科技界有一個“泥流假說”（technology mudslide hypothesis）：企業在面對永無止境的科技變革時，就像在泥流上求生，它必須永遠保持移動，稍一停頓，就會遭遇滅頂之災。

這是作家克里斯坦森在《創新者的窘境》一書中闡述的重要原理之一。數字中國建設中提到ChatGPT讓人工智能重回話題中心。如同每一次新技術降臨時，企業都會對降維打擊充滿擔憂一樣。沒人希望在公路上開車，被突然襲來的隕石砸中。

相比于討論AI是否會取代更多人力資源，企業會更關心更終極的問題，即一個企業的生產模式會不會被重新塑造。

在這個泥流加速的過程中，我們已經看到了國內頂級公關公司藍色光標取消了所有的人力外包服務，轉而向大模型追求文案生產的效率和質量，也見證了百度、阿里巴巴、騰訊、字節、京東、知乎、有贊紛紛拋出了自己的大模型系統。

而最近又火出圈的AutoGPT，則向我們展示了生產方式又一次革新的重大可能：

基于自動化+人工智能的思路，有可能讓機器圍繞工作目標，給自己下達指令，并處理任務，實現成果。

實際上，很早就有專家曾將AI與RPA（流程自動化）的關系比作人類大腦與手腳。2023年，伴隨GPT等大語言模型的涌現，這一愿景正在變成現實。

ChatGPT的精進之處在于它能夠理解用戶意圖。通過GPT大模型與RPA的結合，RPA的自動化能力特別是其智能化能力有了質的飛躍。

據IDC預測，明年全球將有45%的重復性工作通過AI及RPA提供支持的數字化勞動力實現增強；而截至2024 年底，全球RPA市場將以16%的CAGR（復合年增長率）增長至300億美元。

未來，讓機器人來接替人類完成哪些繁瑣、重復、無意義的勞動，顯然是大勢所趨，也是眾望所歸。工業革命后的機械化大生產已經證明了對生產資料保存舊價值，和創造新價值之間巨大的差異與鴻溝。

而這個世界終究由創造新價值的人所創造。

只是，隨手一個brief，接下來就是一片坦途嗎？

對此，億邦動力總編賈昆聚焦AI及RPA賽道，與連續兩年同時登上全球權威評測機構Gartner魔力象限和Forrester Wave報告，并被認可為中國RPA產品能力第一的弘璣CPO（首席產品官）賈巋博士，就上述問題進行了深入對話。

弘璣CPO 賈巋

I 畢業于清華大學，獲工學博士學位

I 在美國硅谷工作二十余年，長期負責企業軟件和云計算的產品研發

I 歷任UiPath全球研發中心高級研發總監、思科云分析產品首席架構師、亞馬遜云計算AWS主I 任架構師、微軟AZURE云計算主任架構師等

在訪談中，賈巋提到：

1 相比于“Chat”，重要的是背后的GPT（Generative Pre-trained Transformer ）大模型。隨著RPA和GPT的結合，以前的“AI + RPA”已經進化到“AI × RPA”的階段，AI將驅動RPA機器人產生、執行、交互和分析，影響RPA的全生命周期。

2 完全的“無人化辦公”不太可能出現，但將產生“數字化組織”概念。即：未來的企業組織將由人和數字員工共同組成，且二者比例將越來越接近平衡。過去人與系統的二元關系，轉換為人、機器人、系統的三元關系，稱之為：人機共舞。

3 GPT作為人類和系統之間的一個自然翻譯接口，并不會顛覆RPA。相反，GPT和RPA將共同進化。一個代表機器大腦進化，一個代表機器執行力和操作能力的進化，兩種能力將共同發展。

4 OpenAI對科技界的最大沖擊是，當它對人類語言與文化特征建立一定認知后，人類只需要對特定領域進行定制化微調和微訓練。未來RPA能夠實現自主修正，并通過數字化操作在自己的領域內積累知識，融合更多業務能力。

5 未來，AI技術的使用會變得平民化，通用AI將成為類似電腦操作系統或瀏覽器一樣的基礎工具。人類不應該過度感性化或過度高估其價值。并且在飛速發展的同時，不能忘記合規是數字技術發展和應用的底線。

以下為雙方對話實錄：

01

把人從系統中解放出來

Q：2017年時，億邦就曾關注AlphaGo。當時我提出過一個想法，即：電子商務可能會演變成智能商業。當時還創造了一個詞——“智商”，即從電商到智商。但現在我們看到，當時的很多概念，如無人零售、無人超市、無人貨架、無人配送和無人駕駛，但在這些領域中真正形成規模的并不多。

