RPA,，它正在改變財務(wù)行業(yè),。

拐點：亟待突破的人效比

戰(zhàn)略大師邁克爾·波特曾在其名著《競爭優(yōu)勢》中給出如下論述，“替代品的威脅決定了在何種程度上其他產(chǎn)品能滿足買方需求,，由此也為買方愿為產(chǎn)品支付的價格規(guī)定了上限,。

我們不妨將目光拉回到355年前的一個平淡無奇的夜晚。

英國蘭開郡有個紡織工詹姆斯·哈格里夫斯晚上回家,，開門后不小心一腳踢翻了妻子正在使用的紡紗機,，當時他第一個反應(yīng)就是趕快把紡紗機扶正。但當哈格里夫斯彎下腰來的一瞬間突然怔住,，他看到被踢倒的紡紗機還在轉(zhuǎn),，只是原先橫著的紗錠變成直立的了,。

哈格里夫斯馬上意識到：如果把幾個紗錠都豎著排列，用一個紡輪帶動,，不就可以一下子紡出更多的紗了嗎,？

第二天哈格里夫斯就造出用一個紡輪帶動八個豎直紗錠的新紡紗機，功效一下子提高了八倍,，哈格里夫斯用自己女兒的名字將其命名為珍妮機,。人效比高達1:8的珍妮機由此成為號稱 “被一腳踢出來”的英國工業(yè)革命的真正開端。

埃森哲曾在《2017年人工智能發(fā)展報告》中預(yù)測,，AI可將勞動生產(chǎn)率提升40%,，到2035年AI能使年度經(jīng)濟增長率提升一倍。而擺在以RPA（Robotic Process Automation,，機器人流程自動化）為代表的財務(wù)機器人行業(yè)面前的最關(guān)鍵挑戰(zhàn)恰恰在于人效比亟待突破,。

這其中，除了各大廠商加快技術(shù)迭代的紅利效應(yīng)之外,，更關(guān)鍵的在于客戶端自身對于RPA的理解和應(yīng)用能力的提升,。

早在2017年底，中銀國際RPA團隊開始進行RPA的概念驗證（POC）,，隨后完成的可行性研究報告明確指出,，RPA不僅可縮減業(yè)務(wù)流程的處理時間，顯著提升業(yè)務(wù)團隊的工作能力（效率提升高60%至90%）,，同時可減少或降低人為錯誤,，提升市場反應(yīng)能力，從而協(xié)助員工將更多時間和精力投入到直接產(chǎn)生效益并更能創(chuàng)造價值的工作中,。

AI概念的火爆也催生了大量行業(yè)研究報告,，其樂觀與悲觀的程度不啻為云泥之別。比如,，IDC就預(yù)測智能機器人產(chǎn)業(yè)在中國的市場規(guī)模在2027年會大道1.6萬億元,。而另一份預(yù)測則指出，預(yù)計2023年中國人工智能機器人市場規(guī)模將達到331億元,，并預(yù)計2018-2023年人工智能機器人市場規(guī)模年均增速為40%,。

為什么會出現(xiàn)如此巨大的差異，其中很關(guān)鍵的一點在于對AI如何驅(qū)動作業(yè)場景革命有著不同的理解和判斷,。

回到我們一向被認為“工作重復(fù)度高”,、“流程標準化程度高”、“IT應(yīng)用程度高”等具有AI作業(yè)場景革命先天優(yōu)勢的財務(wù)領(lǐng)域,，這些優(yōu)勢能否轉(zhuǎn)化為“勝勢”決定著整個行業(yè)能否迎來“珍妮機跳點”,。

從我們對國內(nèi)大量財務(wù)共享中心的調(diào)研情況來看，基于傳統(tǒng)工業(yè)時代視角制定的眾多法律法規(guī),，是阻礙財務(wù)領(lǐng)域催生“珍妮機跳點”的根本因素,。

當然,，這是財務(wù)從業(yè)者們暫時無法改變的外部制約因素，但對于域內(nèi)的場景變革,，CFO們應(yīng)該擔負起主動創(chuàng)新的重擔,。

我們不妨從如今估值已達70億美元的UiPath當下聚焦的6大RPA創(chuàng)新挑戰(zhàn)，來尋找可能觸發(fā)財務(wù)作業(yè)場景革命的關(guān)鍵要素：

①分布式機器學(xué)習(xí)執(zhí)行引擎：

機器人可以在企業(yè)任意數(shù)量的機器中（包括虛機）執(zhí)行工作流程,，因此基本的分布式企業(yè)機器學(xué)習(xí)平臺和執(zhí)行引擎至關(guān)重要,。這里的問題是，如果這些機器人超過一定數(shù)量之后,，這就對虛擬實例提出挑戰(zhàn),。

②發(fā)現(xiàn)概率閾值：

RPA本質(zhì)上是一個邏輯系統(tǒng)，其中包含確定性步驟,。在RPA中引入概率步驟（AI模型）對執(zhí)行提出了巨大挑戰(zhàn),。想想，如果系統(tǒng)認為70％是一個閾值,，那么它是否應(yīng)該讓剩下的進程執(zhí)行,？對于非危及生命和非關(guān)鍵任務(wù)的過程，我們可以不斷強化AI學(xué)習(xí)來提高確定閾值水平,。

③流程理解： 

我們的客戶經(jīng)理經(jīng)常被客戶要求找到下一個自動化機會,，實際可以通過分析用戶模型達到這個效果，一般是通過分析多個信息系統(tǒng)和工作進程,。這是一個長期的過程,。

④視覺理解：

計算機視覺使我們的機器人能夠以極其精確的方式檢測屏幕元素，使得UiPath比其競爭解決方案更快地實施,。我們還致力于將機器學(xué)習(xí)和自然語言處理整合到產(chǎn)品中,，以增強UiPath機器人的功能，可處理相對簡單的業(yè)務(wù)異常和其他非結(jié)構(gòu)化數(shù)據(jù),。

⑤文檔理解：

大多數(shù)公司使用機器可理解并查詢結(jié)構(gòu)化數(shù)據(jù),，成功率較高。對于非結(jié)構(gòu)化數(shù)據(jù),，很難甚至不可能通過算法解釋。大多數(shù)公司目前仍處于從非結(jié)構(gòu)化數(shù)據(jù)中提取信息的階段,。不過通過更好的算法和高精度也能逐步提高成功率,。

⑥會話理解：

自然語言處理（NLP）可以幫助PRA理解文本、聊天和語音輸入的情緒,。我們需要一種動態(tài)約束自然語言理解（NLU）的方法,，以便更好地理解人類輸入。RPA具有的對話編程功能將提供一些編程,、培訓(xùn)和指導(dǎo)作用,。