LittleR

RPA财务机器人助力新基建发展数字经济|实在智能RPA数字员工

RPA财务机器人突破传统财务工作方式助力发展数字经济新优势|实在智能

从党的十九大到2020年的新基建和两会政府工作报告都对人工智能、数字经济提出了更高的发展目标,打造数字经济新优势,成为2020年企业数字化升级的工作焦点之一。那么“新优势”新在何处?“新”可以是技术上的新突破;“新”可以是对新应用场景的挖掘;“新”可以是大数据、人工智能深度融合创新。

在数字化搭建过程中,企业降低运营成本的同时需要从庞大、复杂的数据中筛选出目标数据并利用数据去支撑企业运营创造新价值。而财务场景就是企业急需自动化、数字化、智能化改造的典型场景。

  1. 不胜其弊的传统财务工作方式

众所周知,财务工作是企业最耗时费力的流程之一,即便使用了财务软件后财务数据实现电子化、数字化,但仍无法解决大量手动操作行为。传统财务工作方式的弊端主要包含以下两点。

1.财务系统操作管理分散

很多企业的财务在工作处理流程上都处于分散的状态,这种业务工作处理上的分散主要来自于财务信息的输入输出行为是在不同的软件和平台上进行的,这就导致大量的重复性行为,比如最常见的财务系统登入操作行为。

  1. 高价值数据的低效运用

人工操作存在不准确性以及效率低下问题导致财务部门仅能实现简单的记录职能,而很难向风险控制决策支持的阶段迈进,导致高价值数据难以更好的服务于企业决策。

以上种种财务场景中的低效率工作方式都成为企业财务发展的阻碍;一味的购买部署昂贵的财务软件,而没有意识到搭建财务流程自动化才是财务工作方式变革的根本。

RPA财务机器人助力新基建发展数字经济|实在智能RPA数字员工

 

表 1企业多个系统孤立操作繁琐

二、实在智能AI+RPA财务机器人应用

AI+RPA是突破财务工作方式弊端的“新技术”。实在智能AI+RPA在为房地产公司、烟草公司、保险公司、以及大型互联网公司客户部署实施财务机器人后总结了以下几点财务机器人主要功能。

 

RPA财务机器人助力新基建发展数字经济|实在智能RPA数字员工

  1. 数据检索:数据检索是财务机器人的基础功能,通过记录财务人员操作方式模拟财务人员操作行为。财务机器人还能对数据进行迁移以及跨系统的数据录入和输出。
  2. 图像、文本识别处理:实在智能财务机器人利用自研OCR+NLP技术对扫描后的图像识别预处理,对发票、图片、合同的关键信息识别后自动提取输出为结构化的信息,减少财务人员手工操作。
  3. 跨平台传输:针对不同系统的数据接口屏障,实在智能财务机器人能够迅速登入内外系统自动操作;将数据上传平台后进行数据同步更新。
  4. 数据监控:财务机器人模拟财务人员对财务工作流程做出判断,以及对工作流程、数据勘误、信息预测等环节做出监控。
  5. 数据汇总分析:实在智能财务机器人能够将处理完的数据进行检查、筛选、整理、校验汇总导出,减少财务人员操作。

以上财务机器人的5个功能点能够在大部分的财务场景中应用,并且为企业节省大量人力成本和工作时间。那么哪些财务工作环节具备业务流程自动化?

从下面这份财务会计流程自动化可行性分析可知,单单在财务领域,企业进行自动化优化的场景具备了广度和深度。

RPA财务机器人助力新基建发展数字经济|实在智能RPA数字员工

来自Ibi

那么这些场景具体实施的前后效果差异如何?下面就从实在智能已经部署实施的案例中挑选2个行业财务场景部署AI+RPA的真实案例讲解。

三、实在智能财务数字员工实施案例

Case1:费用报销自动化(某房地产公司财务场景)

Case2:采购到付款自动化(某省烟草局财务场景)

(一)费用报销自动化

费用报销流程是财务机器人使用最广泛的流程之一。某房地产公司部署实在智能财务机器人后在以下各个环节实现自动化。

1.报销单据接收自动化:财务机器人对多种渠道采集而来的各类发票和单据进行自动识别,自动生成报销单并发起审批申请。

2.费用报销智能审核:财务机器人按照设定的逻辑对发票真伪查验、预算控制和报销审查、记录审查结果并汇总反馈等。

3.自动付款:报销单通过审核后自动生成付款单;付款单进入财务机器人待付款中心,最后由财务机器人执行付款操作。

  1. 账务报告自动化:财务机器人将付款单自动生成凭证,提交过账后生成账务报告汇报至管理层。
  • 项目实施收益

a)费用报销规范化自动化。处理效率提升10倍以上。

b)准确率100%,数据错误风险降低。

c)减少人力操作时间,优化人力资源。

(二)采购到付款自动化

实现从供应商管理、供应商对账,到发票处理及付款整个过程的无缝衔接.

  1. 请款单处理:首先实在智能OCR扫描请款单识别相关信息,财务机器人将请款单信息录入ERP系统,对信息进行匹配。
  2. 采购付款:财务机器人自动提取付款信息(付款户名、账号等),提交至网银系统进行自动付款操作。
  3. 供应商对账:对账定时,机器人自动向供应商发送对账提醒邮件,并自动完成订单状态和发货状态查询,最后汇总输出信息。
  • 项目实施收益

a)库存缺货风险降低,库存自动预警自动发出订单。

b)采购付款自动化。处理效率提升12倍以上。

c)准确率100%,数据错误风险降低。

(三)实在智能财务数字员工其他应用场景

除了上诉案例外实在智能AI+RPA在财务领域的其他应用如下图。

RPA财务机器人助力新基建发展数字经济|实在智能RPA数字员工

实在智能RPA机器人可处理任务

(四)用户实施反馈

“让我们决心要将财务工作场景进行数字化自动化的原因很简单,那就是我们受够了无聊枯燥透顶的日常财务工作,它简直就是21世纪里的中世纪生产方式。”——某房地产公司财务经理。

“从最简单的表格数据跨平台流程自动化开始到10条流程自动化部署。现在每年可以为我们节省4000个工作时间。同时RPA也为我们培养了自动化思维,专注更具创造性的工作。——某大型连锁企业财务负责人。

四、企业数字化的目标是摘取更高的苹果

单单企业财务场景下的数字化、自动化改造的环节就如此之多,每一个环节在实现自动化之后都为企业带去了极大的变化,假设我们把企业看成是一棵大树,把财务自动化、采购自动化、业务流程自动化、智能客服等看成树上底端的苹果。把数字化、自动化智能化看成树顶端的苹果,把AI+RPA看成大树底下的土壤。

RPA财务机器人助力新基建发展数字经济|实在智能RPA数字员工

很显然AI+RPA作为企业业务流程自动化的技术基础;企业借助AI+RPA技术实现财务、采购、客服等场景的自动化、智能化后开始向更高的企业整体数字化、自动化、智能化迈进,获取更大的战略效益。而摘取顶端苹果则需要强大的AI技术能力支持。

五、实在智能专注AI赋能RPA

实在智能“AI+RPA”是将自然语言处理(NLP)、光学字符识别(OCR)、语音识别与合成(ASR、TTS)以及智能决策等一系列人工智能技术与RPA技术全面融合后提出的一种全新的企业数字化智能化解决方案。通过AI+RPA打造的“数字员工”将辅助或部分代替真人员工完成各类自动化工作,其所能够覆盖的业务场景范围较传统RPA技术大幅提升。

RPA财务机器人助力新基建发展数字经济|实在智能RPA数字员工

实在智能是一家人工智能科技公司,聚焦大规模复杂问题的智能决策领域,通过AI+RPA技术打造广泛应用于各行各业的智能软件机器人,即“数字员工”。助力客户提质降本增效,从“劳动密集型”向“AI密集型”转型,推动生产模式与业务流程实现颠覆式创新升级。

RPA财务机器人助力新基建发展数字经济|实在智能RPA数字员工

小漾

实在智能参与中文自然语言理解评价标准体系(CLUE)阶段性进展回顾

「实在智能」简介

「实在智能」(杭州实在智能科技有限公司)是一家人工智能科技公司,聚焦大规模复杂问题的智能决策领域,通过AI+RPA技术打造广泛应用于各行业的 智能软件机器人,即“数字员工”。助力客户提质、降本、增效,从“劳动密集型”向“AI密集型”转型,推动生产模式与业务流程实现颠覆式创新升级。

 

2018 年,来自纽约大学、华盛顿大学、DeepMind 等机构的研究者创建了一个多任务自然语言理解基准和分析平台——GLUE(General Language Understanding Evaluation)。GLUE 包含九个英文数据集,目前已经成为衡量模型在语言理解方面最为重要的评价体系之一。对中文 NLP 而言,之前缺少与之相对应的成熟评价体系和交流平台。

 

在此背景下,「实在智能」算法团队联合中文 NLP 行业专家及热心人士共同发起了“Chinese GLUE”,即中文自然语言理解评价标准体系—— CLUE benchmark(Chinese Language Understanding Evaluation Benchmark)简称为 CLUE项目。

 

一方面,该项目精心梳理整合中文NLP领域相关资源,助力研究人员提升工作效率和产出。另一方面,该项目希望通过建立leaderboard 榜单机制,为从业人员及爱好者提供一个高质量的衡量模型效果平台,促进行业中文语言理解能力的快速提升。

 

整体贡献

1.提出为中文NLP模型定制的中文语言理解测评基准包括8大数据集、多个排行榜,促进中文数据集的标准化,便利中文模型测评和研究。

2. 开源多个数据集,包括细粒度命名实体识别(CLUENER2020)、指代消解数据集(CLUEWSC2020),论文关键词识别(CSL),丰富中文数据集。

3.提供超过100G的中文预训练语料库,发放给100+国内外科研单位,为中文NLP中的关键技术(预训练模型)发展提供充足动能。

4.  提供一系列中文预训练模型,促进预训练模型的研究。包括为国内外最受欢迎的通用NLP预训练模型transformers项目提供了11个中文模型。

5.  与中国计算机学会的中文信息技术专委合办NLPCC高性能小模型测评,推动模型小型化的研究和落地。

实在智能参与中文自然语言理解评价标准体系(CLUE)阶段性进展回顾

目录

  • 现状问题描述
  • 内容体系
  • 排行榜
  • 发布的Arxiv论文和项目介绍
  • NLPCC高性能小模型测评
  • 团队介绍
  • 数据集介绍及有奖征集

 

一、现状问题描述

 

相对英文,中文NLP 的资源比较匮乏并缺少有价值的整合。相信很多从业人员及爱好者在推进相关工作的时候,都曾或多或少遇到过下面问题:1) 找不到官方数据集下载链接,而论文中的资源链接已过期;2)数据集有很多版本,从业者反馈结果五花八门,采信存疑;3)原始数据集需要繁琐的预处理工作;4)实验结果复线困难,预处理和模型的细节可能对最终的结果带来非常显著的影响。类似以上问题会花掉很多宝贵科研时间,严重影响工作效率,对初学者而言更是如此,提高研究门槛。

 

为解决上述问题,「实在智能」算法团队组织中文NLP行业专家及热心人士共同发起了 CLUE benchmark (简称为 CLUE)项目

 

CLUE旨在综合形式不同、难度各异的中文自然语言理解数据集,制作一个统一的测试平台,以准确评价模型的自然语言理解能力。目前已收集了至少9大数据集,并制作了排行榜。包括华为、阿里、腾讯等知名公司,以及中科院相关院所等高校参与了测评。我们的GitHub repository已获得超过1000颗星。下面是我们的网站:

官网地址:www.CLUEbenchmark.com

Github 地址https://github.com/CLUEbenchmark/CLUE

论文地址:https://arxiv.org/abs/2004.05986

 

二、内容体系

 

下面是CLUE 为大家整理的包含数据集、标准模型、语料库以及Python工具包:

1)收集处理了一系列性质各异的中文数据集(不同领域、不同规模、不同难度);

2)构建了在线提交评测平台即排行榜。这个平台能帮助我们横向比较不同的中文NLP 模型,为大家选择模型提供依据;

3)一些列基准模型,帮助大家轻易地复现经典模型在一系列数据集上的结果;

4)超过100G的中文预训练语料库,可用于中文预训练模型、语言模型、文本生成、语音识别等任务的训练;

5)Python工具包(PyCLUE),可以快速测评代表性数据集、基准(预训练)模型,并针对自己的数据选择合适的基准(预训练)模型进行快速应用。

 

三、排行榜介绍

 

基于一系列的中文数据集,目前已经构建了包含5个不同方向的排行榜,覆盖了分类、小模型、阅读理解、命名实体识别等不同子领域。吸引了包括华为诺亚方舟实验室& 华为云、阿里巴巴PAI、腾讯Oteam等行业内领先的团队参与测评。

实在智能参与中文自然语言理解评价标准体系(CLUE)阶段性进展回顾

NLPCC高性能小模型测评:

 

NLPCC是中国计算机学会(CCF)的中文信息技术专委的年度学术会议,是专注于自然语言处理(NLP)和中文计算(CC)领域的国际前沿会议。

 

针对目前面向中文的轻量级模型资源缺乏问题,CLUE在NLPCC2020会议上举办了面向中文的小模型大赛(shared task 1)。本次竞赛吸引了包括华为、小米、腾讯等公司的关注,目前排行榜的前两名分别是华为诺亚方舟和小米LAB,获奖者将获得NLPCC和CCF中国信息技术技术委员会认证的证书。