因此，我想問的第一個問題是：這一輪OpenAI所帶來的創新與應用，與以前有哪些本質區別？

弘璣賈巋： 確實。AlphaGo讓普通人第一次認識到了AI的強大，以前大多數人認為AI只是科學家的事情，有點像科幻小說，不太清楚它具體能做什么。而AlphaGo打敗李世石也是第一次讓普通人了解到AI的強大。

不過，回看AlphaGo，它的核心技術是深度學習和強化學習，并沒有通用預訓練大模型的概念。

如果站在更長的時間維度上來看AI，自圖靈提出人工智能的概念至今已經有40-50年的歷史，人類系統地研究AI也有30多年的歷史。AlphaGo并不是第一個深度學習的項目，它只是第一次在公眾視野中被展示出來。

這次ChatGPT給人們帶來的震撼比AlphaGo更強烈，它讓人類第一次認識到AI可能會影響到每一個人的生活方式和工作方式。

ChatGPT的出現將重新定義人類的工作方式、企業管理方式、客戶溝通方式、員工生產力以及代碼編寫方式等，使得我們不得不重新定義人與系統、人與機器，以及人與網絡世界的關系。一個現實就是：無論你愿不愿意接受AI，它已經在我們生活之中了。

另外，我認為ChatGPT中更重要的是GPT。

GPT使用了Transformer神經網絡架構，這是一種用于處理序列數據的模型，能夠在輸入序列中捕捉長期依賴性。而弘璣是從事RPA的，我們與GPT想改善人類生活、生產方式的想法殊途同歸。

UiPath的創始人曾分享過，他認為人不應該為系統服務的奴隸。但是現在，信息化系統越建越多，人反而變成了為系統服務的對象。

造系統本來是為了簡化工作，但到了企業內部，越建越多的系統像林立的“煙囪”，使得業務人員的工作負擔越來越重。有個大客戶曾跟我們說，不要再給他們添加新系統了，他們已經有了四五套系統。

與之相比，RPA的操作方式就簡單多了。RPA的初衷是幫助人們解決那些重復、繁瑣、零散又易錯的工作項，提高他們的工作效率，使得人類員工可以專注于更有創造性、分析性、預測性和規劃性的工作。傳統的RPA就像一個靈敏的數字手指，可以在屏幕上填報和執行任務，但它缺乏對人類意圖的理解。

從生產力角度來看，微軟的Copilot和office365，就是人類把自己的想法用自然語言表達出來，AI就能夠自動幫你生成，相當于給你配備了一個更智能的數字化工作助手。

現在，隨著RPA和GPT的結合，以前的“AI + RPA”已經進化到“AI × RPA”的階段。RPA可以通過大量的互聯網語料和文本預訓練來理解人的意圖，使之變得更智能。

今年，我們將看到一些具備新功能的RPA產品陸續發布。其中GPT生成式AI將在其中起到重要作用，它將驅動RPA機器人產生、執行、交互和分析，影響RPA機器人的全生命周期。

Q：“自動化”和“智能化”之間的關系是什么？

弘璣賈巋： GPT作為人類和系統之間的一個自然翻譯接口，它的到來令我們非常興奮。我們不認為GPT會顛覆RPA，相反，我們認為：GPT和RPA應該共同進化，一個代表機器大腦進化，一個代表機器執行力和操作能力的進化。兩種能力應該共同發展，而不是誰取代誰。

我認為技術和產品就像正弦曲線和余弦曲線，它們相差90度，不斷滾動式地推動前進。

AlphaGo雖然本身產品不夠驚艷，但起到了教育意義；ChatGPT則將技術延伸到了另一個高度。人工智能之所以驚艷，是因為人們發現它能夠模擬人類，具有驚人的交互能力，“蒙上眼”我們甚至都不知道它究竟是人還是機器。

RPA也如此，最初的產品版本只是幫助人們點擊鼠標、打字，但隨著產品的迭代與升級，它到底能有多大的“威力”，誰都不確定。可以確定的趨勢是，未來5-10年，RPA數字機器人將像手機和電腦一樣普及，甚至人們自己動手打字的機會都有可能越來越少。

