RPA全称Robotic Process Automation，中文名机器人流程自动化，使用机器模拟人类的操作，执行各种重复、流程化的任务。

发展历史

  • 第一阶段：辅助人类完成特定的任务，比如Excel中的宏，整个过程需要人工干预
  • 第二阶段：可以独立地完成业务流程中的部分工作，但是需要人工的控制和管理
  • 第三阶段：使用一些基础的感知能力，自动化地完成一些复杂的操作，比如写邮件、开发票等
  • 第四阶段：利用人工智能技术，包括机器学习和自然语言处理等算法实现理解业务、自主决策甚至优化任务执行步骤等

应用领域

  • 客服自动化：通过结合AI和RPA可以实现自动回复用户咨询、快速处理订单等操作
  • 财务流程自动化：结合OCR技术可以实现自动识别提取发票、自动生成报表等操作
  • 人才招聘自动化：实现高效整理人才简历、智能邀约、面试助手等功能

头部厂商

  • 国外

    • UiPath：BS架构，提供直观易用的界面，并且拥有广泛的用户社区
    • BluePrism：CS架构，面向企业提供安全、可控、智能的自动化平台
    • AutomationAnywhere：CS架构，主要面向开发者并提供脚本功能

  • 国内

    • 金智维：内置大量的rpa函数和应用操作经验，提供ocr+nlp等ai能力，擅长金融领域
    • 来也：收购了UiBot，提供可视化编程、流程录制、双类型切换等功能，擅长政企

分类

  • 有人参与自动化：这类自动化需要和人类配合，只能完成流程中的一部分任务
  • 无人参与自动化：这类自动化可以按预先定义好的流程自动完成全部任务

常见组件

  • 自动化核心：负责与具体的业务系统交互，识别、控制操作目标
  • 流程设计器：负责设计RPA的执行流程，一般通过录制视频或者通过低代码workflow编排，在未来也可以由AI大模型来设计流程
  • 算法工具库：提供OCR、NLP等算法能力
  • 运维监控：负责监控管理RPA机器人的调度、执行、日志

自动化协议/工具

自动化核心主要有2类任务，分别是对操作目标的定位和控制。

  • 兼具定位和控制的协议/工具
    • WebDriver: 由Selenium推动的浏览器控制协议，被大多数浏览器接受，主要工具有Selenium、WebdriverIO，而Appium将自动化的对象由浏览器扩展到了桌面和移动设备
    • CDP(Chrome Devtools Protocol)：类Chromium浏览器的调试协议，可以实现检查、调试、控制等功能，主要工具有Puppeteer
    • WebDriver-BIDI：由于WebDriver效率较低，且不支持低级别的控制；CDP只能在类Chromium浏览器中使用，因此WebDriver-BIDI吸取了前两个协议的优点，设计了一套面向未来的自动化标准，支持高效传输、低级别的控制和跨浏览器兼容
    • Win32 API: Windows操作系统的底层API
  • 额外的定位方式
    • CV：利用计算机视觉对屏幕元素的识别和定位
  • 额外的控制方式
    • 模拟鼠标、键盘的操作

refenerce