RPA是全球企业软件领域中增长最快的细分市场。

社会正处于一个由信息化向自动化，由自动化向智能化转型的时代，人工智能正渗透到各行各业，然而在面对个性化的场景、分散的系统和散落的数据时，如何通过人工智能为社会带来价值？构建数据中台或者PaaS平台也许是好的选择，但这些举措往往成本高企，过程漫长，前期企业很难为此买单，相比之下，RPA（机器人流程自动化）作为一个成熟却受限的应用一直被低估，它有着成本低，落地快的优势，可以成为当下人工智能最好的接盘侠。

基于这个目标，我们提出了“章鱼数字员工”的概念，RPA相当于章鱼的多条触手，执行多项复杂操作，AI相当于章鱼的大脑，做出合理的智能决策，组合而成就是一个无实体形态的“章鱼·数字员工”。设想一下，未来一个人带领一群机器人工作的场景，这将成为我们最先看到的未来。相比于唤作机器人，我们更愿意称之它为“数字员工”。

「实在智能」的产品以AI+RPA为主打，由AI云脑(Z-Brain)、机器人工厂(Z-Factory)、中枢控制台(Z-Commander)、终端机器人(Z-Robot)四部分组成，其中终端机器人(Z-Robot)可单独使用，也可结合企业所需嵌入某流程中使用。

一、Z-Factory机器人工厂

RPA的核心部分，又叫流程编辑器。基于前期对企业客户及RPA的研究调查，我们配置的流程编辑器拥有强大的稳定性和兼容性，同时内部组件库深度汲取了人工智能“SOTA”技术，能充分适应企业级复杂流程的创建与运行。

1、可视化低代码，小白也能轻松上手

当用户登录Factory系统的时候，可以快速的开启原历史打开或创建的应用。我们可视化的、流程块的节点编辑，通过简单的拖拉拽，就可以搭建符合当前用户场景的业务逻辑。如果对业务流程一知半解也没关系，我们内置了丰富的典型案例，用户可以在这案例的基础之上去构建适合它的场景的应用，做相应的简单的改造。当然也可以直接运行典型案例的流程，享受流程自动化带来的快感。

2、精准处理复杂流程，企业级管理就是小case

我们自研的RPA流程引擎相较于传统的开源的Work Flow的流程引擎，它能支持复杂场景的流程设计，并支持多任务进行以及支持流程节点的异常处理。以下面两个真实的案例客户为案例：

从这个流程图当中可以看到，在繁杂的业务流程中，Factory能完成多任务并行，同时处理各种异常情况的扭转，我们也在这个流程节点中加了一些Try-Catch的机制，方便我们用户处理各种异常情况。

3、智能检索+超丰富组件库，花式打造各种流程

我们的AI能力通过组件化低门槛的方式，方便用户进行简单的调用，同时我们也支持私有化的部署。我们自研的基于计算机视觉的cv的组件，当前已支持了Flash、Sliverlight以及PDF相应的一些图片上面的元素的拾取和操作。当然在其他类型，如OCR类型，我们已支持常见场景的图片类识别，比如说身份证、银行卡、对账单、保险单、工业巡检等；在NLP这个类型中支持了具有通用性原则化的一些分词，包括关键词提取、语义分析、语义相似度分析等。最后，我们可以根据客户的场景去研发符合业务需求的能力。

4、公共参数可视化，既是拥抱变化也是维持稳定

大家都知道在互联网行业里，我们听得最多的一句话就是拥抱变化。RPA数字员工，在安装部署的过程当中对环境的要求是非常的高，如果任何一个环节出现了变化，它的可用性就基本上降为0。有了公共参数可视化的配置组件，就完全可以解决以上这个问题，让我们数字员工具有能够拥抱变化的能力。它的实现的原理跟机制是把我们流程当中具有可变的因素、条件设为全局变量，支持可视化的配置输入，然后就可以提升我们整个流程应用的一个可维护性、可适配性。

二、Z-Commander中枢控制台

充当流程的指挥官。顾名思义，统筹多台设备上客户端机器人的管理和监督、进行智能运筹调度、任务计划制定。它具备一高一低两个特性：一、产品的稳定性高，二、维护成本低。（没啥特别的，这一段简单带过~）

三、Z-Bot终端机器人

任务的执行者，其中Bot包含三种模态：任务式，流程式，交互式。它们可以灵活部署在客户端设备上，并通过时间轴和数据看板的方式展现Bot各个时间节点上，每个任务执行情况以及执行结果，让效率进一步得到提升。同时Bot也具备了Z-Commander的一些基础的能力，它可以脱离Z-Commander的进行灵活的一个控制，灵活的任务管理，灵活的定时任务设定。

