24小时服务热线

18928448884 / 0755-2592 9959

24h咨询热线:18928448884

RPA+大模型真创新还是假热闹? RPA+大模型真创新还是假热闹? RPA+大模型真创新还是假热闹?

自动化定制


    RPA+大模型真创新还是假热闹?

    时间: 2024-06-29 15:14:49 |   作者: 切割自动化定制

  • 机型介绍



  在数字化转型的浪潮中,RPA(Robotic Process Automation)技术以其高效、稳定的特性,成为了企业自动化的宠儿。RPA的发展历史可谓迅猛,从最初的简单脚本自动化,到如今的智能流程自动化、超级自动化,RPA正逐步渗透至企业的每一个业务流程中。然而,随企业对自动化深度和广度的要求逐步的提升,RPA技术也面临着新的挑战和机遇。

  近年来,一股新兴技术潮流——大模型技术,正以其强大的数据处理能力和自然语言理解力,为RPA行业带来革命性的影响。大模型,特别是以ChatGPT为代表的生成式AI模型,其在理解复杂文本、生成自然语言描述方面的能力,为RPA的智能化升级提供了新的思路和工具。

  数据猿观察到,无论是国外还是国内,不少RPA厂商纷纷引入大模型技术,旨在通过这一技术的融合,打破传统自动化的边界,实现业务流程的深度智能化,进而推动整个行业的变革。接下来,我们就这一现象进行深入分析。

  国内RPA市场正站在数字化转型的风口浪尖,展现出强劲的发展势头。随着国内企业对业务流程自动化需求的激增,RPA技术以其快速部署、高效运作的特性,迅速成为企业提质增效的重要工具。在金融服务、电信、制造业等多个行业中,RPA正助力公司实现业务流程的自动化与智能化,特别是在高数据量、重复性劳动密集的业务场景中,RPA的应用价值日益凸显。

  随着大模型时代的到来,作为AI准独角兽和超自动化企业,实在智能除发布自研的、具备“效果可用、成本可控、定制化训练、私有化部署”等差异化优势的垂直大模型TARS外,还积极探索大模型与RPA的结合,发布了可以“一句话生成数字员工”的实在AI Agent智能体产品。数据猿发布的文章《终于,AI大模型长出了自己的手脚 》,对实在智能的有关技术产品有更深入的介绍。

  通过实在Agent,用户可通过文本或对话直接生成数字员工,实现“你说,PC做”。实在Agent基于“TARS+ISSUT”双模引擎,轻松成为拥有“大脑”与“眼睛和手脚”的超自动化智能体,他可自主拆解任务、感知环境、执行反馈并记忆历史经验,逐步降低RPA使用门槛。实在Agent智能体既是个人用户的AI助理,也是政企员工的办公助手,是实在智能为各行各业输送的新质生产力。

  在OpenAI推出ChatGPT之初,艺赛旗就积极拥抱大语言模型技术,在围绕易学、易用和稳定的RPA产品演进方向上,将大模型与RPA进行深层次地融合。易学方面,利用大模型的语义理解能力,智能推荐完成该任务的操作步骤,方便用户快速掌握RPA的流程开发,提高学习效率和使用体验。易用方面,借助大模型生成式AI能力,按照每个用户指令,将自然语言转化为代码,并集成到RPA设计器中,以提高开发者的流程开发效率。

  此外,艺赛旗推出的旗旗助手(AI-agent),通过集成大模型的能力,基于用户的自然语言输入,可将其转化为可执行指令,并自动判断处理、执行自动化流程,同时,还能以人类能理解的语言形式返回处理结果。

  稳定性方面,在流程开发过程中,艺赛旗利用大模型的知识库,协助开发者进行问题定位和错误排查,从而增强流程稳定性。

  金智维基于RPA+LLM打造金智维AI Agent类产品K-Agent平台,该平台具备智能交互、思考、分析和决策等能力。此外,用户基于K-Agent平台,能轻松实现快速开发、部署各类智能助手(Copilot)型数字员工,从而应对不同的业务场景需求。数据猿发布的文章《最强大脑遇上最灵双手,新质生产力有了最强助手》,对其有更深入的分析。

