“這個行業的門檻太低了。”

每次談及RPA，技術創業圈的不少從業者們都會如此感慨。

而文因互聯CEO鮑捷認為，這是一個不夠全面的認知，單是解決方案的可復制性就足夠攔住不少人的去路：“把解決方案一下復制給上百個客戶，真正能夠做到規模效應，其實非常難。”

“今后大約兩三年的時間里，我們將會看到RPA+金融解決方案大規模復制的過程。” 他告訴雷鋒網AI金融評論。

一些技術服務商對RPA這面風帆早有留意，也在風口里發現了AI+金融的更多可能，文因互聯便是其中之一。CEO鮑捷在專訪中直言，知識圖譜領域的最主要應用對象就是自動化；比起投資模型的升級改造，做智能金融，往企業流程自動化的路子走，要更切實可行一些。

而對于RPA本身，他則強調，其核心問題在于調度二字。

用機器替代所謂的“腦力體力勞動”，在鮑捷眼中，就是企業內資源的調度問題；不光只是某個特定業務環節的優化，還有各種傳統企業流程之間的打通——IT系統所及之處，皆是流程自動化的戰場。

鮑捷在專訪中表示，RPA這個名詞以后可能存在感會漸漸降低，但是，剛需會一直存在。“RPA的下一步，將會是以知識庫為基礎的企業內流程化自動管理系統；而（機器做流程性工作）這個趨勢，我相信，每個賽道都會發生這樣的變化，十年之內不會停下來。”他這樣總結。

國內RPA的成長之痛

盡管市面上的金融RPA產品已有不少，但在鮑捷看來，其實金融領域的RPA現在還是剛剛起步。

鮑捷直言，RPA的國內發展環境先天積淀不足，數據積累問題首當其沖。

“必須要先解決數據結構化，后面的流程自動化才能跑起來。”他解釋稱，哪怕只是一個CRM系統與營銷系統的對接，表面看似沒有數據結構化的任務，但在CRM內部其實已經進行過結構化的處理。

國內RPA成長的第二痛，是大規模的結構化。“這是整個實施過程中成本最高的一環。”鮑捷說。

在他看來，流程自動化的大規模實現，很依賴于業務知識的沉淀——可是，最熟悉業務的是傳統業務員，最先被RPA取代的也會是這批業務員，如何給他們以改造業務流程的動力？這是第一重攔路虎。

其次，RPA對企業流程的改造也屬于業務創新，誰愿意承擔因此而來的風險？

鮑捷還強調，RPA的推進需要執行者擁有結構化思維，這種能力往往是所謂的知識工程師才具備，但實際上很多咨詢公司在為客戶分析問題、提供精細化理解的時候，同樣是結構化思維的體現；因此，技術公司在輸出方案的同時，也需要替用戶完成這一部分的思考，比用戶更理解業務。

要理解這些難點的所在，結合文因互聯的RPA項目底層架構來看，或許會清晰得多。他們將目光放在AI+RPA結合的部分：

• 第一步，運用 AI 的能力，尤其是自然語言處理和知識圖譜技術，可以構建底層知識庫，處理非結構化數據；

• 第二步，結合業務場景，將業務規則沉淀下來，構建模型；

• 第三步，將數據和模型結合，運用到具體場景中，完成流程自動化。
   

鮑捷也進一步點明，RPA業務其實更像咨詢業務，RPA公司也可以看作是具有自動化落地能力的咨詢公司。

流程自動化的大規模推進，不只考驗技術服務商對業務的解構重組能力，也要求解決方案具備一定的可復制性。這需要RPA公司聚焦到一個行業，聚焦到行業里通用的問題，例如金融領域里的財務表復核等。

鮑捷向雷鋒網AI金融評論強調，具有可復制性的方案才更容易實現產品的相對標準化，從而實現規模效應——技術服務商能否做到規模效應，也是RPA行業準入門檻之一。

盡管業界一直都有著“RPA準入門檻不高”的觀點，但鮑捷認為，要想做到專業級質量并不容易。“單是在不同的Windows版本之間完成一個自動截屏、錄屏的任務，讓這個方案適用于所有客戶，這就已經沒那么容易搞定了。這個技術門檻反而沒有我們想象中那么低。”

