即日起，AutomationAnywhere首席專家王言將在RPA中國公眾號和官網同步開設專欄，每周一篇深度專欄文章，為讀者深度解讀RPA技術以及未來的發展和應用。點擊RPA全球生態公眾號下方菜單：「深入RPA-王言專欄」即可查看全部專欄內容，歡迎關注！

（21）什么是數字化勞動力（上）

各位聽眾，大家好，我是王言。上一節我為您介紹了RPA技術的四個不同演進階段，在最后一個發展階段中，我們可以看到，當RPA和其他技術，以及人工智能技術結合以后，它會發生很多的變化。

正是基于這樣一個未來的智能流程自動化的設想基礎，在這一節中，我會和您聊聊關于RPA領域中非常有意思的話題，也是一個非常新穎的概念，就是“數字化勞動力”，英文叫做DigitalWorkforce。當一些朋友在初步學習RPA之后，然后又聽到了數字化勞動力這個詞的時候，會產生出很多截然不同的反應。

特別是對于一些技術人員來講，大家覺得RPA就是一種技術實現，有什么勞動力不勞動力的，它不就是一種軟件嗎？大不了它是一種系統平臺，說不要故弄玄虛的玩弄這些無味的概念。

另外，還有一些業務人員，他們對技術細節不是非常了解，但是他們會覺得這些數字化員工未來是不是會替代他們的工作，讓他們失業？所以，也就不太敢接近這項技術。而對于企業的高管，或者企業的經營者來說，數字化勞動力這種來自未來的這種理念其實是可以幫助他們解決很大的問題的，給整個企業帶來流程和組織的一種變革，以及在運營方式上的一種創新。

這三種說法到底誰對誰錯呢？其實我們并不需要評判。當我們有時候看不清未來的時候，我們可以回頭看看歷史的一個發展過程。比較典型的兩個概念，就是我們現在經常談到的大數據和云計算。可能今天大家談起這兩個概念時都覺得已經習以為常了，每天耳熟能詳的能聽到這兩個詞匯。可是，當我們回到十年前的時候，其實這兩個概念也是備受爭議的。

大數據其實在1980年就已經被提出來了，從2009年開始以后，可能大數據才真正的成為技術行業中比較熱門的一個詞匯。但其實在大數據之前，行業內已經有了類似數據集市、數據倉庫，以及各種商業智能的這樣一個工具，也就是我們通常說的BI（Business Intelligence）工具。很多當時的人就認為大數據不過是對于數據存儲和數據分析偷換了一種概念，重新在市場做一些營銷的廣告。而回到今天，大家看看大數據行業的發展情況，就可以看到，其實一些技術的概念不只是限定在技術領域，會延伸到很多商業領域。

云計算也一樣，云計算最早是上世紀90年代就被提出來了，最早是亞馬遜提出云計算的概念，中國其實直到2012年到2014年之間，云計算產業才算進到籌備階段，到了2015年前后才真正的被市場上所廣為接受。那回看今天的阿里巴巴，當年毅然的進入云服務這個市場顯得有多么英明。

所以，從我們去業務角度看這些新興技術的時候，從來都是會讓業務變得更加的智能和敏捷，非但沒有覺得大家因此而丟了工作，反而會延伸出很多新的工作機會。像我們今天很多應屆畢業生，其實大家都是對云計算和大數據這些概念是非常理解的。

我們言歸正傳，讓我們看看到底什么是數字化勞動力，要先了解數字化勞動力就必須要了解目前存在的主要的勞動力資源，就是“人”。這里的“人”我們特別指的是在辦公室中的白領員工。大家可以思考一下，為什么我們經過30多年的IT系統的建設，各種大中小的企業、政府、公共事業單位，已經擁有了成千上百套的IT系統。可是據一項統計調研我們發現，其實現在有80%的工作仍舊是需要人工通過手動去操作，包括對系統的啟動、錄入、提交、檢查等等，只有20%的工作是可以實現自動化的。

其實這就是為什么我們今天的企業里邊發現我們的員工會越來越多，很多企業都要不斷的租用更多的寫字樓空間才能裝下新增的員工。我們看看基層的白領員工每天的主要工作內容是什么，然后我們再來去分析數字勞動力的方式是解決什么。比如說，我們每天員工的主要的工作大概我們分成四種工作：第一，做事情；第二，想事情；第三，分析事情；第四，人還要停下來休息，我想沒有一個人是可以不休息，一直工作的。

第一，做事情。很多的時候我們就需要和Excel表格、郵件，以及辦公系統，各種應用系統來打交道，這就是我們常說的員工做事情的內容。

第二，想事情。在工作過程中，員工肯定會需要經常的進行溝通、討論，然后對一些文件進行判斷識別，然后思考和決策，在工作過程中，這項工作也是占了很大的比例。

第三，分析事情。分析事情的主要工具就是要負責收集各種數據，做統計圖表，制作模型和分析。

雖然每個基層員工的工作崗位和工作類型是不一樣的，那就會導致這四件事情在每個員工的工作中的分位比例是不太一樣的。但是我們總體上，大家基本上是脫離不開這四件事情的。接下來我們就看一下從技術的角度是有哪些技術可以去替代或者協助人去完成以上我們談到的四種事情。

第一，做事情。這塊的內容其實相對是比較容易的，因為我們做事情其實只要把規范化的、規則化的任務交給RPA機器人，或者傳統的IT系統，其實就可以去完成。

第二，想事情。想事情會提高了一個技術門檻，因為這部分的能力需要其他幾種技術能力的綜合應用。例如認知計算，就是Cognitive Computing。認知計算其實包括幾種不同的技術，我們經常談到智能的OCR、計算機視覺、語音識別和轉換的技術。除此之外，還需要類似自然語言處理、知識圖譜、專家系統等其他技術做輔助。其實確實有一些技術是有待提升的，但是很多技術這些年來隨著人工智能的不斷發展，也已經變得非常的成熟。至少我們可以看到未來在若干年后，AI技術的不斷成熟之后，這部分想事情的工作計算機是能夠幫很多忙的。

第三，分析事情。分析事情主要依靠的就是大數據的一些技術。包括統計學模型、機器學習分類，以及其他的類似數據建模、洞察分析類的工具來打造分析結果。

對于計算機來講，當然它不需要做第四件事情，就是休息。所以，我們可以把機器人流程自動化，然后加上認知計算，以及數據分析，這三項技術共同的結合起來，然后組成一種我們叫做數字化員工的勞動力方式，來完成員工日常所來完成的這樣四項主要工作。

我們可以看到，隨著人工智能成熟度逐漸的增加，當我們使用人工智能之后，它會隨著它的數據和訓練量的逐步的累計，其實人工智能的技術它也會不斷成熟。這樣的技術儲備就為整個數字化勞動力奠定了基礎。

在這一節中，我們從員工工作內容的角度出發，按照技術分門別類的能力做出了一個對應和映射。下一節我們將從人的角度再次分析數字化勞動力的形成基礎，以及未來真實的人類員工和數字化勞動力員工在一起是如何定位和分工的。謝謝您的收聽，我們下次再見！

繼續閱讀：

未經允許不得轉載：RPA中國 | RPA全球生態 | 數字化勞動力 | RPA新聞 | 推動中國RPA生態發展 | 流 > 專欄連載 |深度解讀RPA：什么是數字化勞動力（上）