大数据产业创新服务媒体

——聚焦数据 · 改变商业

根据IDC发布的《中国RPA+AI解决方案市场份额报告，2023：需求回暖，市场增速有望迎来拐点 》，2023年，中国RPA+AI的市场规模同比增长15.9%。其中，RPA+AI软件产品市场（包括但不限于RPA+AI一体化平台授权许可、RPA应用开发工具使用以及各类AI工具套件的销售，不包含咨询服务、实施服务等服务性收入）占比45%。

中国RPA+AI 解决方案市场份额概况，2023 来源：IDC, 2024

中国 RPA+AI 产品软件市场份额概况，2023 来源：IDC, 2024

根据IDC的报告分析，中国RPA+AI市场将步入快速发展轨道，而产品软件市场的扩展将尤为显著。IDC认为，“伴随市场竞争的白热化，市场对价格透明、快速部署、高度集成且具备 AI 智能功能的标准化 RPA 产品的需求呈现井喷式增长。”并且，IDC预计，未来产品市场在整体RPA+AI市场的占比将持续提升。

可以说，在RPA+AI市场的竞争中，产品能力将成为未来竞争的焦点。那么，RPA（其最新进化版本是超自动化平台，以下主要分析超自动化平台）的“产品力”体现在哪些方面，其与AI（尤其是大模型）的融合又会迸发出哪些火花？接下来，我们就这些问题来进行探讨。

产品力，是超自动化平台的立身之本

根据IDC发布的报告，随着RPA产品的逐渐普及和成熟，未来几年RPA市场的服务收入占比将会持续降低。这意味着，RPA厂商将更多地依赖于产品本身的竞争力，而非售后服务或其他增值服务。产品能力将成为市场竞争的关键焦点，而易学易用性、标准化和云化、AI能力，将成为评判产品能力的重要标准。

具体来看，随着市场的不断发展，超自动化平台需要具备以下几个重要特性，才能在竞争中脱颖而出。

易学易用，超自动化平台的“基本功”。

传统的RPA平台往往需要用户具备一定的技术背景，这无形中限制了技术的普及和应用。而现代超自动化平台则通过低代码或无代码的方式，让更多非技术背景的员工也能轻松上手。例如，低代码拖拽式设计器，能够使用户无需编程背景即可快速构建自动化流程，通过简单的拖拽和排列组件，就能创建复杂的业务流程，大大降低了技术门槛。

而且，操作简单、界面友好的平台更容易被用户接受和使用，促进流程自动化工具在企业内的广泛应用。用户通过统一的操作界面，能快速找到所需功能，并进行高效操作。这种设计不仅提升了用户体验，还降低了学习和使用门槛，帮助企业更快地实现自动化转型。此外，通过丰富的模板和预构建组件，用户可以直接使用或稍作修改，大大减少了开发时间。预构建的RPA组件覆盖广泛的业务需求，帮助用户快速实现业务流程自动化，提升了整个企业的自动化水平和效率。

标准化、云化，超自动化平台的进阶技能。

通过提供标准化的流程模板和组件，企业可以快速实现自动化部署，减少开发和维护成本。此外，通过统一的标准，企业可以更好地控制流程自动化项目的质量，减少因流程差异导致的问题。标准化不仅帮助企业实现高效的自动化部署，还能保证在运营过程中保持一致的高质量标准。

云化是超自动化平台发展的另一个重要趋势，并且，随着云计算渗透率的提升，云原生超自动化平台的优势会越来越明显。

通过云端部署，企业无需投入大量资源进行本地IT基础设施的建设和维护，降低了总体拥有成本。云化平台支持远程协作和跨地域部署，使企业能够更灵活地应对全球化运营和分布式团队的需求。通过云化，企业可以实现更高效的资源管理和调度，进一步提高自动化系统的响应速度和处理能力。而且，云服务提供商通常会提供多层次的安全保障和数据备份措施，确保企业数据的安全性和业务的连续性。