四、AI云脑

实在智能在传统“三件套“架构的基础上，独创了自研AI能力平台“智能云脑”Z-Brain。其中，在自然语言处理领域，Z-Brain覆盖了包括BERT、ALBERT、RoBERTa等最新算法；在计算机视觉领域，Z-Brain覆盖了DB、PMTD、RARE等最新算法。具备高效迭代、自动调参、多场景融合技术，可以输出AI组件，完成大规模复杂场景的智能决策。

首先是云脑部分的起点——Data Hub多元异构数据平台，由它接触我们客户的业务系统，进行数据的采集以及进行简单的处理，并将处理过后的数据传输到我们的标注平台，我们的业务专家，在标注平台进行业务能力的一个标注，然后实现人工智能的人工部分，通过标注过后的数据，再以在线的方式传输到我们的算法平台，相当我们人工智能有了数据的石油，算法平台里面可以进行数据的提炼（预处理），包括模型的构建、参数的设置、模型的训练以及最后的打包发布，可以将模型直接发布到我们的决策平台，由决策平台来进行业务的对接以及模型的一个计算，决策平台会将后续从Data Hub过来的业务环境的数据进行一个模型的计算，最终输出计算结果或者是决策方案，然后由这个方案发布送到我们的Commander，Commander来调度具体的Bot来进行根据决策进行相应的一个执行。

这就是我们智能决策机器人的全链路，它实现了一个从数据到决策的闭环。我们相信AI+RPA有着无限的可能，在未来机器人的协作里，RPA的发展肯定是机器人之间的协同工作能够产生无限的自动化和智能化提效的解决方案，我们首先需具备AI加RPA的产品矩阵，并以此形成适用于各行各业的RPA解决方案库。

五、应用流程

从上图可以看到，整个流程实施的路径图，从指令的下达、分析、到执行一气呵成。

注意RPA是部署在电脑端口的机器人，并非实体机器人。

六、实施案例

XX银行业务发展可能存在的痛点：

• 人力、运营成本高 • 盈利弱、部分业务高度依赖人工

• 在“人口红利”逐渐消失的背景下，行内诸多业务中仍有许多重复、简单、繁琐的事务性流程工作需要大量的人力来完成，人工成本压力越来越大，需要更多自动化、智能化的技术赋能行业降本增效。工作效率低、客户体验差、系统负担重

• 行内针对流程类工作的“传统软件”更多的是对整个工作整体进行设计，数据库操作、报表操作、数据计算等软件依然需要人工操作。人工仍然需要应对软件中大量的事务性流程工作，工作效率亟待提高。

• 业务数据分散、监管报送量大、合规需求高

传统人工业务操作中，客户风险等级评估、客户预约、客户信息登记、风险提示、购买、审查审计、数据监管报送等业务办理环节，业务合规需求相对较高。

“数字员工”建设及应用实例

宁波银行数字员工池建设规划

建立1个数字化虚拟人力资源中心，引入数字化员工（等效雇佣近千名员工）覆盖行内9大业务场景，助力宁波银行提质、降本、增效。

应用场景示例

• 反洗钱尽职调查

• 业务场景：由机器人自动访问反洗钱预警系统，提取预警信息，并自动下载对应人的交易信息数据（数据量大，通过人工翻页一份交易信息下载通常需要10分钟以上）；

• 业务流程说明：

• 通过行内业务系统查询客户的账户、资产、负债、交易明细等信息；

• 通过互联网访问司法、工商、监管等网站，获取更多与客户省钱风险相关的外部数据；

• 为构建客户关联关系网络，准备刻画客户画像，实现KYC （know-your-customer：了解客户）智能化。

• 实现价值：机器人自动汇总下载的交易信息并归档，同时根据交易信息、预定模板和分析规则自动产生反洗钱分析报告，通过电子邮件发送反洗钱专员复核后上报反洗钱系统；7*24小时循环优化处理；准确率100%

• 报表报送数字员工

• 业务要求：每月月初1号10点之前，自动将统一监管报送平台中的1104法人报表、分支报表，法人报表分发给各业务部门，分支报表分发给各异地支行。

• 业务流程说明：

• 机器人自动登录“统一监管报送平台”查询并下载“1104法人报表”、“分支报表”并存储至本地文件夹；

• 机器人自动读取各业务部门邮箱列表发送“1104法人报表”；

• 机器人自动读取各异地支行邮箱列表发送“分支报表”；

• 邮件发送结果日志及本地表格记录，用于发送结果回查；

• 实现价值：符合时效性要求，降低人力成本，准确率100%

其他AI+RPA数字员工赋能的银行场景