 

同时,通过相关经验的直播分享,将促进模型小型化的应用和落地。华为、微软、小米的研究员或算法工程师针对预训练模型、模型小型化和高性能小模型测评的比赛分享了自己的心得和体会。

 

实在智能参与中文自然语言理解评价标准体系(CLUE)阶段性进展回顾

 

四、Arxiv论文介绍

 

《CLUE:A Chinese Language Understanding Evaluation Benchmark》

这是CLUE的主论文,系统地介绍了CLUE benchmark中文语言理解基准测评,包括对8大任务的构造和介绍、一系列的基线模型上的测评、人类测评和模型测评的分析,以及语言学专家构造的用于评估模型在中文现象上的诊断集上的效果。

实在智能参与中文自然语言理解评价标准体系(CLUE)阶段性进展回顾

实在智能参与中文自然语言理解评价标准体系(CLUE)阶段性进展回顾

《CLUENER2020: Finegrained Named Entity Recognition Dataset and Benchmark for Chinese》

 

CLUENER2020发布了一个细粒度的命名实体识别的数据集,包含10个标签类别,并提供了三个基准模型和人类测评上的效果。

 

实在智能参与中文自然语言理解评价标准体系(CLUE)阶段性进展回顾

实在智能参与中文自然语言理解评价标准体系(CLUE)阶段性进展回顾

《CLUECorpus2020: A Large-scale Chinese Corpus for Pre-training Language Model》

 

发布了CLUECorpus2020,一个目前为止专门针对预训练模型用途的高达100G中文语料库,一个专门优化后的中文词汇表。还包括在这基础上的高质量中文预训练模型集合,包括最先进大模型、最快小模型、相似度专门模型。累积发放给超过100家机构和个人使用,包括中科院国家重点实验室、北大教授博导、创新工场研究院、小米人工智能实验室等专业的科研机构和个人。

实在智能参与中文自然语言理解评价标准体系(CLUE)阶段性进展回顾

实在智能参与中文自然语言理解评价标准体系(CLUE)阶段性进展回顾

 

五、团队介绍

 

顾问

 

张俊林,顾问。中国中文信息学会理事,中科院软件所博士,新浪微博机器学习团队AI Lab负责人。《这就是搜索引擎:核心技术详解》(该书荣获全国第十二届优秀图书奖),《大数据日知录:架构与算法》的作者。

 

徐国强,顾问。MIT博士,平安集团上海Gammalab负责人。

 

陈哲乾,顾问。浙江大学计算机学院博士,一知智能联合创始人,2017年代表一知智能参加斯坦福大学的举办SQuAD机器阅读理解比赛,获得单模型组世界第二、多模型组世界第三的优异成绩。主导设计一知智能大脑项目。

 

创始会员

 

徐亮,会长。CLUE项目发起人及总负责人。「实在智能」NLP算法负责人。昵称brightmart,深耕NLP近10年,在深度学习、意图识别、问答系统有深入研究创新,Github Top 10最受欢迎的文本分类项目作者。多个预训练模型中文版、文本分类和数据集开源项目作者。

 

Danny Lan,副会长。首席学术指导。SOTA语言理解模型ALBERT第一作者,美国卡耐基梅隆大学博士, 前Google AI科学家、美国智能监控公司首席科学家。研究领域主要集中在自然语言处理,计算机视觉和深度学习的结合与应用。近年来在多个国际会议和期刊发表论文20余篇,在ACM  Multimedia, CVPR, ECCV, ICCV 等国际顶会的程序委员会委员以及TPAMI,  TIP, TMM, TCSVT, CVIU 等期刊担任审稿人。

 

张轩玮,CLUE Github项目负责人、北京负责人。硕士毕业于北京大学,目前在爱奇艺从事NLP相关工作,之前从事热点聚合,文本分类,标签生成,机器翻译方面的工作。

 

李露,CLUE分类任务与测评负责人。华中师范大学在读研究生,曾参与筹备中文自然语言推理的数据集。暑期在平安科技实习,主要负责利用自然语言处理模型进行序列标注和情感分类任务。

 

董倩倩,文本生成与NER负责人。中科院自动化所博士在读,2017年度AI Challenger 英中机器同声传译赛道冠军团队成员。主要研究语音翻译,曾参与多个中文NLP项目。

 

曹辰捷,阅读理解小组负责人。平安金融壹账通算法工程师,负责阅读理解和预训练相关业务,CMRC 2019阅读理解冠军团队成员。

 

喻聪,CLUE  测评系统负责人。杭州实在智能算法工程师。主要研究多轮对话、意图识别、实体抽取、知识问答相关任务。

 

刘伟棠,CLUE主项目完善& Pytorch负责人。浙江大华从事算法相关工作,主要负责警务、司法等文本建模、知识图谱构建工作。

胡海,CLUE 新数据集负责人。美国印第安纳大学语言学系、计算语言学方向博士生。主要研究方向是自然语言推理、自然语言理解数据集收集和标注,以及句法树库标注。

 

六、相关报道

 

1.机器之心,ChineseGLUE:为中文NLP模型定制的自然语言理解基准;

2.新智元,超100亿中文数据,要造出中国自己的BERT!首个专为中文NLP打造的语言理解基准CLUE升级 ;

3.Paper weekly,ChineseGLUE(CLUE):针对中文自然语言理解任务的基准平台;

4.AINLP,CLUECorpus2020:可能是史上最大的开源中文语料库以及高质量中文预训练模型集合;

5.机器之心,10大类\142条数据源,中文NLP数据集线上搜索开放。

 

附件·数据集介绍 

1.AFQMC 蚂蚁金融语义相似度 Ant Financial Question Matching Corpus

 

数据量:训练集(34334)验证集(4316)测试集(3861)。例子:{“sentence1”: “双十一花呗提额在哪”, “sentence2”: “里可以提花呗额度”, “label”: “0”}每一条数据有三个属性,从前往后分别是 句子1,句子2,句子相似度标签。其中label标签,1 表示sentence1和sentence2的含义类似,0表示两个句子的含义不同。

 

2.TNEWS’ 今日头条中文新闻(短文本)分类Short Text Classificaiton for News

 该数据集来自今日头条的新闻版块,共提取了15个类别的新闻,包括旅游,教育,金融,军事等。

数据量:训练集(53,360),验证集(10,000),测试集(10,000)。例子:{“label”: “102”, “label_des”: “news_entertainment”, “sentence”: “江疏影甜甜圈自拍,迷之角度竟这么好看,美吸引一切事物”}每一条数据有三个属性,从前往后分别是 分类ID,分类名称,新闻字符串(仅含标题)。

 

3.IFLYTEK’ 长文本分类Long Text classification

 

该数据集共有1.7万多条关于app应用描述的长文本标注数据,包含和日常生活相关的各类应用主题,共119个类别:”打车”:0,”地图导航”:1,”免费WIFI”:2,”租车”:3,….,”女性”:115,”经营”:116,”收款”:117,”其他”:118(分别用0-118表示)。

 

数据量:训练集(12,133),验证集(2,599),测试集(2,600)例子:{“label”: “110”, “label_des”: “社区超市”, “sentence”: “朴朴快送超市创立于2016年,专注于打造移动端30分钟即时配送一站式购物平台,商品品类包含水果、蔬菜、肉禽蛋奶、海鲜水产、粮油调味、酒水饮料、休闲食品、日用品、外卖等。朴朴公司希望能以全新的商业模式,更高效快捷的仓储配送模式,致力于成为更快、更好、更多、更省的在线零售平台,带给消费者更好的消费体验,同时推动中国食品安全进程,成为一家让社会尊敬的互联网公司。朴朴一下,又好又快,1.配送时间提示更加清晰友好2.保障用户隐私的一些优化3.其他提高使用体验的调整4.修复了一些已知bug”}

每一条数据有三个属性,从前往后分别是类别ID,类别名称,文本内容。

 

4.CLUEWSC2020: WSC Winograd模式挑战中文版,新版2020-03-25发布

 

Winograd Scheme Challenge(WSC)是一类代词消歧的任务。新版与原CLUE项目WSC内容不同,即判断句子中的代词指代的是哪个名词。题目以真假判别的方式出现,如:

句子:这时候放在床上枕头旁边的手机响了,我感到奇怪,因为欠费已被停机两个月,现在它突然响了。需要判断“它”指代的是“床”、“枕头”,还是“手机”?

 

数据来源:数据由CLUE benchmark提供,从中国现当代作家文学作品中抽取,再经语言专家人工挑选、标注。

 

数据形式:{“target”:     {“span2_index”: 37,     “span1_index”: 5,     “span1_text”: “床”,     “span2_text”: “它”},”idx”: 261,”label”: “false”,”text”: “这时候放在床上枕头旁边的手机响了,我感到奇怪,因为欠费已被停机两个月,现在它突然响了。”}”true”表示代词确实是指代span1_text中的名词的,”false”代表不是。数据集大小:训练集:1244;开发集:304

 

5.CSL 论文关键词识别Keyword Recognition

 

中文科技文献数据集(CSL)取自中文论文摘要及其关键词,论文选自部分中文社会科学和自然科学核心期刊。使用tf-idf生成伪造关键词与论文真实关键词混合,构造摘要-关键词对,任务目标是根据摘要判断关键词是否全部为真实关键词。

数据量:训练集(20,000),验证集(3,000),测试集(3,000)例子:{“id”: 1, “abst”: “为解决传统均匀FFT波束形成算法引起的3维声呐成像分辨率降低的问题,该文提出分区域FFT波束形成算法.远场条件下,以保证成像分辨率为约束条件,以划分数量最少为目标,采用遗传算法作为优化手段将成像区域划分为多个区域.在每个区域内选取一个波束方向,获得每一个接收阵元收到该方向回波时的解调输出,以此为原始数据在该区域内进行传统均匀FFT波束形成.对FFT计算过程进行优化,降低新算法的计算量,使其满足3维成像声呐实时性的要求.仿真与实验结果表明,采用分区域FFT波束形成算法的成像分辨率较传统均匀FFT波束形成算法有显著提高,且满足实时性要求.”, “keyword”: [“水声学”, “FFT”, “波束形成”, “3维成像声呐”], “label”: “1”}

每一条数据有四个属性,从前往后分别是 数据ID,论文摘要,关键词,真假标签。

 

6.CLUENER2020 细粒度命名实体识别

 

数据分为10个标签类别,分别为: 地址(address),书名(book),公司(company),游戏(game),政府(government),电影(movie),姓名(name),组织机构(organization),职位(position),景点(scene)
以train.json为例,数据分为两列:text & label,其中text列代表文本,label列代表文本中出现的所有包含在10个类别中的实体。例如:

text: “北京勘察设计协会副会长兼秘书长周荫如”label: {“organization”: {“北京勘察设计协会”: [[0, 7]]}, “name”: {“周荫如”: [[15, 17]]}, “position”: {“副会长”: [[8, 10]], “秘书长”: [[12, 14]]}}

其中,organization,name,position代表实体类别,”organization”: {“北京勘察设计协会”: [[0, 7]]}:表示原text中,”北京勘察设计协会” 是类别为”组织机构(organization)” 的实体, 并且start_index为0,end_index为7 (注:下标从0开始计数)

 

7.CMRC2018 简体中文阅读理解任务Reading Comprehension for Simplified Chinese

 

https://hfl-rc.github.io/cmrc2018/

数据量:训练集(短文数2,403,问题数10,142),试验集(短文数256,问题数1,002),开发集(短文数848,问题数3,219)

 

8.ChID 成语阅读理解填空Chinese IDiom Dataset for Cloze Test

https://arxiv.org/abs/1906.01265/成语完形填空,文中多处成语被mask,候选项中包含了近义的成语。

数据量:训练集(84,709),验证集(3,218),测试集(3,231)

 

9.C3 中文多选阅读理解Multiple-Choice Chinese

CMachine Reading Comprehensionhttps://arxiv.org/abs/1904.09679中文多选阅读理解数据集,包含对话和长文等混合类型数据集。训练和验证集中的d,m分别代表对话、多种文本类型混合。

 

数据量:训练集(11,869),验证集(3,816),测试集(3,892)。以上三个阅读理解数据集,请到GitHub项目查看详细例子。

 

七、写在最后:中文数据集有奖公开征集

 

实在智能参与中文自然语言理解评价标准体系(CLUE)阶段性进展回顾

 

现在,我们诚挚邀请中文自然语言理解方面的专家学者、老师同学、参与者为我们提供更多的中文自然语言理解数据集。这些数据集可以是您自己制作推出的,也可以是您认为很有意义但是是他人制作的数据集。

我们计划在6月14日前完成第二轮筛选,推出正式的CLUE Benchmark。请您将推荐数据集的名称、作者、形式以及License情况发送至:邮箱CLUE@CLUEBenchmarks.com

【奖励】

如果您推荐的数据集被选中,将能提高扩展数据集的知名度,并为学界、业界对自然语言理解的研究做出贡献。CLUE组织会引用和推广该数据集;我们也会结合数据集质量、意义、量级和标注难度、任务类型设置不同等级的奖励,给予1000—5000元现金奖励。

【要求】您推荐的数据集需要满足以下条件:

【任务与自然语言理解相关】我们要求数据集能够测试模型是否理解了中文,模型或者以研究为导向,或者以实际应用为导向,重点是需要包含语言理解成分。同时,确保任务质量。

 

【任务形式】任务输入是一段文本(可长可短),具体可以是分类、序列标注、指代消歧、多项选择、回归任务等。任务最好能够使用基本的神经网络模型做出基线,方便测评。

 

【能够测评】提交的任务需要有简单、客观的评测标准。如果是包含文本生成的项目,那么需要证明该项目有易行的可靠评测标准。

 

【公开的训练数据】任务的训练数据和开发数据需要公开,并且授权CLUE使用。【未公开的测试集】任务最好有尚未公开的测试集。

 

【任务难度】提交的任务不能过于简单。具体来讲,目前已有模型如BERT,相较训练过的普通标注者,结果还是会逊色很多。

 

LittleR

19年RPA行业数据,AA,BP,Uipath-Uipath是领导者吗?

