产品

智能体 AI

打破研发与生产壁垒：在统一治理下发挥自主效能，加速产品落地

智能体自动化

自动化业务流编排，实现 AI 驱动的自主执行与运营

解决方案

行业解决方案

深耕行业，涉及金融服务、制造、供应链、零售、政府及公共服务、共享中心等领域

业务解决方案

财务管理、人力资源、客户服务、IT管理、运营管理、内审与内控等部门或业务职能案例与方案

智能体AI 解决方案

深耕数智化转型，涵盖应付账款自动化、智能订单执行、动态物流调度及全球贸易合规清关等业务领域

客户案例

艺赛旗帮助客户加速企业数字生产力向智能化转变，帮助客户成功

生态合作

合作伙伴

成为伙伴，共同创造价值

生态联盟

艺赛旗行业位置获广泛认可

支持与服务

咨询服务

探寻正确的数字化转型之路

交流社区

艺赛旗APA机器人流程开发、技术交流平台

客户成功

以客户为中心、帮助客户成功

产品文档

探索APA产品文档

关于我们

公司介绍

中国智能体自动化行业领航者

新闻列表

了解艺赛旗最新动态

联系我们

获取最新艺赛旗智能体自动化解决方案

加入我们

与艺赛旗合作，共同成长
中文
中文 English
登录 | 注册
400-8218-738 登录 注册 申请试用
中文 English
首页 / 新闻动态 / 谁将赢得RPA+AI市场的竞争？产品力决定一切！
谁将赢得RPA+AI市场的竞争？产品力决定一切！

谁将赢得RPA+AI市场的竞争？产品力决定一切！

旗旗

2024-07-23

图片
图片

大数据产业创新服务媒体

——聚焦数据 · 改变商业

根据IDC发布的《中国RPA+AI解决方案市场份额报告，2023：需求回暖，市场增速有望迎来拐点 》，2023年，中国RPA+AI的市场规模同比增长15.9%。其中，RPA+AI软件产品市场（包括但不限于RPA+AI一体化平台授权许可、RPA应用开发工具使用以及各类AI工具套件的销售，不包含咨询服务、实施服务等服务性收入）占比45%。

图片
中国RPA+AI 解决方案市场份额概况，2023 来源：IDC, 2024

图片
中国 RPA+AI 产品软件市场份额概况，2023 来源：IDC, 2024

根据IDC的报告分析，中国RPA+AI市场将步入快速发展轨道，而产品软件市场的扩展将尤为显著。IDC认为，“伴随市场竞争的白热化，市场对价格透明、快速部署、高度集成且具备 AI 智能功能的标准化 RPA 产品的需求呈现井喷式增长。”并且，IDC预计，未来产品市场在整体RPA+AI市场的占比将持续提升。
可以说，在RPA+AI市场的竞争中，产品能力将成为未来竞争的焦点。那么，RPA（其最新进化版本是超自动化平台，以下主要分析超自动化平台）的“产品力”体现在哪些方面，其与AI（尤其是大模型）的融合又会迸发出哪些火花？接下来，我们就这些问题来进行探讨。
产品力，是超自动化平台的立身之本
 
 
根据IDC发布的报告，随着RPA产品的逐渐普及和成熟，未来几年RPA市场的服务收入占比将会持续降低。这意味着，RPA厂商将更多地依赖于产品本身的竞争力，而非售后服务或其他增值服务。产品能力将成为市场竞争的关键焦点，而易学易用性、标准化和云化、AI能力，将成为评判产品能力的重要标准。
具体来看，随着市场的不断发展，超自动化平台需要具备以下几个重要特性，才能在竞争中脱颖而出。
易学易用，超自动化平台的“基本功”。
传统的RPA平台往往需要用户具备一定的技术背景，这无形中限制了技术的普及和应用。而现代超自动化平台则通过低代码或无代码的方式，让更多非技术背景的员工也能轻松上手。例如，低代码拖拽式设计器，能够使用户无需编程背景即可快速构建自动化流程，通过简单的拖拽和排列组件，就能创建复杂的业务流程，大大降低了技术门槛。
而且，操作简单、界面友好的平台更容易被用户接受和使用，促进流程自动化工具在企业内的广泛应用。用户通过统一的操作界面，能快速找到所需功能，并进行高效操作。这种设计不仅提升了用户体验，还降低了学习和使用门槛，帮助企业更快地实现自动化转型。此外，通过丰富的模板和预构建组件，用户可以直接使用或稍作修改，大大减少了开发时间。预构建的RPA组件覆盖广泛的业务需求，帮助用户快速实现业务流程自动化，提升了整个企业的自动化水平和效率。
标准化、云化，超自动化平台的进阶技能。
通过提供标准化的流程模板和组件，企业可以快速实现自动化部署，减少开发和维护成本。此外，通过统一的标准，企业可以更好地控制流程自动化项目的质量，减少因流程差异导致的问题。标准化不仅帮助企业实现高效的自动化部署，还能保证在运营过程中保持一致的高质量标准。
云化是超自动化平台发展的另一个重要趋势，并且，随着云计算渗透率的提升，云原生超自动化平台的优势会越来越明显。
通过云端部署，企业无需投入大量资源进行本地IT基础设施的建设和维护，降低了总体拥有成本。云化平台支持远程协作和跨地域部署，使企业能够更灵活地应对全球化运营和分布式团队的需求。通过云化，企业可以实现更高效的资源管理和调度，进一步提高自动化系统的响应速度和处理能力。而且，云服务提供商通常会提供多层次的安全保障和数据备份措施，确保企业数据的安全性和业务的连续性。
可以说，超自动化厂商的竞争，核心就是产品力的竞争，谁在这些方面能够做到极致，谁就能在接下来的竞争中占据先机。
AI尤其是大模型，成为超自动化平台的战略高地
 
