention of venture capital institutions has made RPA rapidly popular. A big background that cannot be ignored is that it was under the capital winter. Prior to this, RPA was still a relatively unpopular direction.
Chen Wenbin, vice president of Daguan Data, said in an interview with InfoQ that the RPA concept quickly became popular for two reasons:
One is the increasing demand for digital transformation of enterprises. Under internal and external pressures such as rising labor costs and market competition, companies hope to introduce cost-effective tools to replace employees with a large amount of repetitive tasks, reduce costs and increase efficiency, and enhance core competitiveness; second, the maturity of AI technology, AlphaGo begins to play Go In recent years, AI technologies such as deep neural networks, speech recognition, text recognition, and image recognition have witnessed vigorous development, which has enabled robots to do more and more things.
The hot B side is that there are still many people who “know and don't know why” of the RPA technology, and there are even some misunderstandings.
Misunderstanding 1: There is a view that RPA is not a new technology, but "new wine in old bottles". Yunkuo Technology CEO Liu Chungang said that there is a confusion of concepts. RPA is not a single technology, but a product integrated with multiple technologies. Some of the technologies it contains may have been developed for a long time, but the combined RPA The technology is not old. In fact, the rise of the PRA concept and the large-scale application of products in the industry after 2010, therefore, RPA is a new technical product.
Misunderstanding 2: The threshold for RPA is not high. RPA’s entry barriers are somewhat “lenient and strict”. On the surface, it does not seem to be difficult. By writing an automation script, the desktop can be easily automated quickly. Many manufacturers can build a set of simple demos by themselves, but they need to create one. It is very difficult to set enterprise-level RPA products that are easy to use, stable and compatible, safe and reliable, high cross-platform adaptability, and practically solve problems in different scenarios, and have a very high technical threshold.
These are also the main problems faced in the current RPA development process.
Facing different industries, RPA processes are also different. Enterprises must design and define RPA products according to their own needs and processes. Almost all RPA products have a process editor to set the logic of the task process. The so-called "easy to use" refers to whether this set of process logic can be simple, easy to use, easy to learn, low learning cost, high editing efficiency, and the compiled process is easy to restore. It is not easy to realize these.