AA,BluePrism,UiPath管理层

19年RPA行业数据,AA,BP,Uipath-Uipath是领导者吗?

19年RPA行业数据,AA,BP,Uipath-Uipath是领导者吗?

19年RPA行业数据,AA,BP,Uipath-Uipath是领导者吗?

Top 6家在国内有影响的欧美RPA公司2019年重要数据对比

19年RPA行业数据,AA,BP,Uipath-Uipath是领导者吗?重点盘点:

  1. 基本以美国公司占据主导,仅一家英国公司。(Pege公司有其它传统业务,并非都是RPA业务数据)
  2. AA和Uipath两家公司的融资总额均接近 10亿美金。

3   AA和Uipath估值过高:

19年RPA行业数据,AA,BP,Uipath-Uipath是领导者吗?

▌Uipath收入增长已趋于合理

相比2018年Uipath收入增长 3000%,2019年继续发力全球布局,中国市场大力拓展之后,增长率反而回归合理的94%。

19年RPA行业数据,AA,BP,Uipath-Uipath是领导者吗?

▌单位员工效益(收入)并不突出

2019年10月底,Uipath被曝出裁员多达400人,从3200人,裁员至2800人。至2020年4月份,最新员工数是2739。 如果不裁员,Uipath单位员工收入数据一定会不大好看,至少会比BluePrism差不少。而又有一种说法是,Uipath2019年收入是250M美元,如果按这个数据计算,91.3K 单位员工产出相较竞争对手还有一定差距。

▌成本数据推测

BluePrism, Pege 这样的上市企业,成本和净利润都非常清晰,公司还是赚钱的,利润率可以达到77%。(尽管Blueprism 和 Pege在中国的业务不行,后面分析)

19年RPA行业数据,AA,BP,Uipath-Uipath是领导者吗?

BluePrism公司License 收入占比高达95.6%

Uipath公司在2019年的成本数据,推测应该是比较难看的,不过既然有大量资本进入,短期是否赚钱也并不是重点。


RPAPlus: 对比Pege ,911 M的收入,6.2 B的估值 ;BluePrism 101 M 英镑 的收入,1.2 B美元的估值 。AA与Uipath的估值过高 。



紧盯当下更需远眺未来:

1)市场趋势

2019年中国市场RPA有增长,但增长率没有预期高,RPA的爆发期还未到来。

客户数(市场占有率)

Uipath的竞争策略是为了获得更多用户,更多的开发者生态。只是有一个小问题,用户采用了某RPA产品后,后面替换成其他RPA产品的成本和代价有多大,有多大比例用户愿意接受。(关于此话题,我们也会持续跟踪并收集一手数据)

低价竞争,导致行业竞争混乱。

去年的RPA市场,有太多需要”证明自己“的初创国产品牌,导致经常出现低价竞争的局面。然而还有许多初入RPA这个领域的同学,会严重低估RPA项目的服务成本,经常出现服务费用严重超标的项目。

RPA行业或许会在2-3年内完成第一轮洗牌,RPA产品公司/专业的RPA咨询服务公司都将面临这次挑战。

2)产品趋势

Uipath – Studio X

概念可以归纳为以下几点:

  • 用户体验与易用性进一步提升, 让RPA使用者不论是开发人员还是业务用户都用得爽。
  • 得益于收购了ProcessGold 和 StepShot两家流程发现领域的专业产品公司。流程发现将更加智能。
  • Uipath自有Computer Vision 以及 Open AI ARCHITECTURE ,扩展AI的能力边界,让AI集成与部署更加简单。
  • 加强企业级安全架构,从三个方面加强安全,数据传输安全,数据留存、归档、日志、队列、数据库安全,以及防外部攻击。

RPAPlus: 方向是很好的,除了云方向的能力未提及外。只是对于安全架构,现存的Studio,Robot, Orchestrator 体系能达到的天花板似乎就在那里。



AA- ENTERPRISE A2019

基于 Web 的云原生 RPA 平台,体验即时易用性和前所未有的可扩展性

19年RPA行业数据,AA,BP,Uipath-Uipath是领导者吗?

网页上的设计器,将拖拽体验极大优化

AutomationAnywhere 的原客户端Studio的鲜明特点是过于技术,对于非技术人员不友善。

19年RPA行业数据,AA,BP,Uipath-Uipath是领导者吗?

ENTERPRISE V11使用原先这个Studio

总结一下:

  • 为了弥补之前Studio用户体验的不足,推出体验更好的网页版在线流程设计工具,同时也为将来更加云端的应用做好铺垫。
  • 强化AI及认知能力,不局限于只是完成重复工作的机器人任务
  • Discover Bot 用于流程发现
  • Bot Insight 强大的报表能力

RPAPlus:  企业级管理,高可用,安全体系是AA原有的优势。AA的方向是追求更好的用户体验。

扩展阅读 Uipath、BluePrism、AA产品对比之设计器篇



3)本土化趋势

通过之前的分析已经可以发现,这些TOP RPA公司几乎全部来自美国(英国)。

曾经许多产品在国内难寻替代方案,而RPA产品在国内目前确已有那么多可替代方案,尽管可能产品性方面还不如TOP RPA Vendor。所以留给本土RPA公司的机会依旧存在,看谁可以笑到最后吧。

BluePrism在中国为何这么失败?

19年RPA行业数据,AA,BP,Uipath-Uipath是领导者吗?

BluePrism全球的业务其实还不错,亚太业务占比仅为12.5% ,而亚太业务贡献目前主要来自日本。

19年RPA行业数据,AA,BP,Uipath-Uipath是领导者吗?

▌临阵换帅及投入缺乏战略定性

可能很少有人知道,从2019年至今,BluePrism大中华区GM两次被换人,目前更是面临群龙无首的奇怪现状。

大家都知道英国人做事偏保守,上市企业又会面临许多合规审计问题,在面对业务扩张这样的事情上,可能无法像手握投资人重金的Uipath和AA那样大手一挥。不过,导致目前这样的局面应该还是战略规划问题,简单的讲就是不重视。


RPAPlus:  BluePrism 2019年报-官网可下载

BluePrism 2019年年报 (下载12)

最后

问:Uipath是 RPA行业的领导者吗?

从企业收入,知名度,开发者生态这些指标上讲,Uipath是领导者之一。从其他的角度来看,读者心目中应该有答案。

其实当下的排名,市场占有率并不能说明一切,最后占据中国市场No.1 指不定是一个国产品牌。

► 几款不错的RPA开源软件分享[RPA Plus]
► 企业有关于未来工作的路线计划图吗?
► 免费入驻-RPA产品在中国页面
► RPA新宣言:流程自动化机器人的十大定律
► 后危机时代:灵活可扩展的自动化逐渐成为标配
► Uipath 收发消息 R-Connect范例(官网可下载)
► RPA开发利器,R-Connect 人机交互解决方案
► 花了一点时间,我们自己做了一个RPA设计器
► 搜索引擎机器人-可下载
► RPA的门槛真的很低吗?
► RPAPlus 2020合作计划
► 突破RPA的障碍和最佳实践 RPA Plus
► 从疫情中窥机 – 人工智能商业潜力
► 重新审视当今最被炒作的RPA
► 国产RPA软件横评报告
「RPAPlus」 | 专注RPA+AI 研究、评测、教育
LittleR

企业有关于未来工作的路线计划图吗?

企业有关于未来工作的路线计划图吗?RPA Plus
自动化和人工智能如何使未来的工作成为可能,站在前端思考。

建立在数字核心上的企业往往比建立在传统运营模式上的企业表现更好。麦肯锡的研究显示,数字化驱动的企业比其行业竞争对手更有利可图。因此,对流程自动化(RPA)和人工智能(AI)等新兴技术的应用呈上升趋势也就不足为奇了。

Gartner最近的一项调查发现,37%的全球企业现在以某种形式实施了人工智能,而在过去4年里,使用人工智能的企业数量增加了270%。如今,越来越多的企业不再依赖由办公室员工、经理、工程师、顾问和客户服务代表运作的传统业务流程,而是依赖数字员工、自动化和人工智能来运行他们的核心业务流程。

随着世界各地的企业在其数字化转型的道路上继续前进,有一个明确的路线图是至关重要的,可以调整他们的数字战略与他们的整体业务目标。为了做到这一点,必须考虑几个因素。

·
自上而下的理解

工作的性质正在转变。随着机器人承担更多重复性和耗时的任务,数字化工人的部署使企业能够以更高效的方式运行。这解放了人们的时间,使训练有素的专业人员能够专注于他们的高技能功能和更多的人际角色。为了从自动化中受益,非数字出生的公司必须开始一场变革,从数字化和清理数据开始,使其成为一种可用的、可操作的格式。

然而,在这种数据驱动的转换发生之前,在董事会层面进行转换是至关重要的。执行人员必须理解新兴技术的好处,并具有远见,以确保他们选择实现的技术和他们决定自动化的流程能够帮助他们实现总体业务目标。只有到那时,自动化的好处才会逐渐显现出来,并在组织内的其他业务部门中变得清晰可见。

为了实现全公司范围的自动化,近年来出现了新的角色和职业道路,这在一定程度上要归功于智动化卓越中心(Centre of Excellence, CoE)的崛起。人工智能专家、CoE负责人、流程分析师、RPA开发人员和低代码/无代码开发专家等这些职位在五年前几乎还不存在,但现在已经变得常见了。世界经济论坛最近的一份报告发现,深度学习技术将在未来几年内创造1.33亿个工作岗位。这无疑要求人们在管理业务中的重大变化时扮演技术专家的角色。随着算法以更有效、更准确的方式处理日常工作,日常任务和工作性质正在发生变化。

·
提升员工技能

提高员工(包括管理层和员工)的技能,使其具备新的能力,并对人工智能和自动化的可能性有透彻的理解,这需要成为2020年寻求数字化驱动的企业的优先事项。

许多企业认为,技能差距正阻碍企业应用人工智能和自动化流程。81%的英国公司表示,技能差距阻碍了人工智能的应用。虽然企业有内部的部门和开发计划,但是要跟上快速变化的技术并掌握最新的知识是非常困难的。

为了让企业克服这个问题,需要开始培训他们的员工,将他们的角色转换成更高价值的角色,并将他们的自动化问题扩展到技术专家。外包的挑战意味着专家可以自动化并维护低效的业务流程,从而腾出员工的时间来从事更有意义的工作。通过采用一个集中式的卓越中心(Centre of Excellence),专家可以追踪人工智能的工作方式,并为企业的商业战略提供支持,这对企业的成功至关重要。

·
提升员工技能

对于希望将其核心业务流程自动化的企业来说,另一个问题是安全性。RPA在一个安全的云网络中受到保护,但是在设置和维护它时,仍然需要企业遵循最佳安全实践。缺乏人工智能和RPA方面的技能,以及如何最好地利用和实现这些技术,可能会导致缺乏安全性。

为了防止安全失败,必须更好地理解RPA在希望实现它的企业中是什么。业务内部更强的理解能力也将允许在RPA中构建更多的决策过程,以评估情况的最佳能力,并充分了解可能发生的事件。

当人员和数字工作者联合起来,增强互补能力,从而提高准确性、及时性和改进遵从性时,企业可以实现最佳的业务结果。人们可以执行更有价值的活动,并摆脱机器人最擅长的事务性任务。

 

如何使你的企业适合未来的工作

企业有关于未来工作的路线计划图吗?