 
除了上面提到的“产品力”外，随着技术的不断发展，AI已成为超自动化平台的重要组成部分。某种意义上，在接下来的超自动化竞争中，得AI者得天下。
具体来看，RPA、超自动化平台，与AI的融合创新，可以分为两个阶段。
在初级阶段，通过将AI技术（如NLP、CV、OCR、机器学习等）与RPA融合，提高业务流程的智能化水平。
例如，NLP技术赋能超自动化平台，使其能够理解和处理人类语言。这一能力使得平台可以自动处理客户服务请求、邮件分类、合同审核等任务，显著提高了处理效率和准确性。通过NLP技术，平台不仅能理解结构化数据，还能解析非结构化数据，从而扩展了其应用场景。
CV技术为超自动化平台提供了图像和视频数据处理的能力，例如，在制造业和医疗行业，CV技术可以帮助平台自动检测产品缺陷或进行医学影像分析，减少了人为错误，提高了质量控制水平。
OCR技术使得超自动化平台能够高效地将纸质文档转换为电子数据，从而实现文档管理和数据输入的自动化。OCR技术在银行、保险等行业中具有广泛应用，能够自动处理大量的客户申请、发票和报告，提高了运营效率。
机器学习技术为超自动化平台提供了自我学习和优化的能力，通过分析大量的历史数据和用户行为，机器学习模型能够预测未来的业务需求，自动优化流程，并在异常情况下提供智能决策支持。这使得平台能够在不断变化的业务环境中保持高效运作，并持续提升自动化水平。
需要指出的是，以上多种AI技术的应用，还只是处于超自动化平台智能进化的初级阶段。
在高级阶段，超自动化平台与AI大模型的融合成为当下竞争的焦点。以艺赛旗为例，其将AI大模型与自身的iS-RPA和iS-RPM产品融合，用户通过自然语言即可配置和管理自动化流程，大大简化操作。AI大模型增强了数据处理和分析能力，使iS-RPM能够自动识别和优化业务流程中的瓶颈。
在超自动化平台的基础上，融入AI大模型已经成为提升平台能力的重要手段。具体来看，将大模型技术融入超自动化平台，能带来三个方面的好处：
融合大模型后的超自动化平台，用户门槛更低，更易学易用。
借助AI大模型强大的自然语言理解与生成能力，使用户可以通过自然语言与系统进行交互，降低了操作难度。用户无需掌握复杂的平台功能组件与操作技巧，更无需掌握技术和编程语言，只需通过对话即可实现流程的自动化配置和管理。
此外，系统能够实时学习用户行为和流程数据，持续优化和改进自动化流程，使得系统使用越来越简便。超自动化平台本身也在持续进化，平台与用户在相互“磨合”，用户用得越多，平台就对用户越了解，使用起来也越顺畅。例如，系统可以根据用户的操作历史，自动调整界面布局和推荐最常用的功能模块，提高用户的工作效率和满意度。
从简单规则驱动到智能决策驱动，实现长链条流程自动化，可以应对更复杂的业务场景需求。
传统RPA依赖简单规则，无法处理复杂场景。而AI大模型可以进行复杂的决策和推理，自动选择最佳流程路径，提高了自动化流程的效率和准确性。通过AI大模型的支持，平台可以在处理过程中动态调整流程路径，确保每一步操作都是最优选择。例如，在客户服务中心，AI大模型可以根据客户的历史记录和当前情绪，自动选择最适合的客服代表和处理方式，提高客户满意度和服务效率。
更进一步，融合AI大模型后，平台能够处理更长链条、更复杂的业务流程，实现超过几十甚至上百步骤的流程自动化。例如，在金融行业，复杂的风控审核流程，一般链条都比较长，动辄需要进行几十上百步操作。通过AI大模型的智能决策，有望实现整个长链条流程的自动化处理，从数据采集、风险评估到决策执行，全程无缝衔接，大幅减少人类介入的情况，提高了审核效率和准确性。
超自动化平台实现“破圈”，打开数倍的市场空间。
用户使用门槛越低，越易学易用，用户的渗透率就越高。假定目前以点选、拖拉拽操作方式的超自动化平台使用门槛不到10%，那么人机对话方式的超自动化平台，用户渗透率有望提高到60%甚至80%以上。再加上平台能力的提升，能解决更多样化、更复杂的业务场景，用户渗透率有望提高到90%以上，这将极大扩展超自动化平台的市场空间。