Most RPA products are oriented towards the TO B side, and compatibility and stability are of utmost importance to enterprises. The internal network environment of the enterprise is very different. A good RPA robot should recognize and be compatible with the different information systems of the enterprise, and maintain a stable working state during the execution of tasks.
Chu also to the Swiss Science and Technology co-founder and senior vice president, said the main problems facing the RPA is how to do good safety and reliability. RPA robots can indeed replace part of manual work, but robots are not as flexible as humans after all. If RPA robots suddenly stop working and the customer does not have any pre-plans, they can only wait for the manufacturer to come to serve. The cost of shutdown and production may be unimaginable . The fields of finance, operation, etc. applied by RPA are all in contact with the key data of customers. Even if the data is leaked to the outside world, it will cause great losses, let alone damage the data.
How about RPA landing "Qianjing"?
RPA 技术自身所具备的非侵入式（不改变原有 IT 系统）、非服务接口、非数据传输等特征，令它在选择部署场景时颇有优势。RPA 可落地性强，应用具有多样性，在各行各业都能找到 RPA 的适用场景，且能做到敏捷交付、敏捷开发，交付周期短。这无疑也是决定 RPA 大规模、快速落地的关键优势。
陈文彬介绍，对于一般性业务场景，达观数据团队平均在 2-4 周就能完成 RPA 机器人的部署、定制化开发、测试、上线、交付等全部流程。
金融是 RPA 应用最早也是最为广泛的领域，因为金融行业的数字化程度相对较高，很多银行内部已经完成信息化系统建设。不过，在信息化建设后，银行发现内部系统与系统之间、数据与数据之间是割裂的，这些衔接问题业务量大且重复，需要大量员工完成。而这恰是 RPA 的用武之地。
除解决数据孤岛问题外，RPA 还能够为金融机构提供降本增效、提升用户体验、带动营收增长、降低监管风险等多元化价值。招商银行、兴业银行、浦发银行是国内最早探索 RPA 的金融机构，其中，根据去年兴业银行披露的数据，其部署了 200 多个 RPA 机器人，实现了近 20 个业务流程的自动化，信用卡部门应用效果突出，2018 年为该部门创造 2 亿元以上收入。
国内多家 RPA 厂商都以金融领域作为主要落地场景的同时扩展到其他场景。据 IDC 调研，目前 RPA 主要应用在金融、制造、零售、电信、政府 / 公共事业等领域。
InfoQ 通过采访了解到，RPA 厂商的商业模式类似，主要以销售 RPA 软件产品或与渠道合作伙伴分成为主，厂商提供 RPA 产品实施和部署服务、产品培训、售后技术支持等，渠道合作伙伴为客户提供咨询服务。
在盈利模式上，RPA 厂商的营收来源一方面来自软件产品年度订阅，实行订阅模式相当于企业未来若干年度的现金流稳定性有了一定保障。
另一部分来自与合作伙伴分成。褚瑞透露，来也科技与合作伙伴的分成比例为 1：3，用他自己的话说就是“将半条命交到了合作伙伴手里”。
这一高比例其实也凸显出了 RPA 在落地过程中所面临的一个普遍挑战 — 如何突破领域自带的壁垒？RPA 厂商擅长软件和技术，但领域知识是一大短板，即便经过项目积累，但与专注在领域深耕的企业客户来说，在专业度上还有很大差距，这可能导致项目在实施过程中沟通成本增加。
“国内很多客户认为 RPA 是一个‘交钥匙’工程，从场景挖掘到后期维护，最好厂家都帮我搞定，我啥也不用管，按一个键机器人就帮我做完了”，褚瑞表示，“RPA 机器人部署后是需要维护的，但有的客户完全不理解这一点，机器人不工作了就是产品的 BUG，就得厂家赶紧上门来改，如果这种情形三番两次出现，客户可能会对 RPA 失去信心，而厂商投入大量精力维护，也有可能拖慢研发进度”。
这种现象与国内 RPA 行业还在早期，用户对其认知不够深入有关，不像在国外，建立 COE 卓越中心来维护 RPA 的概念已深入人心。为了解决这个问题，许多 RPA 厂商的解决方案是找懂业务场景的合作伙伴“取长补短”，还有一些厂商会自建一支具有不同行业背景的专家团队。
什么样的企业适合部署 RPA？
什么样的企业适合部署 RPA？InfoQ 梳理了三位专家所提出的一些共性特质。
当企业存在一些员工做大量重复性工作的业务；
最佳部署方式应该是在企业实现端到端自动化的最后环节，此时实施效果最好。数字化程度高的企业更适合部署 RPA，在部署之前，应当先建设信息化系统。传统企业可针对一些信息化完成度高的环节 / 业务应用 RPA。
不是所有业务都要进行 RPA 改造，对于业务较成熟、系统好支撑的、业务流程完善、信息化完成度高的业务线可优先部署。企业一般会先在财务部门试点，再扩展向其他业务线。
RPA 厂商通常会为客户提供一套标准化的企业级 RPA 产品，企业在部署时，只需改动相应参数配置即可，有的厂商也会根据企业的差异化需求进行定制。
褚瑞告诉记者，来也科技在 RPA 产品定制化上态度审慎。他认为，针对单一客户的定制化需求如果不能沉淀到标准产品中去，这样的定制没有太大意义。“定制化需要设置边界，不能一味满足客户的所有定制化需求，否则会拖累厂商在研发上的精力”。
业内也有专家认为，标准化 RPA 是伪命题，应该走定制化路线。未来如何选择路线，如何在标准化和定制化间取得平衡也是需要 RPA 厂商们考量和权衡的问题。