可以说，超自动化厂商的竞争，核心就是产品力的竞争，谁在这些方面能够做到极致，谁就能在接下来的竞争中占据先机。

AI尤其是大模型，成为超自动化平台的战略高地

除了上面提到的“产品力”外，随着技术的不断发展，AI已成为超自动化平台的重要组成部分。某种意义上，在接下来的超自动化竞争中，得AI者得天下。

具体来看，RPA、超自动化平台，与AI的融合创新，可以分为两个阶段。

在初级阶段，通过将AI技术（如NLP、CV、OCR、机器学习等）与RPA融合，提高业务流程的智能化水平。

例如，NLP技术赋能超自动化平台，使其能够理解和处理人类语言。这一能力使得平台可以自动处理客户服务请求、邮件分类、合同审核等任务，显著提高了处理效率和准确性。通过NLP技术，平台不仅能理解结构化数据，还能解析非结构化数据，从而扩展了其应用场景。

CV技术为超自动化平台提供了图像和视频数据处理的能力，例如，在制造业和医疗行业，CV技术可以帮助平台自动检测产品缺陷或进行医学影像分析，减少了人为错误，提高了质量控制水平。

OCR技术使得超自动化平台能够高效地将纸质文档转换为电子数据，从而实现文档管理和数据输入的自动化。OCR技术在银行、保险等行业中具有广泛应用，能够自动处理大量的客户申请、发票和报告，提高了运营效率。

机器学习技术为超自动化平台提供了自我学习和优化的能力，通过分析大量的历史数据和用户行为，机器学习模型能够预测未来的业务需求，自动优化流程，并在异常情况下提供智能决策支持。这使得平台能够在不断变化的业务环境中保持高效运作，并持续提升自动化水平。

需要指出的是，以上多种AI技术的应用，还只是处于超自动化平台智能进化的初级阶段。

在高级阶段，超自动化平台与AI大模型的融合成为当下竞争的焦点。以艺赛旗为例，其将AI大模型与自身的iS-RPA和iS-RPM产品融合，用户通过自然语言即可配置和管理自动化流程，大大简化操作。AI大模型增强了数据处理和分析能力，使iS-RPM能够自动识别和优化业务流程中的瓶颈。

在超自动化平台的基础上，融入AI大模型已经成为提升平台能力的重要手段。具体来看，将大模型技术融入超自动化平台，能带来三个方面的好处：

融合大模型后的超自动化平台，用户门槛更低，更易学易用。

借助AI大模型强大的自然语言理解与生成能力，使用户可以通过自然语言与系统进行交互，降低了操作难度。用户无需掌握复杂的平台功能组件与操作技巧，更无需掌握技术和编程语言，只需通过对话即可实现流程的自动化配置和管理。

此外，系统能够实时学习用户行为和流程数据，持续优化和改进自动化流程，使得系统使用越来越简便。超自动化平台本身也在持续进化，平台与用户在相互“磨合”，用户用得越多，平台就对用户越了解，使用起来也越顺畅。例如，系统可以根据用户的操作历史，自动调整界面布局和推荐最常用的功能模块，提高用户的工作效率和满意度。

从简单规则驱动到智能决策驱动，实现长链条流程自动化，可以应对更复杂的业务场景需求。

传统RPA依赖简单规则，无法处理复杂场景。而AI大模型可以进行复杂的决策和推理，自动选择最佳流程路径，提高了自动化流程的效率和准确性。通过AI大模型的支持，平台可以在处理过程中动态调整流程路径，确保每一步操作都是最优选择。例如，在客户服务中心，AI大模型可以根据客户的历史记录和当前情绪，自动选择最适合的客服代表和处理方式，提高客户满意度和服务效率。

更进一步，融合AI大模型后，平台能够处理更长链条、更复杂的业务流程，实现超过几十甚至上百步骤的流程自动化。例如，在金融行业，复杂的风控审核流程，一般链条都比较长，动辄需要进行几十上百步操作。通过AI大模型的智能决策，有望实现整个长链条流程的自动化处理，从数据采集、风险评估到决策执行，全程无缝衔接，大幅减少人类介入的情况，提高了审核效率和准确性。