  智能助手依托精调的领域模型,能够自主分析任务指令并规划操作流程,使用RPA脚本调用对应的平台或应用,高效优质地完成业务需求,给出执行结果反馈或者问答用户问题,将复杂的业务决策转化为可执行的业务能力。

  在技术上,K-Agent借助组合式大模型技术、RPA技术等,强化智能助手的学习机制,让模型越用越聪明;在场景上,K-Agent植入行业专精知识库,保证行业所要求的知识的覆盖度、专业性、合规性和正确性,降低个性化服务成本。

  影刀——影刀GO(极简应用)、影刀Copilot(魔法指令)、影刀AI Power

  影刀公司在整合RPA与大模型技术方面取得了显著进展,主要发布了影刀AI Power这款产品,以及在影刀RPA融合AI能力,推出影刀GO、影刀Copilot两个新功能。

  具体来说,影刀GO(极简应用)通过提供一个搜索和快速访问办公工具的界面,提升了办公生产力。影刀Copilot(魔法指令)允许用户通过聊天界面生成RPA指令,简化操作流程。

  在实际操作中,大模型与RPA融合的主要挑战,包括大模型的通用能力与特定业务需求之间的差距,以及高成本的数据训练和模型调优需求。未解决这样一些问题,影刀推出了影刀AI Power,其是一个全新的无代码AI开发工具,它集成了企业知识库、全球多元大模型和丰富的AI组件,通过可视化工作流设计和多样集成调用功能,致力于打造一个高效的企业级AI解决方案。目前,该方案已经在招聘、客服、直播和运营等多个场景中展示了良好的应用效果。

  此外,弘玑、来也科技等企业,也在进行积极的探索。弘玑Cyclone积极探索RPA与大模型的结合,通过模型微调技术,将GPT与原有及新开发的组件封装,构成多个智能组件,并通过自然语言或API驱动。来也科技推出了基于大语言模型的产品“魔法帽”(Magic Hat),允许开发者通过自然语言生成自动化流程片段。

  国外RPA市场经过多年的发展,已形成了一个成熟且竞争非常激烈的生态。以UiPath、Automation Anywhere和Blue Prism为代表的头部企业,凭借早期的市场进入优势和强大的技术创造新兴事物的能力,占据了市场的主导地位。这些厂商不仅提供基础的RPA工具,还通过整合AI、数据分析等前沿技术,推动了RPA向智能化、平台化的方向发展。

  国外RPA市场呈现出以下特点:一是技术创新活跃,厂商们竞相开发更具竞争力的产品和解决方案;二是市场集中度较高,大型厂商通过并购、合作等方式,逐步扩大市场占有率;三是随着AI技术的融合,RPA的智能化水准不断提高,为市场带来了新的增长动力。

  UiPath是全球RPA行业的领军企业,提供一套完整的自动化平台,涵盖从发现、自动化到运行和优化的全流程,服务于全球数千家企业客户。

  UiPath在引入大模型技术方面表现积极,通过整合生成式AI技术,UiPath增强了其RPA产品的智能化水平,使得自动化流程更加智能和高效。UiPath通过集成NLP、OCR等AI技术,为客户提供端到端的自动化解决方案。

  Automation Anywhere是另一家全球知名的RPA厂商,其产品同样覆盖自动化的全生命周期,并且在全球拥有广泛的客户基础和市场影响力。

  Automation Anywhere积极探索将AI技术融入其RPA平台,以提升自动化流程的智能化水平。公司已官宣或者发布了GPT插件,并提供了相关教程与视频,指导用户如何利用大模型技术。

  微软作为全球科学技术巨头,在RPA领域通过Power Automate提供服务,该服务允许用户创建自动化工作流程,连接各种应用和服务。

  微软利用其在AI领域的强大研发能力,将大模型技术融入Power Automate,增强了RPA的智能化功能。

  NICE作为智能自动化厂商,提供包括RPA在内的多种智能自动化解决方案,其产品大范围的应用于金融、保险、电信等多个行业。

  NICE是率先宣布与ChatGPT技术集成的公司之一。通过与ChatGPT的集成,NICE在RPA与大模型的结合上迈出了重要一步,这标志着其在利用大模型提升RPA智能化方面的进展。

  既然这么多RPA厂商都在想办法将大模型与RPA实现融合,那么,他们为何需要这么做呢,会带来哪些好处?

