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。