工作的未来就在眼前了,由于日益增长的数字化、数字劳动力的崛起和生产力压力,现代劳动力需要一种新的方式来处理日常工作。然而,通常情况下,企业仍然缺乏管理业务的全面战略。这导致了员工们越来越感到沮丧,因为他们花了太多的时间在小的、无法完成的任务上,而这些任务并没有给他们带来什么好处。

WORKFRONT最近发布的《2020年工作状态报告》发现,英国员工每周31%的工作时间花在处理过多的电子邮件、干扰和浪费时间的会议上。这让他们把毫无意义的任务排在第一位,让他们在工作中感觉不到满足和富有成效。

对商界领袖来说,这是一个关键时刻,已经超越了仅仅“防未来”的需求。现在是时候让组织重新思考工作状态,并对这种为下一代工作的新方式做出回应了。否则,它们就有可能在增长和留住每一代人才的能力方面输给竞争对手。

这意味着向为团队提供更好工作方式的系统的真正转变。虽然我们已经看到许多新的工作场所工具出现近年来解决团队协作,资源管理、项目计划和组织。知识工作者的工作状态在世界各地仍在寻找一个更好的解决方案,如何有限的激发知识工作者的潜力与有效的约束知识工作者实际投入的时间,完成富有挑战的业务指标。

 

技术如何塑造未来的工作
·
数据

十年前,数据面临的最大挑战是如何存储数据,如何可靠、经济地访问数据。自那以来,计算机闪存设备(NAND存储器)等存储类型的容量增长速度超过了摩尔定律,成本降至如此低的水平,已不再是大多数组织所关心的问题。

与此同时,我们通过简单易用的工具使用强大的算法处理数据的能力也得到了极大的提高。云计算和先进的软件使得处理大量数据变得很容易。像谷歌分析这样的工具几乎无处不在,实际上起到了标准化力量的作用。

最终的结果是,一套全新的服务正在构建之中,它利用了对数据的标准化访问(如SQL或谷歌分析中的数据)、廉价的计算和存储成本,以及自然语言生成等先进的人工智能技术。这些服务可以以一种组织可以立即采取行动的方式,提供容易理解的关于数据的叙述。

·
自动化

通过数据分析获得更多相关信息是至关重要的,但如果不同时提高对这些信息采取行动的能力,就仍然是低效的。这就是自动化可以提供支持的地方。有两种思考自动化的方式。

一方面,你可以自动对新信息做出反应。例如,如果通过数据分析,我们看到对商店中特定商品的需求增加,我们可以自动化订购流程,将更多的商品送到配送中心。亚马逊就是依靠这样的决策来建立尽可能高效的分销网络。然而,这需要高度复杂的数据分析和自动化。

另一方面,可以将更普通的任务(包括数据分析任务)自动化,这样您的团队就有更多的时间来关注更高级、更复杂、更有价值的决策制定。这些都是如今大多数企业能够轻易获得的成果。查看所有流程和工作流,肯定会看到可以通过利用API级(应用程序编程接口)访问功能的程序更好地连接的步骤。通过API连接服务创建了组织之间的智能管道系统,减少了繁琐的任务。这些类型的任务通常属于流程自动化机器人的范畴,包括地址流程的自动化更改(影响多个系统)、收益管理、报表核对、各种遵从性活动、手工订单处理。

·
通过数据、自动化实现敏捷的数字转换

数字技术已经在以各种方式改变着我们的工作方式。尽管有很多关于数字化转型的言论,但刨去营销的成分,剩下的就是一个企业通过引入数字化技术来改变其运作方式的能力。

现代工作场所

通过获取多个不能满足整个企业真正需求的技术选项,或者不让团队清楚地了解整个企业的工作目标,企业只会让工作变得更加复杂。与构建敏捷的工作环境不同,这只会导致每天需要管理更多的应用程序,并创建以更封闭、更复杂的工作方式运行的未完成的团队。

相反,我们需要用一种全新的方式来看待工作。为了改善跨团队的沟通并保持进度,企业应该采用可扩展整个业务的连接技术,如现代的工作管理解决方案。

通过使用可操作的业务范围的软件,诸如进度报告和状态更新之类的日常事务将在一个平台上立即与所有合适的团队成员共享。我们将主动提供见解,而不是将其储存起来,提供全公司范围内的信息,从而推动组织朝着更好的工作方式前进。

这将使员工的工作日包含更少(但更有意义)的会议,更少的干扰,并有机会完成充实、投入的工作,推动公司的战略向前发展。

·
拥抱工作的未来

技术提供了部分解决方案,但未来工作的人为因素还是最重要的。因此,让员工参与进来并推动采用这种新方法是势在必行的。通过与成千上万的公司合作,通过他们的现代工作转换,我们已经确定了四个基本属性,这些属性是为工作的未来做好准备的企业所共有的。为了确保现代工作要求成为一种竞争优势,而不是成功的障碍,请关注以下几点:

1. 从可见性和上下文开始

通过你的所有部门、团队和组织中的每一个人,积极地沟通公司战略。确保你的组织的所有层次的战略都有明确的定义,由数据提供信息,并进行了清晰的沟通。因此,员工和管理人员都能清楚地看到公司努力实现的目标。最重要的是,确保每个人都理解他们在公司成就中所扮演的角色。保持这种持续的联系展示了弹性的领导能力,并鼓励开放的公司文化。

2. 积极管理工作

对工作表现施加无情的压力,同时创造积极、开放和诚实的文化。通过使用数据对产品、团队和项目进行调整和决策来实现这一点。通过根据实时数据而不是假设做出决策,努力在资源管理方面取得卓越成绩。在实现这一目标的公司里,员工和团队满怀信心,而不是恐惧地工作,从而实现增长和成功。

 

3.部署技术来帮助团队完成工作

 

用他们需要的应用程序和系统来支持他们完成工作并在工作中保持充实。这可以是即时通讯到产品设计工具或最新的创意套件。重要的是,面向未来的企业确保他们也建立了一个数字主干,将各个工具连接在一起,形成一个协调的整体。支持敏捷工作流程和捕获信息提供了可见性和上下文环境。采用工作管理将推动技术战略和公司的愿景。

 

4. 拥抱敏捷

 

表现出卓越的组织灵活性,为未来的成功做好准备。与其简单地使现有的工作更容易或更灵活,不如采用更动态的方法。跨部门团队工作,更频繁地适应,赋予新领导权力,并在个人、团队甚至组织层面重新部署他们,以推动新的市场机会。

 

这些属性都指向那些将员工、工作方式和创造的知识产权视为关键业务资产的企业,而不仅仅是达到目的的手段。最重要的是,这些企业把人放在最重要的位置,帮助个人完成他们最好的工作。他们通过拥抱协作、可见性和通过新技术积极管理工作的能力来做到这一点。任何将这种方法应用于未来工作的企业都会发现,他们可以将压力转化为机遇,并在预测、甚至推动行业变革的同时加快步伐。

► RPA新宣言:流程自动化机器人的十大定律
► 后危机时代:灵活可扩展的自动化逐渐成为标配
► Uipath 收发消息 R-Connect范例(官网可下载)
► RPA开发利器,R-Connect 人机交互解决方案
► 花了一点时间,我们自己做了一个RPA设计器
► 搜索引擎机器人-可下载
► RPA的门槛真的很低吗?
► RPAPlus 2020合作计划
► 突破RPA的障碍和最佳实践 RPA Plus
► 从疫情中窥机 – 人工智能商业潜力
► 重新审视当今最被炒作的RPA
► 国产RPA软件横评报告
「RPAPlus」 | 专注RPA+AI 研究、评测、教育
LittleR

2020微软准备全力投入RPA

2020微软准备全力投入RPA

流程自动化机器人(RPA),涉及到在组织中自动化重复和乏味的流程,由三家纯粹的软件供应商主导:UiPath、Blue Prism和Anywhere Automation。这些公司是科技行业增长最快的公司之一,筹集了大量风险资本。不过大型软件公司也想要从RPA的机会中分一杯羹,微软可能是其中最具优势的一家。

微软拥有庞大的企业客户名册、强大的全球基础设施以及庞大的合作伙伴和开发人员生态系统。此外,微软一直在大力支持其云业务,这也起到了一定作用。目前,微软的云业务仅次于亚马逊(Amazon)。

微软RPA战略的关键是利用Power自动化平台,它帮助自动化遗留系统。其中一些功能包括:对结构化和非结构化数据(比如发票)的理解,以及与300多个现代应用程序和服务的集成。还有许多人工智能功能。

–不过呢,目前的PowerPlatform并不是太理想,请参考

微软进入了RPA市场,这意味着什么?

 

那么RPA呢?Power Platform 是微软2019年推出的平台。它被称为UI流,既包括有人值守的自动化,也包括无人值守的自动化。RPA也相当容易使用,因为它允许记录工作流(击键、鼠标移动、数据输入等),并提供低代码和无代码方法。许多欧美企业已经利用RPA 机器人节约了大量的人力。

“每个人都可以成为开发者,”微软公民开发者平台的CVP Charles Lamanna说。不到30秒就可以注册。你可以在几分钟内创建一个机器人。”

但是,这种技术的可访问性是否会导致安全问题?例如,员工是否可以将薪资信息存储在Dropbox中?

微软当然注意到了这些风险,并创建了一个强制执行的系统,因为平台是云本地的。Lamanna说:“你可以完全看到每一个机器人。”

 

那么RPA市场的用户界面流量有多大呢?现在还不清楚。但在一篇博客文章中,微软指出:“Power自动化已经帮助成千上万的组织每天自动化数百万个流程。”

例如,Ingram Micro在其整个组织中使用Power automation来帮助进行入职、创建帐户、信用额度管理和其他关键工作流。约75%的项目开发时间不到30天。

典型的软件供应商收费模式是对每个机器人收费,每月可能超过1000美元。这还不包括配置机器人和其他模块的费用。但微软打破了这种包含两层的模式。首先,运行有人值守或无人值守机器人需要向每个用户收取每月40美元的费用。接下来,您可以选择为每个无人值守的机器人每月支付150美元。

换句话说,这种低成本策略应该会极大地扩大采用范围。它也可能对RPA产业产生重大影响。成本无疑是客户关注的一个主要问题,特别是那些想要扩大自动化规模的客户。

“RPA有三个趋势,”Lamanna说。首先,云是不可避免的,云托管将是唯一重要的端到端环境。第二,如果RPA想要成为主流,它必须民主化。现实情况是,直到Windows出现在每个人的办公桌上,它才成为一个大问题。RPA要想变革性,就必须放在每个人的办公桌上。对RPA的需求是真实存在的。信息工作者60%以上的工作岗位有30%以上的时间在做机械的、可自动化的工作。公司的经济效益,更重要的是员工在工作中的成就感,是非常非常大的。我们只需要让它成为可能,让人们负担得起。第三,自动化将超越用户界面自动化。真正的自动化包括聊天机器人和收集信息的表单等元素,这些都将开始与数字流程自动化和机器人流程自动化混合在一起。客户希望用一个集成的解决方案来解决自动化问题。”

 

 

 

LittleR

来也科技完成C轮4200万美金融资,加速RPA+AI在政企落地

2020年2月24日,人工智能企业来也科技宣布完成C轮4200万美元融资。本轮融资由光速全球基金和光速中国成长基金联合领投,凯辉创新基金和双湖资本继续跟投。来也科技作为目前国内RPA+AI赛道融资额最高的公司,进一步确立了国内RPA+AI办公自动化的领导者地位。

来也科技董事长兼CEO汪冠春表示:此轮融资仍将用于招募行业内最优秀的人才,包括销售和市场,RPA+AI技术研发和解决方案人员,持续夯实来也科技的商务与技术能力。来也科技已在合并后的半年内快速完成了上百人的政企商务团队,近300人的RPA+AI解决方案、项目交付和产品研发团队的扩建,同时还搭建了覆盖全国的渠道销售网络。公司目前已获得数十家世界500强、中国500强和政府机构客户,并将RPA+AI成功应用于各行各业以财税、人事、客服和营销为代表的办公场景中。已实施RPA项目的大型政企客户有扩展AI意向的占比达75%以上。

来也科技联席CEO兼总裁李玮对于合并后半年的业绩表示满意:“我们已在全国拥有超过200家合作伙伴,20万社区注册用户,最先完成了国内RPA生态体系建设。”

此轮领投方光速早在10多年前即在企业服务和硬科技领域开始深度布局,已有多家企业服务和硬科技独角兽公司成功上市。光速中国创始合伙人宓群说:“作为来也最早的投资人,我们从种子轮开始一路见证了公司的快速成长,来也科技的管理团队在RPA和AI领域有很深的积累,打造了全行业唯一的‘RPA+AI’开放平台和最大的开发者社区。作为公司的全球合伙人,光速持续加注投资,同时借助光速在企业服务硬科技领域丰富的行业经验和全球资源,帮助来也科技加速发展。”

2月10日,汪冠春曾在公司官方微信文章中宣布:前竹间智能CTO翁嘉颀(Phantom)加入来也科技担任副总裁,整体负责解决方案和项目交付。来也科技研发实施的RPA流程中,已包含文字识别(OCR)、自然语言处理(NLP)、对话机器人(Chatbot)、计算机视觉(CV)等多种AI能力,可实现更高复杂度、更高价值的流程自动化。在交付给客户的RPA机器人中,使用AI能力的占比达到35%,为客户实现真正的RPA+AI。

来也科技完成C轮4200万美金融资,加速RPA+AI在政企落地

上一轮领投方凯辉基金管理合伙人段兰春表示:“凯辉一直关注和看好企服领域,在中欧美三地已投资了多家相关创新企业。来也科技作为中国RPA+AI行业的代表,与国际同类产品竞争时表现出良好的专业能力与影响力。特别在这次疫情期间,来也科技短时间内上线如疫情管理流程自动化软件机器人平台、社区健康问候机器人等应用,不仅是企业的社会责任与担当,更是背后多年扎实的技术积累的体现。凯辉将继续利用自身跨境公司与集团方面的资源,推动合作,助力来也走在智能时代劳动力转型的最前端。”

B轮领投方双湖资本秉持长期价值投资理念,持续支持来也科技的技术发展和应用。CEO张艳非常认可RPA+AI在传统行业数字化转型中的重要价值,相信高效便捷的来也产品将提高人效帮助企业节省成本,企业可将人力投入到高价值业务中去。

此前,来也科技被国内多家媒体和机构评价是“国内最接近UiPath的公司”。来也科技在新冠肺炎疫情期间免费为政府机构提供RPA+AI疫情辅助机器人产品和服务的义举得到海内外好评。此次融资发布,来也科技更是承诺未来每年公司会把年利润的1%捐给政务、医疗、教育和研究相关的公益项目回馈社会。