图片
不同平台的用户渗透率情况 来源：数据猿

更大规模的蓝海市场，将重塑超自动化市场的竞争格局，谁先抢占这个蓝海，谁就将获得领先优势。
需要指出的是，超自动化平台的“产品力”，并不是为了“炫技”，而是更好的服务客户的业务流程自动化需求。因此，产品到底好不好，客户最有发言权。不管是易学易用、标准化、稳定性这些基本能力，还是更高阶的AI能力，都必须在真实的客户业务场景中经受住考验才行。
接下来，我们就从一个典型客户案例，来分析超自动化平台如何更好服务业务流程自动化的需求。
太平洋保险“黑灯工厂”——超自动化平台应用的典型范本。
中国太平洋保险（集团）股份有限公司（以下简称“太平洋保险”），是业界领先的保险集团，连续七年入选《财富》世界500强。太平洋保险在业务运营中，面临业务人员大量重复操作、业务流程效率低、客户响应慢等问题。为了提升业务效率、降低运营成本并确保操作的一致性和准确性，太平洋保险迫切需要一个高效、统一的业务流程自动化解决方案。
为了解决这些问题，2018年，太平洋保险与艺赛旗携手合作，并率先在上海营运分中心试点应用RPA技术。通过在客服、理赔业务部门应用助手机器人，实现跨页面整合、规则提醒等业务流程的自动化。
2019年，RPA应用范围进一步拓展。一方面，公司范围拓展到华南分中心、山东分中心；另一方面，RPA机器人场景数量增长至35个，包括数据案头小结机器人、数据集中质检机器人、作业行为数据分析机器人等。随着艺赛旗的产品能力得到持续验证，其易学易用、标准化、稳定性等产品能力，得到太平洋保险的认可。进入2020年，太平洋保险进入RPA大规模应用阶段，其产险开启集约化思维的RPA项目建设。
需要指出的是，基于艺赛旗产品使用门槛低的特性，太平洋保险开创了“业务工程师”模式，让业务人员参与到RPA机器人场景的开发中，这成为RPA机器人实现应用普及的关键“一招”。截至2023年10月，培养了2859名初级业务工程师、195名中级业务工程师、13名高级业务工程师。通过“业务工程师”模式，无论是RPA的用户规模，还是自动化业务流程的渗透率，都得到显著提升。
为了推动RPA机器人的普及应用，太平洋保险还举办了“太保寿险数字员工开发大赛”，重庆、河南、浙江等分公司诞生了一系列创新成果，在提高业务效率、节省员工时间方面成效显著。例如，河南分公司开发的《新保保单全流程追踪平台》，为该辖区每月释放1715人时。
基于前期的试点与应用，2021年，太平洋保险与艺赛旗的合作更进一步，推出了“黑灯工厂”项目，开启产险RPA卓越中心服务模式：将共性的RPA机器人场景，实现集约化运行与管理。之后，黑灯工厂项目快速推进。到2022年，黑灯工厂内部设置了个客、法客、农险、营运、财经等“八大车间”，并在这些“车间”挖掘出“太小嘿1号-企财险保单影像智能质检机器人”“太小嘿2号-雇主责任投保用印智能质检机器人”等明星RPA场景。
从2023年开始，正式进入黑灯工厂2.0阶段，其显著特征是平台化、AI化：在原因基础上，建设了“监控平台、调度平台、服务平台、管理平台”四大RPA平台为核心的超自动化平台；与此同时，这些平台还与太保科技AI、产险大脑AI能力融合，并引入流程挖掘技术。
在“黑灯工厂”项目中，艺赛旗的产品方案也在不断演进，其中重要的一项内容就是AI能力的持续提升。艺赛旗在产品中不断融入AI原子能力，通过模拟人工进行自动化操作的流程机器人，来完成大量的业务流程自动化运营。例如，实现客服语音自动质检、票证识别自动录单、OCR识别自动报价、证照OCR识别自动录入等。