數據顯示，UiPath預計今年機器人部署量將突破20萬。而弘璣的RPA部署量今年也將突破5-6萬個，也是目前國內部署機器人規模最大的AI企業級應用服務商。這意味著，未來，企業人類員工和數字員工的比例可能達到1:1，甚至更高。

Q： ChatGPT作為一個通用大模型，打破了我們過往對垂直行業的know-how邊界。您剛剛提到，企業可能部署了成千上萬個RPA機器人，每個機器人從事的技能都非常垂直。未來，RPA機器人是要做通用型還是專精特深？

弘璣賈巋： 從技術方向上看，傳統AI是根據一個狹窄場景、一套樣本去反復豎向訓練，模型參數相對較小。OpenAI對科技界的最大沖擊就是，它為我們開辟了一個新的方向，證實了AI是可以基于某種程度的通用人工智能進行領域化微調和再訓練定制的。

它不僅能夠理解人類的自然語言，而且當它對人類的common sense建立一定認知后，我們只需要對特定領域進行定制化微調和微訓練，未來的智能RPA機器人便能夠實現自主修正，并在自己的領域內積累知識，融合更多業務能力。

我們生活在一個充滿創新的時代，當像GPT這樣的技術出現時，我們應該保持開放和積極的態度，看看它能否應用到我們的工作、生活領域。但與此同時，數字化并不是從一個極端到另一個極端。現在國內對ChatGPT的態度有些過熱了，作為一個在行業里沉淀了幾十年的人來看，技術的高度和廣度需要經過七八年的真實場景擠壓，才能回歸理性。

02

人的技能也能被數字化

Q：過去人被低效能的勞動綁架，今天人又被為了解決低效能的系統綁架，影響了人和企業的敏捷性。技術的目的反而成了手段。人如何才能被系統解放？

弘璣賈巋： 盡管目前國內對于數字化轉型的認知仍停留在建設大型系統平臺、上云等階段，但在數字化時代，人機融合是根本，即人與系統、電腦、智能之間的融合。數字化的初衷是將人從繁瑣的底層工作中解放出來，讓機器人來代替完成，使人可以專注于自己擅長并更高階的事情，例如創造、創意、分析、規劃和預測等。

舉個例子，對零售品牌來說，線下渠道會分很多層。數據不在品牌商手里，除了銷售，沒有人知道一線到底賣得怎么樣。總部需要數據，就得人工錄入，會出現錄少錄多或者隱瞞情況。

部署RPA后，品牌商只要有賬號密碼，就可以把數據都拿過來，統一放到集團里面。有了動銷數據，就能實現全國一盤棋，就能實現更精準的營銷資源匹配。

再舉個例子，一個全國連鎖的大客戶，其企業財務核算時需要20位操作人員從晚8點到早8點，連續3天的工作才能完成，累計人工耗時約500小時。其中涉及人員較多，大量人工處理工作，容易導致錯誤。

但在部署了RPA后，數字員工通過大量機器人并發執行流程，在接收數據后，7*24不間斷進行處理，實現自動化流程處理，減少員工夜間進行工作的可能。

而這種數據效率的提升，就源自我們業務系統的快速、柔性搭建。

例如，在設計RPA時，我們使用超級自動化(Hyperautomation)技術，通過向后推進煙囪式業務系統并添加自動化層來實現機器人自動化。我們采用了低代碼技術、智能生成和編排自動化任務，從而形成數字生產力。這種生產力具有動態、可編排、可組裝、可操縱和可監視的特點。

簡而言之，我們研究數字化的初衷是要把人從底層、重復、不應該由人做的基礎工作中解放出來，在我們看來，數字化時代最重要的是人的數字化轉型，也可以理解為人的技能數字化。

Q： OpenAI最近發布的一份報告中指出，雖然AI將影響大約80%的人，但這并不意味著AI將替代掉80%的工作。弘璣現在已經鋪設了數萬機器人來幫助人類員工“解放”雙手，我們是否對一個人的重復性工作占比做過評估？

弘璣賈巋： 如同馬斯洛的需求模型，人類工作也存在層次。最頂層的是創意，這也是價值最高和最困難的。其余的部分可以分為：一，完全可以交由RPA機器人完成的；二，RPA機器人完成后，需要人類復核的；三，RPA機器人無法勝任，但可以為我們打個草稿的。

在我們看來，過去，人類將80%的時間用于重復性和基礎性工作，20%時間花在創造性和創新性的事情上。不過，隨著企業向著“人機融合”的混合制辦公方向發展，人類可以拿出80%的時間，用于處理創造性和創新性業務。