LittleR

来也科技发布国内首份RPA应用指南 提供企业数字化转型解决方案

在全球企业进行数字化转型升级的大背景之下,以RPA(机器人流程自动化)为代表的数字化工具,逐渐被视为企业实现数字化转型的必备工具。2020年2月19日,《新智能·新效率,智慧中国机器人流程自动化应用指南》(以下简称《RPA应用指南》)正式对外公布,这是国内RPA行业发布的第一本应用指南,由来也科技与电子政务理事会联合发布,人民日报海外网提供独家战略媒体支持。

机器人流程自动化(Robotic Process Automation,简称RPA),是一种预先设定的程序,通过模拟并且增强人与计算机的交互过程,将基于规则的常规操作自动化。例如读取邮件、对账汇总、检查文件、生成文件和报告等枯燥、重复、标准化的工作,都可以让RPA机器人代为完成。

来也科技发布国内首份RPA应用指南 提供企业数字化转型解决方案

 

《RPA应用指南》根据RPA应用的现状和特点共分为七个章节,包括:“寻找推动效率提升的新动能”、“RPA平台应用了解”、“RPA + AI 应用介绍”、“行业应用实践”、“代表性企业案例”、“RPA + AI 人才培养”、“展望:走进智能时代的中国企业”,涵盖了RPA的概念、应用和案例等内容。

来也科技董事长兼CEO汪冠春表示,RPA作为一种敏捷、高效、成本可控的数字化转型方式,已成为近年来关注度最高的技术趋势之一。《RPA应用指南》将来也科技的第一手服务实践和洞察进行了输出,帮助政府组织和企业了解智能化、数字化、自动化等前沿技术手段,并为其提供决策参考。

《RPA应用指南》还列举了来也科技过往大量真实案例,以指导企业将RPA应用到具体业务中,实现降本增效、高质量运营,进而充分释放人才创造力,提升业务效率与资源配置效率,最终实现高质量发展。

在帮助政府组织和企业进行数字化转型升级的过程中,来也科技的RPA 平台UiBot已经获得了超过100万次下载,20多万注册用户,建立了中国规模最大、发展最快、培训最完备的 RPA 开发者社区。同时,在UiBot 建立的 RPA 平台生态中,相关组织和机构可以享受强大、易用的 RPA产品。

尤为值得关注的是,进入“新智能时代”以来,融合了NLP、OCR、语音识别等人工智能技术,来也科技的RPA产品正在被推向更广泛的应用场景。来也科技副总裁翁嘉颀表示,与 AI 技术相结合,RPA 突破性实地现了“智能化地解决重复性劳动”的问题,也实现了更多业务场景数据地打通。同时,从标准的结构化数据,到非结构化数据,再到与数据相关的一切提取、转换、处理,RPA + AI正在成为实现企业数字化转型的有力手段和工具,全面参与到企业各业务流程中。

《RPA应用指南》也举例说明,对 RPA 机器人来说,如果说 AI 是它的大脑,认知能力是它的眼睛、嘴、耳朵,RPA 是它的双手,那结合了 AI 能力,RPA 从只能帮助基于规则的、机械性、重复性的任务实现自动化,拓展到了更丰富的业务场景,将物理世界与数字世界有效连接,满足实际业务中更灵活、多元的自动化需求。

在企业数字化转型和人工智能技术快速发展的背景下,每个企业都将拥有自己的 RPA+AI专业人才。《RPA应用指南》还指出,作为国内领先的 RPA+AI 平台,来也科技正在联合高校、软件人才协会、开发者社区,通过完善的培训体系,多元化的培训内容和形式,为中国企业的数字化与智能化转型需求培养技术人才。

LittleR

从疫情中窥机 – 人工智能商业潜力

从疫情中窥机 - 人工智能商业潜力

疫情仍在持续。关于这次新冠疫情的影响,一个意外的结果是,中国经济出现了一批以“宅经济”为主的新行业机遇。

 

因为疫情防控过程中,宅在家里是有效的、被鼓励的措施。所以,各线城市的人每天都有足够长的时间使用各种互联网、移动互联网产品。

因疫情而受益的产业:

「游戏产业」

游戏股集体大涨,特别是春节前新上线若干游戏。莉莉丝公司的卡牌回合手游《剑与远征》在春节和延长假期期间投放了6-7次微信朋友圈广告。这个春节,很多人把省下来的拜年费用和压岁钱花到了各类游戏产品上。

 

「互联网医疗」

疫情之下,不断增长的确诊感染病患数,使得线下医疗机构不堪重负,医疗资源不足成为亟待解决的难题。另外,对于疫情缺乏基本了解而心生恐慌的人群,也迫切需要专业的健康咨询服务。关键时刻,线上医疗服务平台成为线下医疗机构的有力补充。

 

在这场没有硝烟的“抗疫”战争中,丁香医生、春雨、企鹅医生、平安好医生等多家线上医疗服务平台利用互联网的传播性和便利性,向大众科普疫情防护知识,并联动全国的医生、专家展开线上问诊、心理援助等行动,让用户足不出户就能寻医问药,共同为打赢这场疫情攻坚战赋能。

在线科普、远程问诊是主要诉求

 

「买菜APP」

叮咚买菜与普通生鲜配送还是有挺大区别的,只有叮咚才算是真正意义上的老百姓手机上的菜市场。半年前,叮咚买菜还在各大小区做用户推广,这次的疫情让新用户注册和订单量翻了几番。在巨大的需求背后,天猫超市,每日优鲜,京东到家,美团买菜等也都加入了买菜服务大军。

盒马生鲜相对网点少,配送范围有限制,不过订单量也是剧增,截止2月6号,包括云海肴、青年餐厅、蜀大侠在内的21个餐饮企业,1200余人加入盒马临时用工队伍。

 

「远程办公」

远程办公是近期的流行词。毫无疑问,经过大家对各种线上远程办公模式的探索,最终那些既能节约成本又能提高效率的服务与应用能够脱颖而出,给这一领域带来从技术到应用层面的各种变化。

 

「在线教育」

面对汹涌而来的流量,各个直播平台迎来创纪录的用户暴涨,钉钉、腾讯课堂、腾讯会议等纷纷冲进AppStore免费排行榜前列。各平台的服务器承受能力也纷纷告急,面对史上首次“线上开学”,不少平台都出现直播中断等情况。

应用层面的需求旺盛会助推基础架构层面的诸多产品,IDC,专线,服务器,网络设备,互联网加速等。

 

「机器人」

受疫情影响,特殊时期开工难、找人难以及人力成本高,制造业和服务业采用自动化的意愿和范围都会增加。这次疫情会让更多企业意识到自动化产线和无人工厂的重要性。短期看,疫情之后,极有可能会有一波自动化改造和赶工生产的浪潮,和疫情相关的包括医疗用品和试剂生产自动化。

除了工业机器人,AI机器人也会在疫情中后期被更多人关注。就拿Uipath公司的最新人性化Slogan来讲,“我们制造机器人,让人类不必像机器一样工作。”潜台词是,现在还有很多人像机器人那样在工作。

AI机器人话题中最引人注目的当属RPA机器人,2020年之后RPA机器人的需求增长是缓慢和持久的。

 

同时远程办公的需求和思考,会促进项目远程交付比例增高,提升整体效率和效益。

————————————————————–

除了疫情之外时下最火的话题之一,人工智能AI将会在商业领域中产生巨大影响,也将扩大早前多个通用技术的应用规模。就像很多新技术一样,AI也会让人们产生多种不切实际的期望。现在不少公司的商业计划书都会提到人工智能技术、机器学习等,但往往跟这些技术的实际能力并没有多大关联。

实际上AI的最大进步体现在两个领域:感知和认知

感知让AI有感知真实世界的能力,能听懂了,能看懂了

认知让AI有一定程度的自我学习和问题解决能力了

尽管认知技术得到了各类资源的相助,已被应用于许多行业,但许多目标高远的人工智能项目如今却遇到了诸多障碍和推迟。AI技术的应用应该讲究循序渐进,而不要企图一上来就彻底颠覆。

从商业潜力视角 -> AI的三种类型

近两年许多人对AI技术的范畴和边界做过许多探讨。总体上分析,AI可以支持三个重要的商业潜力:业务流程自动化、数据分析洞见、以及客户沟通。

从欧美先流行起来的RPA机器人技术是AI应用技中最便宜和快捷的,而且通常能带来很高的投资回报。当然,许多人也觉得是最不“智能”的,因为目前的RPA还无法自主学习和改进,不过整体上RPA也正在朝着更加智能的RPA+AI方向发展。

也许有人以为,运用RPA实现流程自动化,会导致人类没有工作,但我们的研究发现因为RPA导致人类工作被完全替代的比例极低

–>  推动下一波成本合理化 (参考我们的报告)

重新设计业务流程

为确保人与机器相互补足、互相增益,重新设计特定业务流程变得尤为重要。使用RPA的技术的初级阶段是将现有的工作流程原封不动的丢给机器,应用进入进阶阶段后,或者服务商有更强的业务流程咨询能力的时候,需要重新定义业务流程。

–>  案例学习-万事达卡全球业务服务中心(GBSC)

认知洞见项目主要指运用算法在大量数据中寻找规律并进行解读。例如预测特定顾客可能会购买什么;实时识别信用欺诈或保险索赔欺诈;目标群体个性化订制广告 等等。机器学习提供的认知洞见与传统分析的区别主要有:数据密集程度更高、更详细,模型更具针对性,并且根据新数据进行预测和分类的能力可以逐步提升。

认知交互主要指通过NLP、智能座席和机器学习,构建客户与企业之间更加便捷的通道。包括目前国内应用也比较多的智能客服,产品及服务推荐系统,治疗方案推荐系统等。

(以上部分内容摘自 Artificial Intelligence for the Real World 作者  Thomas Davenport | Rajeev Ronanki)

人工智能正在慢慢成为这个时代的通用技术,特别是机器学习。完备的机器学习系统有能力自主提升表现。人类已经可以慢慢的开发一些自主完成任务的系统了,这对于我们来说意义重大。因为人类知道的比说的多,一线作业人员经常不太愿意准确说明很多任务的操作过程。

谁都没有想到这次疫情对中国人的影响会如此巨大,也正是这次慢下来的机会,也让更多人开始反思家庭、工作、以及对未来商业的影响。

风险突如其来,思考如何不只是活下去,而是从危中窥机,这是优秀创业者该有的姿态和动作。

► 重新审视当今最被炒作的RPA
► 白领机器人-3个应用与思考
► RPA案例 DHL物流行业应用
► RPA被过度炒作吗
► 国产RPA软件横评报告
► 微软进入RPA市场意味着什么
「RPAPlus」 | 专注RPA+AI 研究、评测、教育
LittleR

重新审视当今最被炒作的RPA

重新审视当今最被炒作的RPA

 

本文部分译自SiliconANGLE作者R·Danes文章

虽然最近几个月的新闻并没有百分之百地吹捧RPA,但它也没有透露太多信息。据Gartner Inc.的最新统计,它仍是全球增长最快的企业软件领域。Gartner今年6月发布的研究报告显示,RPA收入在2018年增长63.1%,至8.46亿美元,到2020年将达到13亿美元。

然而,许多人仍然不清楚在自己的公司里能实现什么。他们可能看到了一个供应商的天价估值,或者读到一篇关于替代人工的文章,但他们不知道在RPA机器人的生命中,一天中到底发生了什么。

·
很少有人知道RPA的真实状况

支持者告诉我们,RPA机器人最终将无处不在,它们将改变工作的性质,正在带来第四次工业革命。RPA市场独角兽企业UiPath Inc.的联合创始人兼首席执行长Daniel Dines曾说过,每台个人电脑都将有一个机器人,就像微软比尔•盖茨著名的预测那样,每个人的桌上都将有一台个人电脑。

机器人也许能够执行一些更为复杂的任务。如果某天员工发现自己60%的工作都可以让机器人来完成,会发生什么?然而颇为戏剧性的是,RPA在替代人之前,RPA公司的员工却面临失业问题。

今年10月,UiPath解雇了大约400名员工,约占其员工总数的11%。而就在几个月前,这家公司获得了5.68亿美元的D轮融资,其估值飙升至70亿美元。为此,有人质疑UiPath是否在骗取投资人的钱。

HFS Research创始人兼首席执行官Phil Fersht表示:“ 智能自动化是一场马拉松,而不是短跑,UiPath对RPA的过度宣传让其付出了代价。”

内部人士透露,UiPath的首席财务官Marie Myers也即将离职,有报道称她反对公司不计后果的支出。然而从UiPath的实际经营状况来看,外界的传言似乎并不能站得住脚。UiPath的客户数从2016年的100名增长到2019年的5000多名。该公司2017年的收入为1570万美元,预计到明年1月,年收入将达到3亿美元。

此外,UiPath坚称,裁员并不意味着公司陷入了困境,只是公司营收快速增长后的一次优化。与此同时,CEO Dines也拒绝了孙正义10亿美元的投资。

所以当前RPA的真实面貌,到底是喜还是忧?似乎并没有定论。任何事物,人们对其认知都要有一个渐进的过程。

支持者认为RPA的普及将把部分人从重复性的单调工作中解放出来,反对者认为RPA势必让某些公司肆无忌惮的大幅裁员,从而引发社会问题。总有一天,我们会知道RPA带来的结果是什么样。就目前而言,多数人其实并不了解RPA的真实现状。

咱们国内RPA行业的从业者们却已经在担忧,低价竞争,产品和服务良莠不齐,眼看着就要把一个朝阳行业变成红海市场。

·
应用场景智能的AI软件

60%的人每周至少花6个小时做重复性的工作。雪佛龙公司负责金融交付的信息技术经理Richard Fong最近表示:“信不信由你,我们仍然有很多人在打开电子邮件附件。这就是他们的一天工作。他们用两周的时间处理数据,再花另外两个星期来纠正错误。”

一些企业已经将低技能任务转移到机器人身上,并取得了令人满意的结果。例如,使用UiPath的平台,Chevron开发了一个机器人,它可以访问电子邮件、打开附件、将数据复制粘贴到平面文件中。最后,将文件上传至企业资源规划系统。

Richard Fong说,“这对我们来说是一个巨大的胜利。”

RPA的出现可能让员工每周只要工作四天,或者每天使员工多睡60至90分钟,它应该受到公司的热烈欢迎。而充足的休息时间可以让员工更有创造力的工作,这本身就可以提高员工的生产效率。

企业渴望找出RPA所有能做的事情,以便削减成本提高利润。2018年“ Deloitte全球RPA调查 ”中有53%的公司已开始使用某种形式的RPA机器人。他们在不到12个月的时间内就收回了投资,平均回报率达到了20%。但是只有3%的企业能够扩展到超过50个机器人。

流程开发交付和维护可能是应用和扩展机器人的障碍。有人认为人工智能就是解决这个问题的答案,RPA机器人或许也将来也将自己学习自己修复问题。

实际上,RPA是执行基于规则的动作的有限AI的一种形式,似乎不是目前许多人理想的那种有自主学习、自主决策、自主维护能力的高阶机器人。将两者结合起来是否会产生具有更大应用潜力且较少监督需求的超级机器人?

