传统旧式RPA（机器人流程自动化）依托脚本技术实现业务流程提速与规模化执行。然而，在生成式AI时代到来之前积累的一些经验教训，至今仍然适用。

图源：ArtemisDiana

各行各业各种规模的企业都在快速部署生成式AI和AI自主智能体来推进流程自动化。但多数落地项目难以达成预设业务价值。

有些原因与新技术自身特性有关，但另一些问题其实我们本应做好准备——因为我们在RPA时代就已经遇到过这些问题了。而在追捧新技术的浪潮中，一些教训正在被遗忘。

数字化转型公司Globant的数字创新SVP（高级副总裁）兼技术VP（副总裁）Agustin Huerta（奥古斯汀·韦尔塔）表示：“这个智能体新时代让我们再次面对同样的挑战。我们需要回顾多年前那场技术革命发生时处理过的这些问题。”

这些挑战通常包括：为自动化选择合适的流程、搭建系统来管理这些流程、确保自动化流程获得正确的输入，以及管理自动化带来的更广泛影响，包括文化层面的影响。

一、选择正确的流程进行自动化

Novo Nordisk数字化转型官Stephanie Bova（斯蒂芬妮·博瓦）表示，RPA的所有经验教训都在延续，包括最重要的一条：能自动化并不意味着应该自动化。

她说：“我们在开始构建之前会深思熟虑。谁来维护？文档存在哪里？”

当然，还要看流程本身是否完善。她补充道：“我们不会在尚未优化的流程上搭建任何东西。我们已经两年没有在未优化的流程上部署过技术了。”

公司现在对自动化的推进规模更加审慎，但在RPA推广初期并非如此。她说：“曾经有一段时间，每个想要自动化的人都能得到定制方案。但我们在推广智能体方面不会再这样做了。”

她表示，项目必须有切实的业务收益。“如果能展示业务成果，我们会考虑推进，”她继续说道，“但我们无需大批量、无规划上线数百上千个AI智能体。我们希望所有智能体都标准化、可监控、可管控、可审计。”

Huerta（韦尔塔）表示，十年前RPA也出现过类似情况，当时易于使用的自动化工具向普通用户开放。

他说：“在没有适当治理的情况下部署这些工具，系统就会暴露在风险中。它们开始给公司的整体基础设施带来压力，而且有些机器人从一开始就无法实现投资回报。流程确实跑得更快了，但云资源消耗也更多了，最终你把流程中省下的钱全都花在了云基础设施上，总ROI（投资回报率）归零。”

二、自动化并非“一劳永逸”

法律服务公司Purpose Legal对基于生成式AI的自动化采用了与上一代自动化相同的基本方法——基于ML（机器学习）、人工监督和对自动化流程的严格验证。

以法律证据开示（司法程序中双方交换证据的环节）为例，这一环节需要生成文件并与对方当事人共享。

Purpose Legal首席创新官Jeff Johnson（杰夫·约翰逊）说：“意外泄露敏感数据是一场噩梦。我们必须始终评估数据。尤其在法律服务场景中，需要设置人工复核风控防线，确保流程不出偏差。”

缺乏这种监督，问题可能迅速升级。

他说：“如果你做出了错误决定，可能会被法庭训诫、输掉案件，甚至完全失去客户。过去过度信任自动化时就有过这样的教训。”

他表示，如今的AI工具可能更加先进，但并非完美无缺。“即使在生成式AI时代，这仍然是我们需要警惕的问题，”他补充道。

如果说有什么不同的话，由于AI能够以更大的规模运作，且看起来更具权威性，监督变得更为重要。

Johnson（约翰逊）说：“律师们现在更倾向于信任自动化，因为它与人交互的方式更像真人。它确实能给律师提供文件摘要，看起来像是另一位律师写的，但这并不意味着内容就是正确的。”

三、种瓜得瓜，种豆得豆

对优质输入的需求可以追溯到计算时代之初，甚至更早。“如果我们不提供优质输入，不设置好AI获取输入渠道的管控边界，就会得到糟糕的决策，”Johnson（约翰逊）说。

毕竟，无论部署RPA还是生成式AI，数据质量都是任何推进自动化的企业需要关注的问题。

“AI自主智能体无法解决全部数据质量问题，”Siemens（西门子）美洲区新系统项目与生命周期管理总监Sabrina Joos（萨布丽娜·约斯）表示。但她指出，问题表现方式有所不同。

在RPA领域，数据质量主要涉及结构化数据和稳定输入。例如，如果数据格式不符合RPA的预期，它可能就无法执行。

她表示：“对于AI自主智能体，数据质量问题变得更加复杂。不再仅仅是数据是否正确的问题，而是数据是否完整、在上下文中是否有意义。”

AI系统可以接受非结构化输入或模糊数据并加以理解，但并不总是能正确解读。

Joos（约斯）说：“我们不太在意格式或拼写错误，因为这已经不再是大问题。但如果（数据中）存在错误的假设，流程还是会照常执行。这正是风险所在——它会规模化地将微小错误在全业务规模中无限放大。”

她举例，AI可能将两个名称相似的项目混淆。“又或者，在处理制造业方案时，它可能无法识别系统的物理约束，试图优化并执行机器无法完成的操作。”

再或者，两个人对同一问题的理解可能不同，甚至可能不存在客观标准答案。

她说：“你需要预判哪些环节会因为现有信息并不充分而产生解读偏差。如果能识别出这些环节，就可以触发澄清提问。如果我收到一份客户描述，我对它的理解可能和你不同。”解决这类问题可能需要与销售团队进一步沟通，或是和原始信息来源再次核对。

