人工智能（AI），從其問世以來，一直深受關注。不過近幾十年的發展，並沒有將它大範圍普及。目前，AI應用場景的實際落地仍較爲稀少，具體應用的還停留在預測機器故障率，文本情緒分析以及面部圖像識別等小範圍內。
然而，最近幾年RPA（機器人流程自動化）產品的激增，似乎解決了這一問題。一方面，在替代人工操作這一問題上，RPA和AI有一定的相通之處。另一方面，RPA較之於AI落地更快，門檻更低。
RPA能夠在不中斷現有企業應用程序的情況下快速推動業務流程的數字化和自動化升級。其中AI技術的應用是非常重要的一環。而RPA+AI將會是智能自動化的一大趨勢。
RPA與AI的關係
RPA與人工智能的關係，比我們想象的要更爲緊密。我們可以將其理解成爲人類的雙手和大腦。
人工智能，通常扮演人類大腦的角色，主要負責發出命令，具備“思考”與“學習”的能力。一方面，AI結合機器學習、深度學習，擁有了自主學習能力；另一方面，其通過計算機視覺、語音識別、自然語言處理等技術具備了認知能力；另外，AI還可以通過大數據不斷矯正自己的行爲，從而有預測、規劃、調度以及流程場景重塑的能力。
RPA則更多地扮演着人類雙手的角色，擅長重複地接收並執行命令，具有“動手”的能力。RPA作爲一種軟件機器人，需要依靠固定的腳本來執行命令，擅長執行基於明確規則，大量重複且機械性的工作。RPA無法獨立思考，只能死板地按照人給它預設好的程序工作。
AI主要以數據爲中心，而RPA則高度以流程爲中心。在具體的工作中，RPA可以將重複且機械的工作流程自動化，同時爲人工智能提供大量數據。AI則根據RPA提供的數據，進行自主學習、模仿並將相關流程予以改進。
AI嵌入RPA，變身“超級機器人”
毫無疑問，各行各業因爲大幅爆發的數據而正變得蒸蒸日上。谷歌、微軟、臉譜等巨頭每年都會花費數十億美元用於抓取和存儲數據的開發工作。而RPA+AI的組合，將會進一步打通企業數據的難題。
通常企業的數據主要分爲兩大類：結構化數據和非結構化數據。
1、結構化數據。即行數據，存儲在數據庫裏，可以用二維表結構來邏輯表達實現的數據。大多數公司都在使用機器可理解並查詢的結構化數據。
RPA天生就是處理結構化數據的能手。RPA通過記錄人工操作的行爲、依據人工操作規則，模擬人類員工自動執行一系列特定的工作流程。具備出錯率低、效率高等特點。
2、非結構化數據。包括所有格式的辦公文檔、文本、圖片、XML、HTML、各類報表、圖像和音頻、視頻信息等等。非結構化數據很難甚至不可能通過算法解釋。大多數公司目前仍處於從非結構化數據中提取信息的階段，而實現零接觸操作更重要的在於處理非結構化數據的能力。
搭載OCR、NLP等AI技術的RPA，對於非結構化數據的識別與提取將會綽綽有餘。
廣泛應用RPA產品只是企業邁向智能化的第一步。伴隨RPA技術的飛速發展，未來RPA與AI的“世紀組合”，將會在更多的行業掀起變革的潮流。
麥肯錫曾預測，到2025年，全球人工智能應用市場規模總值將達到1270億美元，並將成爲智能產業領域發展的新突破點。在這樣的發展中，RPA+AI必將大有可爲。