這里就必須多說一句，在我們看來，完全的“無人化辦公”現象是不太可能出現的，未來將會產生一個概念叫“數字化組織”，即：未來的企業組織將由人和數字員工共同組成，只是比例將會越來越接近平衡。

一個很現實的例子就是，我們的一個國企大客戶已經購買了上萬個RPA機器人，他們正在安排員工像以前學習office軟件一樣，學習最大效用地使用RPA。

03

信息化更強調系統，數字化更強調體驗

Q：德魯克曾指出，卓有成效的管理者應面向知識工作者進行管理，這是現代管理的特征。而知識工作者首要的是貢獻更多創造性。因此，知識員工可能會認為自己并不需要數字化系統。

弘璣賈巋： 系統被人排斥，往往是因為它的用戶體驗不好。坦率地說，許多to B系統雖然功能強大，但用戶體驗感卻非常差，界面不友好外。更大的問題是機器無法應變，系統太大太僵化，代碼多達數百萬行，改變或加一個小feature（模塊）都非常困難。

RPA機器人雖然也存在一些局限性，但因為它的footprint更小，應變能力更強。它今天可以幫您報銷發票，明天就可以幫你做會議記錄。隨著AIGC技術與RPA的深度結合，數字員工的“AI生成能力”拓展，未來，智能RPA機器人不僅可以自動執行人類指定的任務，還可以通過識別和理解用戶的語言輸入實現自主編程，提升產品的使用體驗。

我們認為未來的RPA機器人會最終成為可以被大模型生成，驅動和優化的新型智能體。對于to C場景，這種智能體表現為個人行動代理（Action Agent），對于to B場景，這種智能體表現為數字員工或者數字生產力。

再分享一個案例。員工離職時需要與各個部門做交接，但員工不清楚整體流程，導致頻繁咨詢人力專員，也容易對人力部門的專業性提出質疑，甚至會對公司信息安全產生風險。

在應用RPA機器人后，工作人員只需要在公司系統錄入離職員工信息，機器人就會自動下載離職員工需要的材料，并自動發起與各部門的交接審批流，自動申請蓋章。從而使得離職審批流更加清晰，分工更加明確。

Q：市場上的技術可以分為兩種，一種是延續性技術，另一種是顛覆式技術，但顛覆式技術未必帶來顛覆式創新。因此，當我們回看一項技術時，我們應該首先發現顛覆式的創新在哪里，而不是急著尋找顛覆性技術。

弘璣賈巋： 除了顛覆式技術和創新，其中還有顛覆式體驗。

數字化時代給科技行業從業者最大的啟示就是：不能只關注技術，還要關注用戶體驗。

“人機融合”的重要特點是要實現人與機器的無縫融合，而RPA就是一個非常好的觸點，它將成為連接人類和系統的紐帶，這也是我十分看好這一行業的原因。

作為一名to B產品工作者和開發者，我越來越關注B端產品何時能夠像C端產品一樣，為用戶提供一個好的使用體驗。或者說，能否出現一個類似iPhone或TikTok這樣成功的B端產品。

所以，當GPT這樣的生成式技術出現時，我其實很開心。這意味著，B端產品的體驗感將呈倍數增加。

在未來的5到10年內，可能不再存在嚴格意義上的B端和C端，這兩個領域有可能會融合在一起。

Q：信息化以系統為中心，數字化或智能化以人為核心，更強調體驗性。

ChatGPT和RPA都是一種“技術平權”，它們通過降低技術門檻，讓普通人更容易理解和使用這些技術。那么，未來是否會出現這樣一種情況：購買RPA數字員工的并非企業，而是員工個人？是否RPA的商業模式也會發生變化？例如，可以按照單個機器人付費，或者按照個性化場景方式付費，而不再是將整套系統賣給企業客戶？

弘璣賈巋： 沒錯。我們今年就將推出一款名為“RAAS ”（Robot-as-a-Service）的SaaS化產品，將按次數或場景收費，個人用戶可以在云端“貨架”上任意挑選。

顯著的使用區別在于，過去的RPA機器人僅能獨立部署于計算機或手機上，處理基礎業務。如今，多個機器人將協同完成任務，如差旅規劃、采訪報道及報銷發票等。整個流程由一組協作的機器人，而非單一機器人來實現。