Futurum Research的研究主管兼首席分析师James Kobielus表示:“ AI几年前以一种不可或缺的功能进入RPA领域,这并不是什么新鲜事  。”

RPA机器人利用AI抽象层自动从屏幕截图等应用程序元素中推断程序代码。RPA供应商现在正在整合更高级的AI,例如计算机视觉和情感分析。

根据Kobielus的说法,随着RPA市场的成熟,其AI产品将变得越来越复杂。

“尽管如此,RPA至今在低代码智能流程自动化方面已经取得了可观的成果,并为普通开发人员提供了功能强大的用户友好型任务自动化工具。RPA供应商和媒体报道的案例研究,充分证明了该技术的潜力和价值。”

·
RPA的弱点

IT分析师Jason Bloomberg在《福布斯》杂志上撰文称,人工智能并没有解决RPA的主要弱点,鲁棒性差。严格的、基于规则的自动化不喜欢改变。如果用户界面、数据或应用程序的几乎任何方面发生变化,机器人都无法进行调整。认知RPA (Cognitive RPA)可以在自然语言处理、机器学习等方面的帮助下,自动做出一些判断。在预先编程的It环境中,它可能会显得更聪明。但即便是应用了NLP,机器学习后,RPA依然脆弱,对IT环境的变化毫无准备。一种频繁变化的状态,敏捷云、容器、微服务是它的发展方向。

OutSystems公司的解决方案架构师Keith L. Murphy说:“如果您有一个大型的遗留应用程序,它作为流程的一部分,功能正常,没有bug,不需要新特性,并且不需要开发额外的应用程序来支持流程,那么您应该考虑使用RPA。”

银行通常与遗留系统和应用程序结合在一起,这就是为什么它们被认为是RPA的最佳应用行业。根据Auxis LLC的信息图表显示,60种常见的业务流程非常适合RPA。它们分布在从财务到IT的各个组织中,包括工资处理、税务归档、员工入职和离职、数据聚合和迁移、竞争对手定价等。

Robocorp Technologies创始人兼首席执行官Antti Karjalainen表示,“目前专有工具的模型要求企业从预设的自动化列表中进行选择,我们的目标是使开发人员能够构建自己的解决方案,并与全球开发人员和RPA爱好者共享这些工具。”

上个月,Robocorp获得了560万美元的种子投资。这家位于旧金山和芬兰的初创公司声称将为RPA开发和编排建立第一个云原生、开源、无许可证平台。它相信开放的生态系统将为RPA做出贡献,就像GitHub为软件开发协作所做的那样。

据Karjalainen称,Robocorp是希望让所有规模的公司都能负担得起定制RPA。一家银行的早期用户使用Robocorp的开源工具自动完成了一项客户服务任务。Karjalainen指出,它在一个月内为客户节省了积累将近1400年的等待时间。

“ 该银行永远无法证明实施传统RPA工具的合理性。但是使用开源RPA技术,这是可能的。”

Robocorp认为,在未来,通常的外包工作将被交给机器人和开发者监督员。这种前景提出了一个相当大的问题:如何将这些工作从低工资的海外工人转移到机器人身上,从而影响世界经济?

那些已经有足够时间开发RPA的公司怎么办?他们的机器人是否每天都在节省成本,并能激发创造力?员工喜欢和机器人共用办公桌吗?据冯说,在雪佛龙,过去经常打开附件的员工已经转换到不同的角色。

“我们有……避免成本的情况。因为我们无需雇用新员工或雇用承包商,而是可以将他们重新部署到更高价值的项目上。”他说。

有一些工作岗位是简单、重复但又不可或缺的,这些岗位让员工得不到成长,也让公司付出大量的成本。

·
RPA能在2020证明自己吗?

寻找RPA应用场景的最佳地点可能是RPA提供商自己的办公室。试问,连号称RPA无所不能的公司自身内部都没有在财务、HR、销售等领域广泛应用RPA,如何向外界证明RPA的价值。

负责数字员工生态系统的执行副总裁Max Mancini表示他正在建造一个机器人,以协调他从太平洋燃气电力公司获得的能源信贷和他的太阳能供应商提交的能源报告。他说:“有很多来自两个不同来源的数据,一个自动化的软件机器人可以很容易地提取数据,比较和验证数据,然后将摘要写入Excel电子表格。”

ServiceNow公司不提供RPA。但是,它确实提供了相关类型的自动化,比如IT流程自动化(ITPA),它使用API而不是用户接口。该公司表示,通过内部使用自动化技术,它实现了成本节约之外的收益。例如,申请一次软件专利需要管理指令和各种耗时的任务。ServiceNow的首席信息官Chris Bedi表示,在将这些流程自动化之后,他们所消耗的资源转移到了创新的、高价值的链条末端。

Bedi说:“我们看到工程师提出的专利申请数量增加了83%。

机器人提高了人类员工的工作效率和满意度,从而提高了生产率。这无疑会导致每个使用RPA的公司的工人角色和职位的转移。为了确保没有人掉队,重新技能训练和提高技能是我们在2020年的关键和重点。但是,我们不认为招聘和裁减周期是最佳做法。”

RPA机器人,究竟是带来全球工作革命? 还是只是一个脆弱的软件工具?(追求敏捷的公司无法应用)开源,云原生平台和人工智能可能也会威胁到RPA。2020年在很大程度上取决于今年是否有人能想出一些很酷的机器人能做的事情。

► 白领机器人-3个应用与思考
► RPA案例 DHL物流行业应用
► RPA被过度炒作吗
► 国产RPA软件横评报告
► 微软进入RPA市场意味着什么
LittleR

RPA机器人流程自动化:最触手可及的人工智能

作者: RPAPlus特约专家  刘雍哲

8月30日,2019世界人工智能大会在上海举行。在“AI进化论·人工智能创新成果Show”特色活动上,德勤发布了名为《未来已来·全球AI创新融合应用城市及展望》(下称报告),其中指出,全球人工智能市场将在未来几年经历现象级的增长。

“我们预测未来2025年世界人工智能市场规模将超过6万亿美元,2017年-2025年复合增长率达30%。”报告称。

RPA机器人流程自动化:最触手可及的人工智能

全球人工智能市场规模。数据来源:德勤

从行业来看,传统市场规模较大的领域将继续领跑,2030年制造业、通信传媒及服务、自然资源与材料将分别以16%、16%、14%增长率占据前三名。

RPA机器人流程自动化:最触手可及的人工智能

全球人工智能市场规模(按行业分类)。数据来源:德勤

其中,庞大的制造业企业已经开始加速数字化转型,推动智能管理、智能工厂、智能物流等全方位智能化,因而制造业也是其中增速最快的领域。同时,在新领域中,教育领域人工智能技术的应用也开始向学习全过程渗透,增长速度也是不容忽视。

但是,人工智能技术一直没找到最佳落脚点,始终让人感觉在概念阶段,直到图像识别技术和机器人流程自动化技术、自然语言处理技术的突破,三者的结合体现在RPA的应用上,让人工智能出现了真实可见的效益。

RPA全称是Robotic Process Automation,它是基于特定脚本,由机器人替代人工执行大批量、重复性的电脑操作,以实现流程自动化的软件。其应用场景从早期的财务税务领域,不断地向其它业务领域扩展和尝试,包括但不限于人力资源管理、信息系统运维、供应链管理、客服中心、法务、内审等。执行RPA流程的机器人,又被称为虚拟员工或数字员工,只要是有规则的、重复性人类操作,机器人均可以自动完成。

前些时间被刷屏的“财务机器人来了,财务人员将被替代和失业”主题的爆款文章,描述了未来大量财务工作将被机器人取代的场景,引起哗然。这并不是空穴来风,四大会计事务所已全部推出了自己的财务机器人,而财务机器人的本质并不新奇,这就是RPA技术。

以最常见的凭证制单为例,凭证信息在财务共享服务中心统一录入,存在大量纸质发票文件,需要人工验证并制单,人力成本高质量差。应用RPA结合OCR影像识别技术,票据自动扫描后将输出为结构化的信息,机器人会自动将这些结构化信息录入ERP系统里完成制单。整个流程自动化,平均处理时间节省了90%以上。

RPA机器人流程自动化:最触手可及的人工智能

图:凭证制单

 

同样,RPA与自然语言处理技术的结合,体现在客服机器人、翻译机器人等更多场景中,例如我们已经习以为常了机器人客服。如果说之前人工智能还处于想象阶段,那么现在,RPA成为了企业最触手可及也最立竿见影的效果。

LittleR

Gartner 2020 战略技术趋势- Hyper 自动化

2019年10月21日,Gartner在美国奥兰多发布了重磅的2020 10大战略趋势。

Gartner副总裁兼院士级分析师David Cearley表示:“以人为中心的智能空间(people-centric smart spaces)是用来组织Gartner 2020年重要战略科技发展趋势并评估其带来的主要影响的核心结构。把人作为技术战略的核心强调了技术最重要的作用之一:影响客户、员工、业务合作伙伴、社会或其他关键群体。从某种意义上来讲,企业机构采取的所有行动都是为了直接或间接影响这些个人和群体,这就是‘以人为中心’的方法。”

Gartner 2020 战略技术趋势- Hyper 自动化

Gartner 2020 战略技术趋势- Hyper 自动化

1
超自动化(Hyperautomation)
 

超自动化是一个为了交付工作、涵盖了多种机器学习、套装软件和自动化工具的集合体。超自动化不但包含了丰富的工具组合,还包含自动化本身的所有步骤(发现、分析、设计、自动化、测量、监控和再评估)。超自动化的主要重点在于理解自动化步骤的作用范围、它们彼此之间的关联以及它们的组合与协调方式。

 

该趋势由机器人流程自动化(RPA)开始。但仅机器人流程自动化还称不上超自动化,它需要组合多种工具来帮助复制任务流程中人类所参与的部分。

RPAPlus备注: 超自动化只是另一种称呼,与RPAPlus一直宣扬的理念不谋而合,那就是进阶版的RPA Plus, RPA+ 各类可以落地的AI应用技术形成更加智能、更加完善的自动化能力。

 

2
多重体验(Multiexperience)

从现在起到2028年,用户体验将在两个方面发生巨大的变化,即用户对于数字世界的感知以及用户与数字世界的交互方式。会话平台正在改变人与数字世界的交互方式,而虚拟现实、增强现实与混合现实正在改变人们对数字世界的感知。感知与交互模式的同时改变将在未来带来多感官与多模式体验。

 

Gartner研究副总裁Brian Burke表示:“这一模式将从‘精通技术的人’转变为‘理解人类的技术’。计算机将代替人类承担人机交互的重担。这种与人类进行多重感官交流的能力将创造一个更丰富的环境,从而能够传递更细致的信息。”

 

3
专业知识民主化(Democratization of Expertise)

专业知识的民主化致力于通过极简的体验且在不需要接受大量成本高昂培训的前提下为人们提供专业技术知识(例如机器语言、应用程序开发)或业务领域专业知识(例如销售流程、经济分析)。“公民化”(例如公民数据科学家、公民解决方案整合者)、公民程序开发和无代码模式都是专业知识民主化的例子。

 

Gartner预测,从现在起到2023年,这一民主化趋势的四个关键方面将加速发展,包括数据和分析的民主化(从针对数据科学家的专用工具扩大到适用于一般开发人员的普及工具)、开发的民主化(自主开发应用程序中使用的人工智能工具)、设计的民主化(低代码、无代码的场景持续增加,更多的应用程序开发功能实现自动化,为公民开发者提供支持)以及知识的民主化(非IT专业人员通过使用工具和专家系统,应用超出自身具备的专业知识和受到的培训以外的专业技能)。

4
人体机能增强(Human Augmentation)