  在数字化转型的浪潮中,企业对于自动化和智能化的需求日渐增长,这不仅推动了RPA技术的广泛应用,也催生了将其与大模型技术融合的迫切需求。RPA技术原本在执行重复性、基于规则的任务方面具有非常明显优势,但面对更复杂的业务场景,尤其是涉及非结构化数据处理和复杂决策时,传统RPA的局限性开始显现。正是这种市场需求的演变和技术发展的必然,促使RPA厂商寻求与大模型技术的深度融合。

  大模型技术,凭借其在自然语言处理、深度学习和强化学习等领域的突破性进展,为RPA带来了新的发展机遇。这种融合不仅满足了市场对技术融合的迫切需求,也为公司可以提供了业务流程智能化的强大推动力。通过引入大模型,RPA系统能更精准地理解自然语言指令,执行更为复杂的文本和数据分析任务,从而在业务流程中实现更深层次的自动化和智能化。

  此外,随着企业对于数据驱动决策需求的增长,融合大模型的RPA系统能够更有效地处理和分析大量非结构化数据,为企业决策提供更精准和前瞻性的支撑。这种数据驱动的决策模式,不仅提升了企业的运营效率,也为企业在激烈的市场竞争中保持竞争优势提供了有力支持。

  在技术层面,RPA与大模型的融合带来了核心优势的显著提升。融合后的RPA系统在自然语言处理能力上得到了增强,能够更准确地理解和执行用户的指令,处理更复杂的文本任务。同时,决策支持与分析能力的提升,使得RPA系统能够基于数据提供更深层次的业务洞察和优化建议。此外,自动化应用场景得到了扩展,RPA不再局限于传统的数据录入和处理,而是可以扩展到客户服务、风险评估、市场分析等多个领域。最重要的是,用户体验与交互方式的优化,使得RPA系统更加易于使用,能够更好地适应不同用户的需求。

  实在智能、艺赛旗、金智维、弘玑Cyclone、来也科技等国内RPA厂商在这一领域的探索和实践,证明了RPA与大模型融合的有效性和可行性。通过技术创新和产品升级,不仅提升了RPA产品的智能化水平,也为企业数字化转型提供了强有力的支持。随着技术的不断进步和应用场景的深入挖掘,预计RPA与大模型的融合将进一步深化,推动RPA行业的快速发展,并为企业带来更加智能化、自动化的解决方案。

  接下来,我们来更进一步,看看要将RPA与大模型融合,都有哪些具体的方式。在RPA与大模型技术融合的实践中,不同厂商采取了多样化的技术路线和实现策略,以期达到提升产品智能化水平、拓宽应用场景的目的。以下是几种主要的融合技术实现方式,以及它们的优势、适用场景和潜在局限。

  许多RPA厂商选择将大模型技术封装为独立的智能组件或API,供开发者和业务人员调用。这种方式的优势在于它的灵活性和易用性,允许用户在不影响现有RPA流程的情况下,引入AI能力。例如,通过调用NLP API理解用户输入的自然语言指令,RPA机器人可以执行更复杂的任务。然而,这种封装方式可能面临集成度不高的问题,对于非技术用户来说,理解和使用这些组件可能存在一定的门槛。

  一些厂商则采取了更为深入的集成策略,将大模型技术直接嵌入到RPA平台的核心。这种集成方式使得AI能力成为平台的原生服务,用户可以在RPA平台内直接创建和管理智能自动化流程,无需关心底层AI模型的复杂性。平台级集成有助于提供更流畅和一致的用户体验,同时也可以更好地保证系统的稳定性和性能。不过,这种集成方式可能会限制用户对AI模型的定制化需求,且对于平台的技术要求较高。

  为了满足企业对数据安全和个性化需求的考量,部分RPA厂商提供了私有化部署的解决方案。企业可以在本地环境中部署和运行大模型,同时根据特定的业务需求对模型进行微调。私有化部署确保了数据的安全性和可控性,而模型微调则使得AI能力更加贴合企业的业务场景。但是,私有化部署通常需要企业具备一定的技术能力,且可能带来更高的运维成本。

