企業轉型
流程自動化一定是不少企業致力於減省人手的方法,不過隨著RPA出現,部分人如獲至寶,創投基金亦押注,不少金融保險業,相繼引入了RPA。
近期,本港活躍RPA就包括了UiPath、Automation Anywhere、Blue Prism、NICE、Kofax、Verint、Pegasystems,國內亦有金智維、藝賽旗、諾祺等,去年國內有數家RPA創初先後獲融資,包括來也科技、雲擴科技、弘璣Cyclone等。
各家RPA吸引了投資,Automation Anywhere獲軟庫(SoftBank)投資3億美元。RPA的老大,仍是獲Alphabet旗下CapitalG、紅杉、Accel等風投入股的UiPath。
本港RPA以NICE、Kofax、Verint等扎根甚久,仍不能避免UiPath佔了市場主導地位,富士施樂更是UiPath早期合作夥伴;據報2019年UiPath年度經常性收入(Annual Run Rate)達到4億5千萬美元;相較去年營收1億8千萬美元,增長達2倍半!另一家老牌商業軟件Pegasystems亦正在擴張(2016年收購了OpenSpan)進軍RPA,市場方興未艾。
RPA一支獨秀
去年,創投一級市場慘淡,RPA卻獨領風騷。究其原因,包括了RPA市場爆發增長,還有只租不賣的授權方式,賣藝不賣身,年年月月給RPA發「薪水」, 收入模式穩定。
RPA開發周期甚短,絕大部分工作可用腳本(Script)完成,非常易讀懂。用戶甚至抄抄貼貼,就創建新機器人。可是,RPA開發沒共同標準,難以轉移到其他廠商。
RPA就像真人一樣,可閱讀和篩選文件、回覆電郵、查閱網上客戶留言,自動回覆,甚至用於翻查和審批,不過很多應用是整合外部傳入文件,自動轉入各個不同系統。許多RPA的都是用於整合發票(Invoice)、送貨單、提單、船務文件,金融機構自動為客戶作KYC、合規、AML、甚至審批覆核,都以RPA完成,初期部署亦甚為簡單。
RPA通過模擬人類的鍵盤和滑鼠操作,代替人完成電腦上的重複工作,只是RPA前身,此前又稱商業流程自動化(Business Process Automation)。不過,RPA真正脫胎換骨是結合人工智能(AI),讓RPA具一定認知、學習、推理能力,通過輸出決策,過去功能單一的RPA,變得更靈活。
RPA加上了交談機械人或者 NLP,就可取代客戶服務工作,加上語音識別和物件識別、圖像識別、OCR(文字識別)等AI技術,可處理更複雜非結構資料和文字,快速轉移數據到不同系統。
雖然說,目前RPA廠商都改稱為Digital Workforce,甚至推銷作為個人的數碼助手,市場仍以RPA作為定位。從市場招聘的RPA架構師和開發人員,就知道流程自動化仍是主流。
擷取資料分類
文件流程自動化從數據的擷取(Capturing)開始,最簡單的輸入和擷取當然是OCR,但OCR會有不少錯誤機會,也不能為資料性質,自動作出分類。
雖然說,不少美國採購和品牌已要求生產商利用電子文件交換(EDI),甚至XML自動化供應鍵,企業仍會收到各式各樣單據,耗用大量人手,輸入不同系統。
理論上,供應鍵可用EDI減少錯誤,只不過整合成本甚高,加上長時間訓練。如果供應鍵不變還好。近期的中美貿易磨擦,改變供應鍵或加入供應商,配置和訓練成本驚人,類似Gap竟有專供訓練的文件庫,供自助學習,供應鍵的自動化,並不是沒有學習成本。
美國品牌推行電子文件和自動化,生產商負責處理了大量採購部門的輸入和文件處理工作。另一方面,訂單數量又隨著數碼化,愈來愈分散零碎,廠商聘用大量人手,通宵達旦快速輸入各種文件。
隨著供應鍵的精細化,訂單(PO)內容已非一般人能理解,所以系統輸入變成專門工作,採購人員的入單壓力,實不足為外人道;RPA就成為廠商救星,不少製造業發現只要訓練RPA,就可自動化處理訂單。
文件巨人ABBYY
從數據擷取角度,市場上最優秀的產品,莫過於俄羅斯ABBYY FlexiCapture,從文件擷取流程,OCR只是第一步,簡單文件甚至可用Google開源Tesseract,但是一旦文件內容複雜,從單據上擷取和分類,就非常棘手。
除了OCR,RPA還要將非結構性的數據,變成結構性數據。理論上,RPA可以利用NLP解讀文件內容,作出相當快的決定,實際上訓練的周期很長。
實際上,文件擷取市場之內,FlexiCapture仍是無出其右,從性能以至功能,遠遠拋離對手。1989年,ABBYY創立之後,FlexiCapture就成文件處理的領導廠商,足足有20年之久;從文件輸入、分類、數據擷取、數據確認、輸出,一氣呵成,而且OCR引擎還可辨認手寫字跡。
OCR只擷取了字體形狀,FlexiCapture從文件位置確定內容後,可作更精確的修正(例如知道內容全是數字,不會誤以為5是S),FlexiCapture也可定義內容,直接輸出XML等各種格式,或直接整合交其他系統,整合Oracle、SAP、SharePoint等大型企業。市場上主流RPA都有利用ABBYY FlexiCapture,其中UiPath和Blue Prism是技術夥伴,其他方案也有背後整合FlexiCapture。
不過,ABBYY也絕非省油的燈,收費以張數計算,單據如果重複修改,所費不貲。
RPA挑戰不少
當然,市場上有不少替代方案,也有文件擷取方案可建立Parsing rule,轉化非結構的內容(或OCR文件)作結構性文件,但可能每筆資料要建立一條Parsing rule,結果每份文件內以百計Parsing rule,如果有新文件格式,又或修改舊格式,就不勝其煩。
AI就是未來
Rule-Based算是舊方法,當然有廠商想到以機器學習(ML)解決問題。RPA市場上也有Automation Anywhere的IQ Bot,聲稱只要訓練不同模型,經過人手糾正一次後,就可自動化數據分類(或稱為Mapping),轉化成結構性數據進一步處理;例如供AI訓練模型。不過,IQ Bot的模型也要經人手訓練,但不再要建構大量的Parsing rule。此外,Automation Anywhere也推出Bot Store,透過現成機械人,加快部署速度。
不過,RPA市場非沒有挑戰,除了廠商數目增加。近期,HFS Research調查發現,RPA顧客滿意度下滑,整體滿意只有56%。RPA的一級市場(即付得起大鈔的客戶,如保險公司和銀行)亦呈現飽和,國內國有銀行RPA相繼上線,RPA如何打進次級市場(如制造和零售),低成本解決更複雜的流程?
RPA開發還以Rule based為主;具備人性化介面,只要拖曳,甚至錄下操作過程自動生成,開發門檻極低,也造成其他問題;不模組化的結構,一旦遇上複雜任務,就愈來愈擁腫,維護相當麻煩。再者,並非所有流程皆適合RPA自動化,除非有現行BPM整合,就可自動選擇可供自動化流程,用戶自行定義的話,RPA可能用不得其所。
RPA另一個出路,是深度結合機器學習(ML),令RPA自動添加功能和改善效率,與時俱進,才能邁進2.0的時代。