機器人帶來的另一個好處是，它們就像一個個數字化觸點，嵌入到了現有的業務流程中。這意味著企業運營可以高度可視化、可分析，不再需要大費周章地鋪設數據倉庫、數據治理平臺或數據中心。這些數字化觸點能夠提供實時數據，并保留了許多上下文信息，從而消除數據流轉時的繁瑣和時效性問題。

Q：克里斯坦森在《創新者的窘境》中提到，技術的核心問題不在技術本身，而是在如何與服務對象或公眾溝通。美國公司在這方面做得確實不錯，他們用一種較生動的方式使得公眾理解并接受了如AlphaGo和ChatGPT等復雜技術。因此，弘璣在向企業“科普”數字員工時，是否有一份“使用說明書”，提示應該注意哪些問題？尤其如何讓企業的數字化轉型思路從以系統為中心，轉向以人為中心？

弘璣賈巋： 馬云說過一句話，讓我覺得很受用。他說，數字化時代比拼的生產力，不再是一天能否生產出幾萬件相同的東西，而是能否在一天內制造出幾萬件不同的、個性化的產品。這意味著數字化時代，未來的生產線需要具備可組合的業務能力，即業務系統不再是靜態的，而是像積木一樣可以靈活組裝。

從客觀上看，企業自身應該也能感受到，數據中臺和系統集成能力已經到達了瓶頸，無法滿足市場越來越劇烈、快速的變化和需求。而要持續性地深化“人的數字化概念”，要求我們：

1、要確保產品功能的質量，RPA機器人必須易于一線員工自下而上地使用。

2、要把握住“AI x RPA”的機會，進一步提升RPA機器人的使用體驗。未來，人們只需要對我們的機器人助手說幾句話，機器人就可以自動生成一個小而全的任務執行模塊。

3、監管也成為了一個重中之重。人工智能因能夠生成各種形式的內容，可能存在欺騙、偏見、剽竊等問題，因此，需要建設相應的監管機制來確保機器人的安全性和可靠性。

以弘璣為例，為確保RPA的安全性和數據隱私性，我們采用了無干擾、非侵入式的方式，以實現跨系統獲取數據。

04

未來企業競爭要嫁接在AI X RPA上

Q：我們看到一個現象，雖然不是所有企業都擁有數字化能力，卻似乎那些擁有數字化的先進企業，擊敗那些傳統公司，從而使整個商業社會的效率變得更高。 未來企業與企業、人與人之間的競爭關系，都要嫁接在AI或RPA基礎上嗎？

弘璣賈巋： 總的來說，“優勝劣汰”的游戲規則在數字化時代依然適用，但具體情況還是要具體分析。比如，不同行業的數字化需求和成熟度不同，造成行業間數字化發展進程不同。

數字化時代“一天制造100萬件不同產品”的要求和挑戰正擺在企業管理者面前，他們需要思考如何沿著自動化來構建核心競爭力。未來，具有生命力的企業一定是那些能夠根據市場情況做出反應，引領行業發展的企業。

此外，對于從業者而言，ChatGPT的出現使得我們需要重新審視未來的職業發展，尤其是如何應對不一樣的工作形式和內容。員工們需要重新定位自己的位置，思考自己在公司中的最大價值和亮點。

Q：目前，弘璣服務的客戶以中大型企業為主，包括央國企和金融機構等。而隨著技術的普適性越來越明顯，將趨向于更微小、更細分的工種或技能方向，未來的組織可能不再是大規模的企業，而是具有創新性的靈活型小型組織。

RPA是不是對創業公司更友好？中小型企業又是否會這樣的機遇呢？

弘璣賈巋： 如果企業實現了90%以上的數字化生產力，那么人類就可以專注于企業戰略，并積極地與上下游企業建立聯系。隨著組織數字化的提高，企業之間的邊界會變得越來越模糊，組織之間，業務能力之間可以快速組合，產生新的業務模式。未來，最有競爭力、最有價值的公司一定是分布式，小巧而對市場反應靈活的公司。

從行業角度看，軟件行業、市場營銷、廣告創意公司可能會更早進入靈活、小規模的互聯互通領域。但是對于制造業、能源業及制藥行業等傳統行業來說，它們仍然需要大量的人員來進行零部件、藥品的制造與研發。