图片

目前，在“黑灯工厂 2.0”阶段，一个重要任务是通过AI尤其是大模型技术，来更好实现业务数据分析、流程挖掘、流程优化的能力，以此来改善运营和管理流程。AI大模型可以根据实时数据和用户反馈，动态调整流程路径，确保每一步操作都是最优选择，提高流程的准确性和效率。以农险理赔流程为例，通过对流程各节点的数据分析，养殖险进一步优化了标准业务流程，针对案值规范了各个环节的耗时要求，也为全国各层级机构提供流程优化的抓手。

图片

在太平洋保险的黑灯工厂项目中，艺赛旗的解决方案得到了充分应用。这一项目的成功实施，不仅帮助太平洋保险解决了运营难题，还为其数智化转型提供了坚实基础。

图片
太平洋保险黑灯工厂的成效

智能体集群、人机协同，智能超自动化平台的进化才刚刚开始
 
 
随着技术的不断进步和企业需求的多样化，超自动化平台的发展方向也在逐步演进。未来，智能体集群和人机协同将成为超自动化平台的重要发展方向。
以智能体打造全入口，通过智能体集群的协同来实现多任务处理。在未来的超自动化平台中，每个流程机器人都可以被视为一个智能体。这些智能体通过AI技术进行管理和协作，形成一个强大的智能体集群。智能体集群通过共享数据和协同工作，能够更高效地处理大型复杂项目，实现整体业务流程的优化。例如，在金融行业，智能体集群可以同时处理不同的交易、风控和客户服务任务，通过实时数据共享和智能协作，提高整个系统的响应速度和服务质量。
这种系统化协作不仅提高了工作效率，还减少了由于信息孤岛和数据断层导致的错误和延迟。智能体集群通过AI技术实现的协同工作，能够更好地适应变化和挑战，帮助企业在动态环境中保持竞争力。
定义人机能力边界，实现更好的人机协同。
人类的归人类，AI的归AI。AI大模型赋予系统更强的自主决策能力，使其在处理复杂任务时能够更灵活地应对变化，提高整体效率。然而，在某些关键环节和需要决策的地方，人类的介入依然是不可或缺的。例如，在医疗诊断中，AI可以辅助医生进行初步分析和筛查，但最终的诊断和治疗方案仍需由医生决定。这样的分工不仅确保了AI系统的高效运转，也保证了重要决策的准确性和可靠性。
在未来的超自动化平台中，人机协同将变得更加重要。通过AI技术，系统可以自动判断哪些任务需要人类介入，哪些可以完全自动化，提高协同效率。在实际应用中，人机协同的有效实现可以显著提升工作效率和质量。例如，在金融行业的风险管理中，AI系统可以自动监控和分析大量交易数据，实时发现潜在风险，并生成初步的风险报告。而金融分析师则可以基于这些报告，进行深入分析和决策。这种协同方式不仅提高了风险管理的效率，还大大降低了操作风险。
展望未来，随着大模型的蓬勃发展、云端部署的便捷性以及自然语言处理的广泛应用，人机交互正经历着深刻变革，技术门槛显著降低。用户仅凭日常对话，即可轻松享受智能科技的强大功能。AI智能体（Agent）的广泛应用，犹如一股强劲的催化剂，加速了LLM（大型语言模型）与RPA、超自动化平台的融合步伐，不仅极大地提升了工作效率与创造力，更引领我们迈向一个更加智能化、便捷化的新时代。
超自动化平台在此浪潮中持续进化，其能力边界不断拓宽，能够应对的任务日益复杂多样，自动化流程链条更加深入细致，平台效能实现了质的飞跃。智能体集群的蓬勃兴起与人机协同的深度结合，更是极大地拓宽了超自动化平台的应用领域，深化了业务层面的渗透力。而且，随着超自动化产品力的提升和AI应用的不断深化，易学易用、标准化的产品将能完成越来越多的工作，而平台服务实施的需求将降低。随着超自动化平台智能程度的提升，需要人介入的环节会越来越少。这种能力进化，为企业数智化转型奠定了坚实的基础，加速了新质生产力的孕育与成长，为数字经济的发展注入了源源不断的动力。
咨询服务通道
咨询二维码
企业顾问·扫码对接
热线电话：400-8218-738