超自动化平台实现“破圈”，打开数倍的市场空间。

用户使用门槛越低，越易学易用，用户的渗透率就越高。假定目前以点选、拖拉拽操作方式的超自动化平台使用门槛不到10%，那么人机对话方式的超自动化平台，用户渗透率有望提高到60%甚至80%以上。再加上平台能力的提升，能解决更多样化、更复杂的业务场景，用户渗透率有望提高到90%以上，这将极大扩展超自动化平台的市场空间。

不同平台的用户渗透率情况 来源：数据猿

更大规模的蓝海市场，将重塑超自动化市场的竞争格局，谁先抢占这个蓝海，谁就将获得领先优势。

需要指出的是，超自动化平台的“产品力”，并不是为了“炫技”，而是更好的服务客户的业务流程自动化需求。因此，产品到底好不好，客户最有发言权。不管是易学易用、标准化、稳定性这些基本能力，还是更高阶的AI能力，都必须在真实的客户业务场景中经受住考验才行。

接下来，我们就从一个典型客户案例，来分析超自动化平台如何更好服务业务流程自动化的需求。

太平洋保险“黑灯工厂”——超自动化平台应用的典型范本。

中国太平洋保险（集团）股份有限公司（以下简称“太平洋保险”），是业界领先的保险集团，连续七年入选《财富》世界500强。太平洋保险在业务运营中，面临业务人员大量重复操作、业务流程效率低、客户响应慢等问题。为了提升业务效率、降低运营成本并确保操作的一致性和准确性，太平洋保险迫切需要一个高效、统一的业务流程自动化解决方案。

为了解决这些问题，2018年，太平洋保险与艺赛旗携手合作，并率先在上海营运分中心试点应用RPA技术。通过在客服、理赔业务部门应用助手机器人，实现跨页面整合、规则提醒等业务流程的自动化。

2019年，RPA应用范围进一步拓展。一方面，公司范围拓展到华南分中心、山东分中心；另一方面，RPA机器人场景数量增长至35个，包括数据案头小结机器人、数据集中质检机器人、作业行为数据分析机器人等。随着艺赛旗的产品能力得到持续验证，其易学易用、标准化、稳定性等产品能力，得到太平洋保险的认可。进入2020年，太平洋保险进入RPA大规模应用阶段，其产险开启集约化思维的RPA项目建设。

需要指出的是，基于艺赛旗产品使用门槛低的特性，太平洋保险开创了“业务工程师”模式，让业务人员参与到RPA机器人场景的开发中，这成为RPA机器人实现应用普及的关键“一招”。截至2023年10月，培养了2859名初级业务工程师、195名中级业务工程师、13名高级业务工程师。通过“业务工程师”模式，无论是RPA的用户规模，还是自动化业务流程的渗透率，都得到显著提升。

为了推动RPA机器人的普及应用，太平洋保险还举办了“太保寿险数字员工开发大赛”，重庆、河南、浙江等分公司诞生了一系列创新成果，在提高业务效率、节省员工时间方面成效显著。例如，河南分公司开发的《新保保单全流程追踪平台》，为该辖区每月释放1715人时。

基于前期的试点与应用，2021年，太平洋保险与艺赛旗的合作更进一步，推出了“黑灯工厂”项目，开启产险RPA卓越中心服务模式：将共性的RPA机器人场景，实现集约化运行与管理。之后，黑灯工厂项目快速推进。到2022年，黑灯工厂内部设置了个客、法客、农险、营运、财经等“八大车间”，并在这些“车间”挖掘出“太小嘿1号-企财险保单影像智能质检机器人”“太小嘿2号-雇主责任投保用印智能质检机器人”等明星RPA场景。

从2023年开始，正式进入黑灯工厂2.0阶段，其显著特征是平台化、AI化：在原因基础上，建设了“监控平台、调度平台、服务平台、管理平台”四大RPA平台为核心的超自动化平台；与此同时，这些平台还与太保科技AI、产险大脑AI能力融合，并引入流程挖掘技术。

在“黑灯工厂”项目中，艺赛旗的产品方案也在不断演进，其中重要的一项内容就是AI能力的持续提升。艺赛旗在产品中不断融入AI原子能力，通过模拟人工进行自动化操作的流程机器人，来完成大量的业务流程自动化运营。例如，实现客服语音自动质检、票证识别自动录单、OCR识别自动报价、证照OCR识别自动录入等。