另外，最新的RPA系統往往需要加入AI的能力。鮑捷稱，目前圖像處理技術相對成熟，但文本分析方面發展時間較短，AI能力上的差距也意味著今后的RPA行業將會有更高的準入標準。

RPA的金融主線進度條：財務最早，合規最快

RPA的相關產品近兩三年時間里才在財務、信貸和監管合規三個細分賽道率先有所積累。鮑捷相信，在今后的2-3年時間里，行業將會出現這些金融RPA解決方案大規模復制的過程。

最早冒頭的，是財務機器人。財務機器人的目標之一就是實現財務報表端到端的操作，包括做到對PDF文件或掃描件的批量輸入。

“2017年的時候，它更多只是demo的形式，還沒達到真正的落地——直到去年下半年到今年這段時間，它在國內才算是達到了可用性的水準。財務一致性檢查方面，今年也能做到較高的精確度。”鮑捷告訴雷鋒網AI金融評論。

財務機器人的日漸成熟，也說明著在金融RPA領域中，與表格處理有關的流程自動化今后應用將越發頻密，銀行的集中作業中心也應運而生。

集中作業中心，實際上就是各大銀行后臺系統的一部分，錄入數據的升級大致分為“分散的傳統手動錄入——集中式手工錄入——以OCR技術為主的集中式自動化錄入”三個階段。

信貸就是這種中心的應用典型之一，各類單據和證件的掃描版本需要先進行機器識別，返回成可用于下一步自動化操作的數據。雷鋒網AI金融評論注意到，目前已有幾家國有大行和一部分股份制銀行在推進相關項目。

鮑捷認為，RPA會繼續滲透到銀行的集中作業中心里，其中信貸流程自動化到現在是技術上可行，再逐漸成為主流。

然而，在鮑捷看來，RPA落地跑得最快的金融細分賽道，并非財務和信貸，而是監管合規。

例如上市公司的海量公告信息披露，證券交易所的傳統審核方式很難在公告數量井噴的時候實現全量監管。以滬市上市公司2017年的數據為例，定期報告披露高峰期間，單日需要進行合規檢查的公告文件多達3571篇。

同時，盡管部分定期公告及臨時公告已經利用XBRL技術將一些財務數據進行了信息結構化，但未經處理的數據種類繁多，單是上交所給出的公告分類就有35大類，共376個小類，因此交易所在制作并免費對市場發布部分公告的摘要信息時，也不得不面對制作維護成本較高、不易擴展的難題。

AI+RPA介入之后，機器能夠對文檔提取處理，再進入審核環節，擴大監管覆蓋面。以文因互聯與上交所合作的自動公告摘要系統為例，通過LSTM深度學習網絡，首先將不同類別公告的關鍵語句抽取出來，抽取過程僅需公告制作小組業務專家對少量公告進行標注，期間通過Dropout等方法提供模型泛化能力。關鍵語句抽取后，再通過規則方法進行細粒度提取，從而將公告結構化。

據雷鋒網AI金融評論了解，文因互聯在2017年就已開始嘗試監管文件的結構化處理，并陸續圍繞監管各個環節落地5-6個項目；目前已在核心市場監管機構成功上線了多款監管流程自動化相關系統。

“越小的賽道其實越容易革新，對技術的接納程度最好。”他這樣解釋。

另一個RPA和金融監管的應用范例，則是利用NLP技術處理海量文檔，透視上市公司高管之間的潛在關系。可以預見的是，這一應用也將對金融機構的風控能力帶來不小的提升。

那么，RPA下一步會在金融的哪個賽道里發光發熱？

“只要是有傳統企業流程，有IT系統的地方，都會自動化的。”鮑捷看好RPA的多點開花，并進一步將包圍圈縮小到了提及率較高的營銷和CRM系統。他認為，金融行業的客戶信息收集、整理、分析，以及閉環化渠道營銷會率先自動化，之后就是服務層面的自動化，也就是千人千面的個性化服務。