從數字化的進程速度來說，有些行業必須謹慎慢慢來，而有些天生就具備形成數字化工作模式的基礎。

回到剛才的問題，我們的RPA產品并不僅局限于大型企業，只是大型企業存在的數字化堵點更多，比如說員工無法勝任大批量表單核對的工作等等。

數字生產力作為原子，最底層可以拆分為人、RPA機器人和系統。RPA作為一種工作方式，并不局限于某些特定行業和企業規模大小。RPA如何正確落地，在于組織和人員如何管理并運營它。

05

技術爆炸不是勻速的，要隨時應對突變

Q：我十分認同您對數字化的定義，但實際上還有很多企業并沒有形成這樣的認知。科技圈存在著盲從的泥石流假說，人們出于恐慌，往往想要趕緊進入洪流，但這并不意味著他的數字化轉型方式是符合自身業務發展需求的。 ChatGPT、元宇宙和Web3，技術爆炸讓企業難以找到確定性。

弘璣賈巋： 今年我們可以確定的一個事情就是，RPA會變得越來越智能，我們即將進入第二代智能RPA時代。

過去，AI與RPA之間還是一種外掛關系，RPA可以幫助你識別圖表，但它并不理解你在說什么。簡而言之，初代時它只有感知能力，沒有理解能力。今年，隨著“AI x RPA”階段出現，AI從外掛變成了內驅，將推動RPA技術能力的發展和用戶體驗的全方位提升。

Q：最后一個問題是關于科技界的“Gartner曲線”。假設2017年AlphaGo是AI深度學習的高潮期，而后面經歷了幾年低潮，那么如今的ChatGPT到底是上次一AI浪潮進入成熟期的標志？還是開啟了新一輪的技術高潮？也就意味著后面還有一個巨大的“坑”在迎接我們？

弘璣賈巋： 這個問題有點復雜。在AlphaGo之前，還有一個名為“Deep Blue”的程序，它是通過符號方式來實現的，而不是深度學習的方法。

在早期，深度學習被稱為人工神經網絡。但是，隨著時間的推移，AI技術的定義和概念也發生了很多變化，包括未來，人工智能的形態也可能不斷變化。因此，我們不能簡單地將人工智能的發展形態歸為一個Garter曲線的高潮、低潮和正常水平。

在人工智能領域，歷經符號學、統計分析、生成、神經網絡、生成深度學習、強化學習、大模型預訓練模型等4-5代的技術變革，每一代技術雖然都不完美，但它們都相應地解決了部分問題。

例如AlphaGo解決了人臉識別和語音翻譯的問題，但它并不擅長多輪次對話；ChatGPT解決了多輪對話和寫作問題，但并不意味著技術的變化永遠都是無限上升的，它在到達一個峰值時會面臨停滯甚至下降。

OpenAI甚至也表示，不認為他們的GPT技術能夠永遠保持領先地位，可能會經歷幾個技術周期的迭代和演化。

盡管短期內技術發展可能會遇到低谷，但這只是暫時性的。從全局上看，技術能力依舊是不斷變化且向上攀升的。只是它的發展軌跡不是線性的，它在達到一定階段后會下降，但并不會掉到谷底，甚至在下落時就可能產生一些新的東西。

不過，最近幾位業內非常資深的教授都曾表達，他們在研究大模型時發現，AI最近兩年的成果進展堪比過去十幾年的發展速度，時間尺度和技術成熟度變得越來越快。

人類進化了幾千年，而智能技術只進化了幾十年。有些趨勢“在劫難逃”。企業和員工都應該做好準備。

弘璣賈巋： 我們生活在一個技術能力不斷提升的時代，技術的提高可以提升個人生活品質和工作品質。尤其在數字化時代，誰又會愿意成為系統的“搬磚員”呢？對企業和個人來說，數字化、智能化的進步都是一件值得積極推動的事情。

首先是系統的數字化，其次是人的數字化。未來的企業組織里，需要通過系統化的視角完成人的能力升級，用人的視角來做軟件、系統的搭建。完成了人的數字化以后，便徹底突破了人員限制，人從此進入一種四維空間，可以實現無限制拓展。系統數字化加入了人的因素之后，也突破成為了一種更具彈性的系統。

在弘璣與行業領先數字化企業合作過程中，我們也看到，在業務流程中部署的RPA數字員工數量持續擴張，從單點到業務流程，逐步形成日益強大的“數字生產力”。真正面向AI時代的企業應該是液態的，AI與RPA的融合，能做也不只是代替人類完成低價值工作，有了AI的智能驅動，RPA會更像是超自動化的神經網絡，改變整個業務流程的游戲規則。

繼續閱讀：