ABBYY的AI价值管理总监Jon Knisley（乔恩·尼利斯利）表示，这些数据质量问题需要尽早纳入考量。

他说：“在非生产环境中跑试点很容易。但当你尝试把它部署到生产环境时，数据问题就会浮现。数据从哪里来？风险因素是什么？”

这时候治理问题以及其他挑战也会随之出现。他说，这些都是企业在上一代自动化和RPA时代就需要掌握的基本功，因为我们已经经历过类似的技术周期。

四、重视转型管理

Knisley（尼利斯利）表示，最容易被忽视的是转型管理。

他说：“AI项目不会因为模型本身而失败。失败的原因在于人和流程。而目前技术、人员和流程三者之间还没有达到平衡。尤其是在北美，我们总想用技术解决所有问题。但现实世界并非如此运转。”

2019年，根据Forrester（弗雷斯特）受UiPath委托开展的一项调查，82%的受访者表示转型管理是RPA部署过程中的一大挑战。如今情况依然如此。在Kyndryl（勤达睿）近期对超过1100名商业领袖的调查中，79%的组织表示AI的发展速度已超越了其员工队伍、治理和运营模式的准备程度，仅9%的组织实施了转型管理、围绕AI重新设计了岗位并做好了员工队伍准备。

全球领先律师事务所Herbert Smith Freehills Kramer的应用AI总监Rahul Chhabra（拉胡尔·查布拉）表示：“在任何数字化转型中——现在依然如此——最大的挑战就是转型管理。”

而且挑战变得更加艰巨。尤其是AI领域，技术演进速度之快使转型管理成为一个不断变化的目标。

Chhabra（查布拉）说：“在RPA时代，事情相对简单。我们有现成的标准化人员培训框架可以用来培训员工。这些经验仍然有效，但必须对相关流程进行优化。”

当下适用的落地方法，短期内可能就不再适用。他补充道：“你必须不断迭代。过去有效的方法可能很快就会失效，只在某些模块中还能使用。所以不要试图一次性解决整个问题。”

员工不仅需要持续学习新技能、适应新的工作流程，知识型员工尤其还要面对自身工作价值会被AI替代的恐惧。当AI领袖放大这种恐惧时，情况更加不利。例如，Anthropic CEO（首席执行官）Dario Amodei（达里奥·阿莫代）预测，AI将有能力在不到5年内胜任大部分甚至全部工作，而不仅仅是初级岗位。

“如今，如果律师做10项工作，也许其中4项会被替换，”Chhabra（查布拉）说。但这并不意味着每10个律师中就有4个会被裁员。即使大部分工作被自动化，他补充道，律师要做的事只会更多，不会更少。

他说：“如今，一个诉讼案件可能价值100万美元。但如果成本降到15万美元，就会有更多案件被提起。进而诉讼总量会增加，律师的工作量也会随之增长。”

五、RPA并未消亡

那么RPA已经过时了吗？EY Americas（安永美洲）数据与分析负责人Traci Gusher（特蕾西·古舍）表示，RPA本身并不智能。“它有用，但不够智能。你无法用RPA重构流程，因为它的技术先进性不足。”

因此，大约15年前，在RPA发展大潮中，企业都在探索如何在自身流程中使用RPA，但收益极为有限。

她表示：“RPA从未表现出足以吸引投资者眼球的成效。它从未达到那种影响力级别。”

她表示，如今许多公司在AI方面犯了同样的错误。企业应当从头重构现有流程，而非仅仅在现有流程基础上叠加AI。“如果只是小修小补，你不会得到想要的结果，因为改动太小、太渐进。这就是为什么我认为RPA在过去一段时间逐渐式微。”

但她补充道，AI实际上可以让RPA重获生命力。

她表示：“在AI浪潮中，RPA仍然有其一席之地。你可以将RPA用于任务层面和交易层面的活动，并与智能体集成。这可能是最具成本效益的方式。”

与AI自主智能体不同，RPA是确定性的、完全可预测的，可以在本地机房私有化部署而不泄露任何敏感数据，且不产生词元费用。

ABBYY的Knisley（尼利斯利）表示：“我们见过顾问说这件事需要用AI自主智能体来做。但他们没有任何可靠性保障或管控措施。他们最终想做的事情，用Regex（正则表达式）就能完成，成本只有十分之一，效率却高出10倍。你必须想清楚什么时候该用智能体、什么时候该用脚本、什么时候该用正则表达式。”

因此，许多公司并没有抛弃RPA、全面押注AI自主智能体，而是采取了更为审慎的策略：对不需要智能的流程使用传统RPA，同时利用AI来辅助设置、测试、管理和升级RPA，兼得两者之长。

Chhabra（查布拉）表示：“我认为RPA是一项非常强大的技术，在当今世界仍有用武之地。尤其是对于需要确定性的场景，或者当你自动化高风险、强合规业务任务时。你可以PII（个人身份信息）脱敏，但对公司来说仍然是风险，所以我宁愿使用脚本或某种形式的RPA自动化。”

他补充道，许多治理规则将是基于规则的，或基于RPA实现的。

他说：“有很多营销话术说RPA已死。我不这么认为。即使是AI供应商在后台也在使用RPA，只不过现在改名叫工作流自动化了。”