对于企业来说，还有一个问题很关键，那就是部署一套 RPA 产品贵不贵？
陈文彬向 InfoQ 表示，如果部署达观数据的 1 个 RPA 机器人，企业一年需要支付的企业 License 授权费用、实施成本等总成本在 4-6 万元左右，而一家公司一年招聘白领的人力成本至少在十几万以上，对比下来，部署 RPA 在从事流程性的重复工作中的性价比是很高的，且这样可以释放员工的很多精力到其他工作内容上。
RPA 项目成本分为两部分：一部分是 RPA 软件授权本身，一部分是机器人到企业进行落地部署过程中，产生的咨询、实施费用。刘春刚介绍，第一部分是标准化的产品授权成本，相对可控。但进入具体实施部分，会出现很多不可控因素，如任务流程规则不清楚，业务逻辑比想象中复杂等。“因为 RPA 在企业内部落地应用，需要流程梳理、设计、实施等服务过程，有时服务过程较长，遇到问题较多可能会导致整体项目的成本会超过客户预期。因此，针对这个问题，云扩科技推出了能帮助企业评估 RPA 落地 ROI 的流程自助发现产品 Encoo Spark。”
现阶段，RPA 项目部署后还存在失败率高的缺点。德勤曾在一次调查中发现，在使用 RPA 的 400 家公司中，30% 到 50% 的 RPA 项目在一开始便失败了， 63% 的 RPA 项目没有按时交付。
陈文彬分析，在产品因素之外，RPA 项目失败的主要与企业最初信息化建设、自动化流程需求没有厘清，IT 基础设施建设存在不足等因素有关。此外，机器人如何与业务人员协同、机器人异常机制设计等等也会影响机器人的交付。在技术方面，鲁棒性是 RPA 部署过程中出现的主要挑战，企业内部的信息系统、设备、基础设施等可能存在一些不可预测的风险因素。
若想整体上提高 RPA 项目交付的成功率，可以在适应机器人与现有信息系统的结合，RPA 如何操作现有信息系统、如何与现有业务人员做配合做好全方位预案。
两大趋势：智能化和 SaaS 化
褚瑞可以说是见证了国内 RPA 产品不断迭代的进程。他是国内最早期的 RPA 应用之一“按键精灵”的开发者，该软件通过制定脚本来代替双手完成移动鼠标和键盘的操作。他表示，与应用在游戏上的“按键精灵”相比，现在的 RPA 产品在技术上并不是更复杂了，反而更简单了，但不一样的地方在于，AI 技术的进步令 RPA 的智能化程度更高了。
RPA 的技术壁垒凸显在两个方面 — 低代码能力和与 AI 融合的能力。低代码能力是 RPA 厂商的一个重要分水岭，因为 RPA 并非个性化的自动化操作应用，而是一个通用型的产品，即便不熟悉 IT 技术的业务人员也能轻易上手。
“要做到这一点需要很多创新，因为自己学会容易，让别人能学会用可就难多了。到了这一步，厂商之间的差异就比较明显了，有的厂商根本没打算让普通人学习；有的厂商放弃了‘低代码’，采取了对自己比较容易、对普通人来说超难的‘高代码’的方式；有的厂商干脆就是照抄国外的软件，丝毫没有创新”。
另一方面，RPA 产品是否具备与 AI 融合的能力（Powered by AI）也是一大考验。因为不具备 AI 基因，RPA 仍有很多技术问题待攻克，例如，即使是一个简单的输入框，没有光照、阴影、倾斜、变形，很多 RPA 产品仍然无法识别。而具备 AI 能力的 RPA 产品就很轻松了，因为今天的 AI 技术已经能很好的识别人脸，而人脸可比输入框复杂多了。
“RPA+AI”的概念在业内越来越流行，不少厂商纷纷宣布入局。去年 5 月，来也科技推出 RPA+AI 平台产品 — UiBot Mage，将 AI 能力快速应用到自动化流程中。7 月，达观数据推出了智能文本 RPA 产品，入局 RPA 领域。
值得注意的是，RPA 和 AI 是两项相互独立的技术和概念，但又相辅相成。RPA 可以实现数据收集，AI 可以训练数据，训练机器人的学习和感知、认知、判断、推理能力。与传统的 RPA 相比，RPA 和 AI 结合后，在读取非结构化数据，做决策、保障执行任务准确率，衔接人与机器交互任务上优势显著。
RPA+ AI 可以大幅扩展机器人的应用场景，从而产生更大的价值，业内普遍观点认为，其是 RPA 发展的下一个方向。Gartner 预测，到 2022 年，80% 部署了 RPA 的组织将引入人工智能（AI），包括机器学习和自然语言处理等，以改进业务流程。
另一个富有潜力的发展趋势是，RPA 在逐渐 SaaS 化。狭义的 SaaS 化是指不需要安装任何客户端软件，RPA 本身运行在云服务器上，采取像云一样的按实际使用时长收费或者包月、包年的方式。
刘春刚认为，降低成本是 RPA 产品 SaaS 平台化的重要驱动力。对于企业来说，RaaS 化的最大的好处就是，能以更低的成本采购 RPA 软件，而云计算也为 RPA 提供了算力支撑。
对于 RPA 产品 SaaS 平台化，国内外的发展情况差异较大。国外客户对从软件到 SaaS 的转变以及按年订阅的模式接受度较高。而国内企业对 RPA SaaS 化部署的态度比较谨慎，客户对软件付费及按年订阅模式接受度低。陈文彬表示，基于对数据安全性和合规性的考量，很多企业对 SaaS 服务模式的接受度不高，而更会接受本地私有化部署的方式。
来也科技的客户有半数把 RPA 部署在了内网环境。“为了数据安全性，宁可做物理隔离。至少对于这部分客户来说，SaaS 无从谈起。即使是连接了互联网的客户，对 SaaS 的接受程度也有限”，褚瑞表示，“趋势的落地需要时间，现在还为时尚早”。
RPA 红海已至，后浪们会等来风口吗？
“现在 RPA 行业不是蓝海了，早就是一片红海了，行业竞争激烈”，刘春刚回忆。这与他刚开始创业时的景象可谓是有天地之别，2017 年，云扩科技刚刚进入市场时，国内做 RPA 的公司掰着指头就可以数过来。
RPA 自 2001 年在国外兴起，2015 年，RPA 被引入到中国，2017 年开始在国内金融机构中应用。到 2018 年，国内 RPA 行业开始初步显现规模。
到了 2019 年，RPA 进入了爆发期，在上半年多家厂商相继获得融资后，RPA 的热度开始延伸到资本市场以外。大批国产 RPA 厂商相继成立，2019 年也被称为“RPA 的发展元年”。
Gartner 近期发布的《RPA 市场竞争格局》调研报告显示，2019 年，全球 RPA 软件市场同比增长了 62.9%，达到 14 亿美金，且行业中几乎所有的 RPA 软件厂商都以 2 位数或 3 位数的速度在快速成长。
热潮乍起，行业也不可避免地出现了一些乱象。个别甚至原来没有这个业务的厂商开始狂蹭热度“浑水摸鱼”；市场上价格战愈加频繁，各家厂商为了赢得项目，竞相降低产品许可费用，有些厂商甚至免费赠送“产品源代码”（注，非实施源代码）......