  另有厂商专注于研发原生的大模型,并提供定制化服务以满足特定行业或企业的自动化需求。通过原生模型,厂商可以更深入地优化模型性能,并提供更加定制化的服务。这种方式的优势在于它能够提供高度定制化的解决方案,更好地满足客户的个性化需求。不过,原生模型的研发和维护成本较高,且对厂商的技术实力有较高要求。

  在实现RPA与大模型技术融合的过程中,厂商需要综合考虑市场需求、技术能力、成本投入和客户反馈等多方面因素。每种融合方式都有其特定的优势和局限,厂商需要根据自身的资源和战略定位,选择最合适的融合策略。同时,随着技术的不断进步和市场需求的变化,厂商可能需要不断调整和优化其融合策略,以保持竞争力。

  需要指出的是,在RPA与大模型技术融合的进程中,企业与技术供应商正共同面对一系列挑战,这些挑战不仅涉及技术层面,也关乎法规、人才培养以及成本效益等多个方面。

  技术整合的复杂性是首要难题,大模型的集成需要解决与现有RPA系统的兼容性问题,同时保证系统的稳定性和响应速度。正如艺赛旗指出的那样,我们需要根据应用场景的不同,在众多大模型中做出选择,这可能涉及到语言理解、知识获取、推理能力、数学技能、代码生成、智能体设计以及许可证等方面的考量。另外,我们需要设计和优化集成大模型的门控网络服务,以实现高效的模型运行和管理。其中的困难点是需要选择合适的专家模型,并制定出最优的组合策略,以便将模型生成的最佳路径和结果反馈给用户。

  大模型对数据处理的能力要求极高,这不仅涉及到数据量的庞大,还包括数据的多样性和质量。企业必须确保拥有足够的计算资源和存储能力,以支持大模型的训练和部署,这直接影响到成本控制和规模化部署的可行性。

  大模型的泛化能力是另一个关键点,尽管大模型在特定任务上表现出色,但要使其在多变的企业业务流程中保持高效和准确,需要模型具备强大的适应性和灵活性。这同样适用于系统集成与兼容性问题,因为RPA系统必须与企业现有的IT基础设施无缝集成,且不影响现有系统的稳定性和性能。

  使用者真实的体验也是一个不可忽视的方面,大模型的引入旨在提升用户与RPA系统的交互体验,但这也带来了对系统界面和交互设计的高要求。同时,系统的响应速度和准确性会直接影响用户对RPA产品的满意度和信任度。

  目前,大模型与RPA的融合技术还处于发展阶段,需要持续的技术创新和系统优化。

  除了技术难题,还有一系列问题需要解决。例如,在数据安全与隐私保护方面,随着自动化流程中涉及的敏感数据日益增多,企业必须确保其数据处理活动符合法律法规,并采取有效措施防止数据泄露和滥用。此外,人才培养与教育需求的挑战也不容忽视。RPA与大模型融合技术的发展速度远超现有人才培养体系,导致市场上对此类复合型人才的需求远远大于供给。企业需要投入更多资源进行人才培训和教育,以填补这一缺口。长期投资与成本效益分析也是一个重要考量,融合技术的初期投资较大,企业决策者需评估这一投资的回报周期和长期价值。随技术的慢慢的提升,企业还需考虑持续的更新和维护成本。

  面对这些挑战,企业需要采取积极措施,如加强与技术供应商的合作、投资人才培养、制定长远的技术发展策略等,以确保RPA与大模型融合技术能够为公司能够带来最大化的价值。同时,政策制定者和教育机构也需要关注这一领域的人才培养问题,通过制定相关政策和教育课程,为行业的健康发展提供人才保障。通过这些努力,RPA与大模型的融合技术将更好地服务于企业的数字化转型,推动整个社会的生产力进步。

  本文为澎湃号作者或机构在澎湃新闻上传并发布,仅代表该作者或机构观点,不代表澎湃新闻的观点或立场,澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。