人体机能增强研究如何使用技术提供认知与体能增强并使其成为人类体验中不可或缺的一部分。体能增强通过在人类身体上植入或外置可穿戴设备等技术部件改变人类固有的身体机能,从而实现增强。认知增强则是通过传统的计算机系统和新兴的智能空间中的多体验接口中的信息和应用来实现。在未来十年,由于越来越多的人追求机能增强,人类体能与认知增强技术将会变得越来越普遍。这将产生一种全新的“消费化”效应,员工持续增强自身的机能,并进一步拓展到改进所在的办公环境。

 

5
透明度与可追溯性(Transparency and Traceability)

越来越多的消费者意识到其个人信息的价值并提出控制个人信息的要求。企业机构也认识到保护与管理个人数据的风险日益增加,而政府正在实施严格的法律法规确保企业机构做到这一点。透明度与可追溯性已成为支持此类数字道德与隐私需求的关键要素。

 

透明度与可追溯性指用于满足监管要求、维持使用人工智能和其他先进技术中所需遵守的道德规范以及恢复对企业机构信任缺失的态度、行动以及辅助技术与实际措施。企业机构在建立透明度与信誉措施时必须专注于三个领域:(1)人工智能与机器学习;(2)个人数据隐私、所有权与控制;(3)符合道德的设计。

 

6
边缘赋能(The Empowered Edge)

边缘计算是一种在信息来源、存储库及使用者附近进行信息处理、内容收集和交付的计算拓扑结构。它试图将网络流量与计算处理保留在本地以减少延迟、发挥边缘能力以及赋予边缘更大的自治性。

 

Burke先生表示:“目前,边缘计算主要关注的是在制造、零售等特定行业中嵌入式物联网系统提供的离线或分布式能力。但随着边缘被赋予越来越成熟和专业的计算资源及越来越多的数据存储,边缘计算将成为几乎每个行业和应用的主导要素。机器人、无人机、自动驾驶汽车及可操作系统等复杂的边缘设备将加快这一转变。”

 

7
分布式云(Distributed Cloud)

分布式云指的是将目前集中式的公有云服务分布到不同的物理位置,原来的公有云提供商继续负责分布式云的运营、治理、更新和迭代。这对于目前大多数公有云服务所采用的集中式模式是一次巨大的转变,并且将开辟云计算的新时代。

 

8
自动化物件(Autonomous Things)

自动化物件是使用人工智能自动执行那些以往被人类执行的任务的物理设备。最典型的自动化物件有机器人、无人机、自动驾驶汽车/船及各种设备。它们的自动化超越了固化的程序所能实现的自动化程度,并能够借助人工智能做出与所在环境和人类进行更自然交互的高级行为。随着技术能力的改进、监管机构的批准以及社会接受度的提高,自动化物件将被越来越多地用于不受限制的公共场所。

 

Burke表示:“随着自动化物件的普及,我们预计独立的智能物件将转变成无论是否有人操作,都可以让多台设备一起工作的协作式智能物件组合。例如,不同种类的机器人可以在同一个装配流程中同时运行。在快递行业中,最高效的解决方案可能是由自动驾驶汽车将包裹运到目标区域,然后由车上的机器人和无人机进行最后的派送。”

RPAPlus备注: 去年的预测是今年排行第一的未来技术趋势。

 

9
实用型区块链(Practical Blockchain)

区块链可以通过实现信任、提供跨业务生态透明度和实现跨业务生态价值交换、降低成本、减少交易结算时间及改善现金流来重塑整个行业。由于可以追溯到资产的来源,因此“以次充好”的概率大幅降低。资产追踪对于其他领域也具有很大的价值,包括追踪食物在整条供应链中的足迹以识别污染来源、追踪各零部件以协助产品召回等。区块链还可用于身份管理。区块链中的智能合约可以使系统在事件发生时自动触发行动,例如在收到货物时付款等。

 

Burke先生表示:“由于可扩展性与互操作性不佳等各种技术问题,区块链在企业中的应用还不成熟。尽管存在这些挑战,但由于区块链所具有的颠覆性和带来收入增长的巨大潜力,企业机构应开始评估这项技术,即便是认为这项技术在近期不会快速普及的企业机构也不例外。”

RPAPlus备注: 从近期中央政府的一系列政策和站台,2020年区块链在国内也会是巨大的热点。

 

10
人工智能安全(AI Security)

人工智能与机器学习将被继续用于提升各种应用场景中人类决策的能力。虽然这给实现超自动化和使用自动化物件进行业务转型带来了良机,但同时也因为物联网、云计算、微服务(microservices)及智能空间中高度连接的系统增加了大量潜在攻击点而给安全团队与风险领导者带来了新的挑战。安全与风险领导者应专注于三个关键领域——保护人工智能赋能系统、利用人工智能提升安全防御机制以及做好攻击者对人工智能的恶意使用的心理准备。

RPAPlus备注: 华科智谷研究院由何积丰院士等领军人物带领,关注于人工智能应用技术和安全可信人工智能体系化创新平台。

让我们来回顾一下 2018年10月15日,Gartner发布的2019 10大战略趋势:

Gartner 2020 战略技术趋势- Hyper 自动化

2019年战略技术趋势排名第一的是:  Autonomous Things

主要包括机器人、无人机和自动驾驶车辆等,纵观2019年1-10月份的表现,特别是国内大疆无人机和一批自动驾驶公司的强势崛起,不得不承认Gartner的预测还是非常准确的。

「RPAPlus」 | 距离2019 RPA+AI峰会还剩 10

鉴于我们一贯的研究我们发现,欧美国家RPA技术比国内早火约2年左右,所以2020年国内 RPA+AI不一定会是最火的战略技术,但是不排除2-3年后会成为最炙手可热的战略技术。

不要错过未来 2-3年最火的战略技术,尽在2019  RPA+AI 11月7日峰会。

Gartner 2020 战略技术趋势- Hyper 自动化

019 RPA+AI行业峰会 | 嘉宾天团

报名通道

2019 RPA+AI 峰会报名通道

「RPAPlus」 | 专注RPA+AI 研究&评测
Gartner 2020 战略技术趋势- Hyper 自动化
Gartner 2020 战略技术趋势- Hyper 自动化
LittleR

“华为全联接大会”-RPAPlus

2019年9月18日-20日,华为全联接大会于上海世博展览馆和世博中心举行。HUAWEI CONNECT(华为全联接大会)是一个开放、合作、共享的平台。来自全球ICT产业各方,包括业界思想领袖、商业精英、技术大咖、先锋企业、生态合作伙伴、应用服务商以及开发者等齐聚一堂,共同探讨产业发展方向和未来机遇,通过大会展示ICT领域的先进技术。业内各联合合作伙伴还向大家展现了最新的合作成果,分享了行业数字化转型实践的心得,旨在同各方一道共建和谐共赢的产业生态环境。

 

RPAPlus受邀以合作伙伴身份参加了大会,我们走访了现场的数家AI相关知名企业,例如:Udesk ;也与ERP厂商SAP ,用友进行了友好交流 ;同时也还是对VR/AR有一定的关注。

 

 

 

LittleR

WAIC世界人工智能大会还剩最后一天

WAIC世界人工智能大会还剩最后一天

8月29日,2019世界人工智能大会在上海开幕,会议于今年8月29日至31日在上海世博中心和上海世博展览馆举办。来自全球各个国家和地区的顶级人工智能科学家、行业专家和企业家,将围绕人工智能的核心技术、行业落地、发展要素等问题在此进行探讨。

顺便提醒大家今天是最后一天,也是唯一非工作日展览日,Hurry Up如果还想凑热闹的话

WAIC世界人工智能大会还剩最后一天

8月31日 论坛安排
13:00-18:00 AI引领时代,教育创造未来 宴会厅(金厅1)上海世博中心
9:30-11:50 网联汽车 智行之道 上海世博中心430会议室
9:00-12:00  科技有道 择善而行 上海厅(蓝厅)上海世博中心
9:00-12:00  SenseTime 智焕新动能 大会堂(红厅)上海世博中心
9:00-12:00 未来金融论坛 宴会厅(金厅1)上海世博中心
9:00-12:00 认知智能 改变世界 上海世博中心616会议室
13:00-17:30 传感驱动 智能变革 上海世博中心617会议室
13:00-18:00 AI闪耀一带一路 上海厅(蓝厅)上海世博中心
13:30-17:30 AI引领城市商业智能升级 上海世博中心616会议室
13:00-17:00 数字化变革 重塑零售增长 上海世博中心618会议室
8:30-12:00 数字化变革 重塑零售增长 上海世博中心515会议室
9:00-12:00 科技有道 择善而行 上海厅(蓝厅)上海世博中心
9:00-12:00 打造人工智能高地的上海策略 西岸艺术中心A馆

人工智能行业关注的方向和技术还是蛮多的,从视觉计算,视频感知,图像感知等类CV技术,自动驾驶,AI芯片,机器学习平台,聊天机器人,语义分析等,到贴上各种智能前缀的行业,例如智能营销、智能金融、智能家居、智能供应链、智慧医疗,似乎只要贴上智能两个字就可以凑AI大会的热闹。

当然我们更关注到参会的有两家国产RPA厂商.

需要注意的是展览:

主展馆位于世博中心

分展馆位于世博展览馆H2馆

WAIC世界人工智能大会还剩最后一天

今年大会参展商名单:

1 英特尔(中国)有限公司
2 上海卓繁信息技术股份有限公司
3 优刻得科技股份有限公司
4 上海ABB工程有限公司
5 径卫视觉科技(上海)有限公司
6 上海西井信息科技有限公司
7 国家电网有限公司
8 中国移动通信集团上海有限公司
9 上海上实龙创智慧能源科技股份有限公司
10 哈啰出行
11 深圳市赛为智能股份有限公司
12 华为技术有限公司
13 创新奇智科技有限公司
14 斑马网络科技有限公司
15 上海扩博智能技术有限公司
16 智能网(北京)信息技术有限公司
17 特斯拉
18 上海汽车集团股份有限公司
19 上海临港经济发展集团资产管理有限公司
20 上海图森未来人工智能科技有限公司
21 初速度科技有限公司
22 上海临港经济发展(集团)有限公司
23 上海临港科技创新城经济发展有限公司
24 上海临港智能网联汽车研究中心有限公司
25 中国(上海)自由贸易试验区临港新片区管理委员会
26 TensorFlow
27 国际商业机器(中国)有限公司
28 爱驰汽车(上海)有限公司
29 威马汽车科技集团有限公司
30 小马智行
31 上海淞泓智能网联汽车科技有限公司
32 上海发那科机器人有限公司
33 海尔集团
34 商汤集团有限公司
35 亚马逊通技术服务(北京)有限公司
36 中国平安保险(集团)股份有限公司
37 阿里巴巴(中国)有限公司
38 滴滴出行
39 万达信息股份有限公司
40 深兰科技(上海)有限公司
41 复旦大学
42 腾讯华东总部
43 达闼机器人有限公司
44 微软(中国)有限公司
45 上海艺赛旗软件股份有限公司
46 杭州魔点科技有限公司
47 东方财富信息股份有限公司
48 上海人工智能研究院有限公司
49 上海富瀚微电子股份有限公司
50 文思海辉技术有限公司
51 中国机器人网
52 多牛传媒
53 上海熠知电子科技有限公司
54 上海闪马智能科技有限公司
55 芯原微电子(上海)有限公司
56 镁客网
57 雷锋网
58 上海寒武纪信息科技有限公司
59 明略科技集团
60 叠境数字科技(上海)有限公司
61 汇纳科技股份有限公司
62 上海市数据交易中心
63 复星国际有限公司
64 上海依图网络科技有限公司
65 北京世纪好未来教育科技有限公司
66 上海流利说信息技术有限公司
67 上海合合信息科技发展有限公司
68 中国银行股份有限公司
69 中国建设银行
70 地平线(上海)人工智能技术有限公司
71 中国工商银行
72 上海华虹计通智能系统股份有限公司
73 Tesra 超算网络
74 云知声(上海)智能科技有限公司
75 北京三快在线科技有限公司 (美团点评)
76 苏州体素信息科技有限公司
77 安擎(天津)计算机有限公司
78 网易北京公司
79 南京天数智芯科技有限公司
80 机器之心
81 上海荷福人工智能科技(集团)有限公司
82 杭州宇树科技有限公司
83 阿尔飞思(昆山)智能物联科技有限公司
84 北京忆芯科技有限公司
85 暗物智能科技(广州)有限公司
86 上海乂学教育科技有限公司
87 上海眼控科技股份有限公司
88 标贝(北京)科技有限公司
89 苏州思必驰信息科技有限公司
90 竹间智能科技有限公司
91 小i机器人
92 爱笔智能
93 虎博科技
94 仟寻
95 第四范式
96 上海云从企业发展有限公司
97 上海容智信息技术有限公司
98 数据堂(北京)科技股份有限公司
99 海深科技(宁波)有限公司
100 上海雪湖信息科技有限公司
101 上海逸橙信息科技有限公司
102 北京亮亮视野科技有限公司
103 上海蜜度信息技术有限公司
104 图谱天下(北京)科技有限公司
105 新氦类脑智能
106 东莞松山湖高新技术产业开发区管理委员会产业发展局
107 北京健康有益科技有限公司
108 澳鹏
109 北京嘉楠捷思信息技术有限公司
110 人立方智能科技有限公司
111 上海城建城市运营(集团)有限公司
112 上海易维视科技有限公司
113 上海云锋投资管理有限公司
114 上海盛石资本投资管理有限公司
115 上海军民融合产业投资管理有限公司
116 上海国盛资本管理有限公司
117 中金资本运营有限公司
118 C114通信网
119 北京亿欧网盟科技有限公司
120 深演智能
121 上海天覆信息科技有限公司
122 瀚叶数据
123 威健国际贸易(上海)有限公司
124 上海鲸鱼机器人科技有限公司
125 天云融创数据科技(北京)有限公司
126 电科医疗
127 上海迈外迪网络科技有限公司
128 北京九章云极科技有限公司
129 北京主线科技有限公司
130 上海汽车集团股份有限公司
131 博雷顿科技有限公司
132 上海图森未来人工智能科技有限公司
133 深兰科技(上海)有限公司
134 深兰科技(上海)有限公司
135 上海耀途投资管理有限公司
136 梅花创投
137 源星资本
138 北京执一资本投资管理有限公司
139 上海自友投资管理有限公司
140 上海火山石投资管理有限公司
141 华映资本管理有限公司
142 将门投资管理顾问(北京)有限公司
143 上海自贸区基金
144 金浦产业投资基金管理有限公司
145 上海西井信息科技有限公司