目前，在“黑灯工厂 2.0”阶段，一个重要任务是通过AI尤其是大模型技术，来更好实现业务数据分析、流程挖掘、流程优化的能力，以此来改善运营和管理流程。AI大模型可以根据实时数据和用户反馈，动态调整流程路径，确保每一步操作都是最优选择，提高流程的准确性和效率。以农险理赔流程为例，通过对流程各节点的数据分析，养殖险进一步优化了标准业务流程，针对案值规范了各个环节的耗时要求，也为全国各层级机构提供流程优化的抓手。

在太平洋保险的黑灯工厂项目中，艺赛旗的解决方案得到了充分应用。这一项目的成功实施，不仅帮助太平洋保险解决了运营难题，还为其数智化转型提供了坚实基础。

太平洋保险黑灯工厂的成效

智能体集群、人机协同，智能超自动化平台的进化才刚刚开始

随着技术的不断进步和企业需求的多样化，超自动化平台的发展方向也在逐步演进。未来，智能体集群和人机协同将成为超自动化平台的重要发展方向。

以智能体打造全入口，通过智能体集群的协同来实现多任务处理。

在未来的超自动化平台中，每个流程机器人都可以被视为一个智能体。这些智能体通过AI技术进行管理和协作，形成一个强大的智能体集群。智能体集群通过共享数据和协同工作，能够更高效地处理大型复杂项目，实现整体业务流程的优化。例如，在金融行业，智能体集群可以同时处理不同的交易、风控和客户服务任务，通过实时数据共享和智能协作，提高整个系统的响应速度和服务质量。

这种系统化协作不仅提高了工作效率，还减少了由于信息孤岛和数据断层导致的错误和延迟。智能体集群通过AI技术实现的协同工作，能够更好地适应变化和挑战，帮助企业在动态环境中保持竞争力。

定义人机能力边界，实现更好的人机协同。

人类的归人类，AI的归AI。AI大模型赋予系统更强的自主决策能力，使其在处理复杂任务时能够更灵活地应对变化，提高整体效率。然而，在某些关键环节和需要决策的地方，人类的介入依然是不可或缺的。例如，在医疗诊断中，AI可以辅助医生进行初步分析和筛查，但最终的诊断和治疗方案仍需由医生决定。这样的分工不仅确保了AI系统的高效运转，也保证了重要决策的准确性和可靠性。

在未来的超自动化平台中，人机协同将变得更加重要。通过AI技术，系统可以自动判断哪些任务需要人类介入，哪些可以完全自动化，提高协同效率。在实际应用中，人机协同的有效实现可以显著提升工作效率和质量。例如，在金融行业的风险管理中，AI系统可以自动监控和分析大量交易数据，实时发现潜在风险，并生成初步的风险报告。而金融分析师则可以基于这些报告，进行深入分析和决策。这种协同方式不仅提高了风险管理的效率，还大大降低了操作风险。

展望未来，随着大模型的蓬勃发展、云端部署的便捷性以及自然语言处理的广泛应用，人机交互正经历着深刻变革，技术门槛显著降低。用户仅凭日常对话，即可轻松享受智能科技的强大功能。AI智能体（Agent）的广泛应用，犹如一股强劲的催化剂，加速了LLM（大型语言模型）与RPA、超自动化平台的融合步伐，不仅极大地提升了工作效率与创造力，更引领我们迈向一个更加智能化、便捷化的新时代。

超自动化平台在此浪潮中持续进化，其能力边界不断拓宽，能够应对的任务日益复杂多样，自动化流程链条更加深入细致，平台效能实现了质的飞跃。智能体集群的蓬勃兴起与人机协同的深度结合，更是极大地拓宽了超自动化平台的应用领域，深化了业务层面的渗透力。而且，随着超自动化产品力的提升和AI应用的不断深化，易学易用、标准化的产品将能完成越来越多的工作，而平台服务实施的需求将降低。随着超自动化平台智能程度的提升，需要人介入的环节会越来越少。这种能力进化，为企业数智化转型奠定了坚实的基础，加速了新质生产力的孕育与成长，为数字经济的发展注入了源源不断的动力。