行业也存在一定的炒作问题。去年 11 月，全球头部 RPA 厂商 UiPath 裁员 11% 的消息被认为是行业迎来拐点的一个信号 。
整体而言，国内的 RPA 市场发展仍然处于初期阶段，炒作，泡沫的出现也属正常。在高速增长的同时，洗牌也在加剧，优胜劣汰机制下，行业最终将会回归到有序秩序中来。
对于外界所担忧的 RPA 是否会取代人工劳动力的问题，InfoQ 也询问了三位专家的观点，他们均一致认为，现在有这个担心还为时尚早。而且，RPA 更多发挥的是“改变”工作方式的作用，只是那些重复性高、创造力低的工作被替代，RPA 将员工从单调繁琐的工作中解放来，已使其精力聚焦在更有创造性的工作上。
“人类仍然是唯一能够管理并调校好机器人的关键角色，如果没有人员的支持与干预，自动化技术无法运行，并且无法复现更高层次的判断，并进行思考与分析。由于这些原因，RPA 的存在并不是为了取代人的工作，而是改变人的工作方式”，陈文彬表示。
RPA 目前在企业中有两种应用模式，一种是人机协同，对现有员工基本无影响；另一类是无人值守机器人在 7*24 小时负责低价值工作。实际上，现代企业中，单一重复性岗位比例较低。因此在未来很长一段时间内，RPA 行业可能都将是人机协同的方式。
“人永远有不可替代性”，刘春刚表示。
褚瑞坦言，RPA+AI 技术的应用会取代部分机械性重复的工种，但是也会提供新的就业岗位。比如 RPA 工程师、机器人训练师今后会有较大的缺口。
在 2019 年元年的爆发式发展进程中，很多企业完成了概念验证、试点建设等前期工作，加之这次突发的疫情也提高了企业对 RPA 的认知，加速 RPA 向市场***，可以预见地是，2020 年，RPA 在落地推广上将迎来一个大的“突破期”，或许下一个风口将至。
Gartner 预计，到 2023 年底，90% 的大型和超大型组织将部署某种形式的 RPA，高于 2019 年的 55%。到 2024 年，即使是最保守的后期采用者，尤其是典型落后的中小企业，也将开始尝试部署 RPA。未来 3-5 年，RPA 很可能将迎来发展的黄金时期。
采访嘉宾介绍：（排名不分先后）
褚瑞，来也科技联合创始人兼高级副总裁。前按键精灵，靠谱助手联合创始人兼 CTO，奥森科技 CTO，被誉为中国RPA第一人。国际数模竞赛特等奖得主，“天河”超级计算机团队成员，曾获得国家科技进步奖。褚瑞是国防科技大学计算机博士。
陈文彬，达观数据副总裁。国内金融领域最早接触 RPA、并将 RPA 引入落地中国银行业的人之一。曾在兴业银行、恒丰银行、兴业数金等担任管理工作，拥有 10 余年大数据挖掘、平台建设、风险管理、及 RPA 流程机器人实施经验。
刘春刚，云扩科技 CEO 。毕业于上海交通大学，曾担任微软云数据管理自动化的产品负责人，2017 年创立云扩科技，带领公司成为全球领先的RPA+AI科技企业。云扩智能RPA是首批被Gartner推荐的国产RPA产品。