部分现场图片:

WAIC世界人工智能大会还剩最后一天

WAIC世界人工智能大会还剩最后一天

WAIC世界人工智能大会还剩最后一天

WAIC世界人工智能大会还剩最后一天WAIC精彩瞬间:

WAIC世界人工智能大会还剩最后一天

 

马云,马斯克 (Elon Musk),马化腾 ,三马齐聚。

马斯克讨论的是未来如何探索别的星球;

马云讨论的是如何让人类在地球上活的更舒服;

马化腾讨论的是王者荣耀有AI

WAIC世界人工智能大会还剩最后一天

      特别关注了国产RPA厂商容智的展台(位于世博中心主会场2F展台入口处)

 

容智信息在WAIC期间正式对外发布了 IBOT 8.0 版本

据悉,容智iBot智能机器人是从2015年开始自主研发的国内最早的机器人流程自动化产品,基于“RPA+AI”的设计理念,在普通RPA技术平台的基础上集成AI算法和认知计算能力,并通过iBot机器人流程化套件为各行企业用户提供定制化的端到端解决方案。

WAIC世界人工智能大会还剩最后一天

四年以来,在容智团队的不懈努力之下,容智iBot不断更新迭代,最终成长为可直接媲美国际水平的RPA产品,并在灵活性、易用性、安全性等方面更胜一筹。借由本次世界人工智能大会的良好契机,上海容智信息技术有限公司在众多智能领域的专家与企业的见证下,隆重推出iBot 8.0版本,期望更好的赋能用户数字化转型,为企业创造更大价值。

WAIC世界人工智能大会还剩最后一天
本次iBot 8.0最新版带来了众多创新性的功能点:

* 业界首家支持“0”代码设计流程的厂家;

* 业界首家专门为普通用户设计的智能助手, 无需代码基础也可设计流程;

* 业界首家推出移动端控制机器人的厂家;

* 业界首家推出创新性的机器人可视化及管理控制系统的厂家;

WAIC世界人工智能大会还剩最后一天
1
更全面的数字化机器人管理平台,

提供可视化实时管控

容智iBot 8.0全新版本,在原有的Server Manager Console基础上,增加了Live、Helper、insight模块,用户可直接在管理界面上实现可视化数据统计、任务一键发布、机器人状态监控、任务自动触发、密钥管理等相关操作。并针对中国市场用户需求,创新性开发机器人直播和远程控制功能,动态监控机器人执行状态,即时预警异常状态,重新定义人机互动工作模式,以更直观、更灵活的手段实时高效管控,更好的为企业用户提供数字化生产力。

WAIC世界人工智能大会还剩最后一天

2
更灵活的操控方式,

支持移动端远程管理

作为业界最早推出手机控制操控中心的RPA厂商,早在2018年,容智iBot即可支持通过移动手机端轻松调用机器人启动服务。基于原有的手机操控功能,iBot 8.0新增实时查看任务和故障排除两大版块,可让企业管理人员,在无需下载APP的前提下,不受时间地点限制,利用个人手机端调度机器人并一键发布定制化的流程任务,随时随地监控任务状态、反馈并排查异常故障。

WAIC世界人工智能大会还剩最后一天

更简洁的流程设计,

进一步优化用户体验

容智iBot一直被誉业界中最简单易用的RPA产品,全程支持“0”编码流程设计。秉承着为普通用户设计智能助手的理念,iBot 8.0版本再次化繁为简,iBot 8.0 Studio 设计流程可支持以录制或拖拽的图形化模式完成机器人流程设计,简易程度让即使是不懂代码的普通业务人员也能轻松实现流程设计。

WAIC世界人工智能大会还剩最后一天

4
更严密的安全机制,

确保数据安全可靠

在安全方面,iBot 8.0建立了完整的4层安全加密机制,通过严格的授权和安全管理机制以及事后安全设计机制,确保系统账户的安全;采用256位AES加密机制,保障机器人执行任务的风险可控性和所有数据的安全可靠。

WAIC世界人工智能大会还剩最后一天

单机版机器人任务也可轻松实现任务发布

在容智iBot 8.0版本中,iBot Runtime 机器人新增了任务发布功能,可同时支持本地任务的发布和来自服务器或手机端的任务调度,包括定时、日程等任务的自动执行,无需写额外批处理,就能直接运行相关任务。轻松实现从接受任务、执行任务、执行程度监控、管理本地流程、发布本地任务到本地自动触发管理的多个流程机器人的协同执行。

在2019世界人工智能大会的现场,容智信息iBot 8.0的惊艳亮相吸引了众多业界专家、领导到场参观、体验,容智展台区域一度人声鼎沸、络绎不绝。

WAIC世界人工智能大会还剩最后一天

本届世界人工智能大会将为期三天,直至31日期间,总计有超过200场的论坛和特色活动,将全方位、多角度的展现世界人工智能的发展前沿趋势。

LittleR

RPA+AI 融合更智能

前面已经分析过多次RPA的本质,可以参考

【脱下外衣】,看看RPA机器人到底是什么?

RPA+AI 融合更智能

哪些AI相关应用技术跟RPA是绝配呢 ?

【OCR+】

RPA+AI 融合更智能

光学文字识别(Optical Character Recognition,OCR),传统的OCR其实也算不上AI技术,但融合了机器学习的OCR+技术,基本也可以凑凑AI的热闹。

RPA经常需要识别图片,或是需要破解登陆验证码,或是需要识别屏幕图片中的信息。下面介绍几个RPA+OCR的应用场景。

▲本地OCR

本地OCR包最大的优势,本地执行,速度快。首推的是

Tesseract

http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe  (下载地址)

Tesseract是免费开源的OCR工具,部署在本地以后可以搞定比较基础的图像文字识别。Tesseract 对英文,数字,的识别率和准确率是蛮高的 ,但是对咱们的中文汉字的识别效果就要差许多 ,通过适配不同的FONT字体库,可以提升汉字的识别率。 Tesseract 也支持机器识别,可通过训练提升准确度。

对于图片上有很多干扰的验证码,Tesseract 的识别率会大打折扣 。

RPA+AI 融合更智能

 

 

FineReader

Abby公司有比较成熟的OCR产品,名叫FineReader ,18年听说Uipath与Abby战略合作了,让Abby公司在RPA圈子的知名度应该上升了不少。

但早在2017年,我的团队就做了RPA+FineReader的项目。记得当时用户给FineReader起了个非常可爱的名字,叫“鱼眼”,因为FineReader 的Icon很像鱼眼吧RPA+AI 融合更智能 ,说实话好像也没那么像 。(这款软件国内有破解版的)

RPA+AI 融合更智能

FineReader对英文和数字的识别率特别高 ,甚至可以直接把PDF的表格自动在Excel中生成,这个功能真的很好用。但是FineReader的致命弱点一样是汉字 ,细想也很容易理解,毕竟是老外做的软件,对咱们的中文肯定没那么用心。

▲打码平台(灰色产业RPA+AI 融合更智能

打码平台是另一个大量“人工”而形成的智能平台。

打码平台的架构如下图所示:

RPA+AI 融合更智能

从这样的平台架构就能知道,只要网上兼职做打码佣工的人足够多,验证码的库积累的足够大,那么就可以无比强大。

当然有的打码平台也结合了机器识别的方法,再加上人工识别作为后盾的,这会让打码的效率和准确率进一步提升。

缺点: 要收费,打码有延迟 ,需要连外网(纯内网的应用可能就没办法)

目前活跃的打码平台蛮多的,百度搜索“打码平台“应该可以搜出来一堆:

斐斐打码(价格较高-3.6分/码)


若快 价格便宜


超级鹰(价格居中-1分/码)

其实很多网赚平台的原理基本都是这个道理,这样的平台互联网上其实也有不少。

▲ 百度 AI开放平台

百度AI开放平台是目前国内比较强的AI OCR平台,也可以为大客户本地部署,价格贵。类似的平台也有好几个,我就不一一列举了。

【ChatBot】

RPA+AI 融合更智能

ChatBot就是指聊天机器人,目前国内已经有蛮多的公司在做相关的技术和产品的研发。 互联网上也已经存在多个开源的ChatBot框架供自学爱好者研究。

聊天机器人目前的主要应用领域是在客服领域。类似的用户使用体验大家肯定不陌生 , 本来我们是想去找个真人客服的,结果被一堆所谓的“智能”客服忽悠着那边兜圈子。机器人当然可以陪你聊一晚,但是能解决问题吗?答案是否定的。这类客服聊天机器人会将解决问题的方法大概告诉你一下,或者直接发一篇帖子链接过来 。问题还是要靠我们用户自己来解决。

“那多没劲啊,没帮我们解决问题,也没有妹子可以情感上安慰一下”

如果 ChatBot + RPA 又会是什么场景呢 ?

举两个实例吧:

1-平安好车主APP

我在平安好车主智能客户的留言和答复如下:

RPA+AI 融合更智能

可以看到这个智能客服不太智能的,他们其实有我的全部信息,完全可以更加智能。 比如,第二个请求, 如果智能客服的身后,还有一个RPA机器人,那么这个RPA机器人完全可以将一份PDF的电子保单以我想要的方式发送给我。

2-携程APP

携程APP的智能客服很强大,有点超出我的预期。

RPA+AI 融合更智能

RPA+AI 融合更智能

首先对每一条机器人的答复可以请求客户帮忙认证结果,赞 或者 踩。用来提升机器人的准确度。其次,碰到连续几个刁钻问题,客服MM突然就自动介入了。 携程的价格说实在的是真的是一年年越卖越贵 ,但是这个智能客服服务给我的体验我还是点 RPA+AI 融合更智能

RPA结合ChatBot是一个非常好的融合点,ChatBot负责理解用户需求,RPA负责干活,Perfect !!!RPA+AI 融合更智能

【语音识别】

语音识别挺酷的,对着房间吼一句,“热死了”,空调自动打开并设定了合适的温度。 目前国内一大堆所谓的智能家居产品,多数都是买了成熟的语音API接口(听过几个内部交流的会,买科大讯飞接口的居多),然后基于这个接口结合一些硬件,实现一些看起来的比较智能的功能。

语音识别+RPA的结合场景其实也非常容易想象了。 财务老师对着麦克风说,“开始跑深圳的报税工作” ;过了一会机器人说,“深圳报税流程跑完了,结果已经发送到您邮箱” ; 财务老师接着说,“下面跑重庆的报税吧” ,机器人说,“好滴,马上去跑 ”RPA+AI 融合更智能

这样的场景,个外行看起来,是不是无比高大上,无比智能啊。

RPA+AI 融合更智能

【智能决策支持】

4年多RPA项目经验,其实也挺明白RPA的缺点的,那就是无法处理突发或者临时事件。平时访问某个网站都挺正常的,在某个特定情况下,居然会弹一个MessageBox,不让机器人点掉,后面的操作全部废了。解决方案其实也特别简单,就是在那个环节多+一步 MessageBox的监测,出现就点掉,没出现就不用管。然而用户对RPA的期待是,能不能更加智能一些,这些情况能否都自己搞定,甚至智能帮忙做一些偏业务层面的决策。

智能决策,哈哈,就看到什么程度了,真要是科幻片场景中的智能决策,我想应该也不是多数人的期待吧,因为细思极恐 。 我就想问问看,谁可以驾驭你们老板吗?

RPA+AI 融合更智能

比较初级的智能决策支持,还是多数人乐于接受的。

目前市场上的智能决策系统,基本上是基于大数据分析,加上机器学习来实现的。 能落地的场景主要集中在,金融行业的反欺诈,保险行业的投核保智能定价,远远达不到能自主理解业务流程逻辑,业务老师讲一遍,或者视频录一遍,机器人就可以学会这个维度。

基于人工智能算法框架的一些理念,提升RPA机器人的自容错能力,增强RPA机器人的可靠性在现阶段还是可取的。

LittleR

李开复离开旷视董事席

    天眼查最新信息显示,5月16日北京旷视科技有限公司发生多项变更,联想、创新工场及蚂蚁金服旗下公司退出该公司股东行列,李开复、蚂蚁金服韩歆毅、王明耀、唐文斌及杨沐退出董事行列。

李开复离开旷视董事席

    目前,旷视在席董事仅印奇一人,曹志敏担任监事。变更后旷视最大股东为创始人印奇,持股75%。

旷视是国内一家较大规模的机器视觉、人脸识别技术公司,前不久获得7.5亿美元投资,具有很强竞争优势。