科技界有一个“泥流假说”（technology mudslide hypothesis）：企业在面对永无止境的科技变革时，就像在泥流上求生，它必须永远保持移动，稍一停顿，就会遭遇灭顶之灾。
这是作家克里斯坦森在《创新者的窘境》一书中阐述的重要原理之一。
ChatGPT让人工智能重回话题中心。如同每一次新技术降临时，企业都会对降维打击充满担忧一样。没人希望在公路上开车，被突然袭来的陨石砸中。
相比于讨论AI是否会取代更多人力资源，企业会更关心更终极的问题，即一个企业的生产模式会不会被重新塑造。
在这个泥流加速的过程中，我们已经看到了国内顶级公关公司蓝色光标取消了所有的人力外包服务，转而向大模型追求文案生产的效率和质量，也见证了百度、阿里巴巴、腾讯、字节、京东、知乎、有赞纷纷抛出了自己的大模型系统。
而最近又火出圈的AutoGPT，则向我们展示了生产方式又一次革新的重大可能：
基于自动化+人工智能的思路，有可能让机器围绕工作目标，给自己下达指令，并处理任务，实现成果。
实际上，很早就有专家曾将AI与RPA（流程自动化）的关系比作人类大脑与手脚。2023年，伴随GPT等大语言模型的涌现，这一愿景正在变成现实。
ChatGPT的精进之处在于它能够理解用户意图。通过GPT大模型与RPA的结合，RPA的自动化能力特别是其智能化能力有了质的飞跃。
据IDC预测，明年全球将有45%的重复性工作通过AI及RPA提供支持的数字化劳动力实现增强；而截至2024 年底，全球RPA市场将以16%的CAGR（复合年增长率）增长至300亿美元。
未来，让机器人来接替人类完成哪些繁琐、重复、无意义的劳动，显然是大势所趋，也是众望所归。工业革命后的机械化大生产已经证明了对生产资料保存旧价值，和创造新价值之间巨大的差异与鸿沟。
而这个世界终究由创造新价值的人所创造。
只是，随手一个brief，接下来就是一片坦途吗？
对此，亿邦动力总编贾昆聚焦AI及RPA赛道，与连续两年同时登上全球权威评测机构Gartner魔力象限和Forrester Wave报告，并被认可为中国RPA产品能力第一的弘玑CPO（首席产品官）贾岿博士，就上述问题进行了深入对话。

弘玑CPO 贾岿

毕业于清华大学，获工学博士学位

在美国硅谷工作二十余年，长期负责企业软件和云计算的产品研发

历任UiPath全球研发中心高级研发总监、思科云分析产品首席架构师、亚马逊云计算AWS主任架构师、微软AZURE云计算主任架构师等

在访谈中，贾岿提到：
 1 相比于“Chat”，重要的是背后的GPT（Generative Pre-trained Transformer ）大模型。随着RPA和GPT的结合，以前的“AI + RPA”已经进化到“AI × RPA”的阶段，AI将驱动RPA机器人产生、执行、交互和分析，影响RPA的全生命周期。
 2  完全的“无人化办公”不太可能出现，但将产生“数字化组织”概念。即：未来的企业组织将由人和数字员工共同组成，且二者比例将越来越接近平衡。过去人与系统的二元关系，转换为人、机器人、系统的三元关系，称之为：人机共舞。
 3  GPT作为人类和系统之间的一个自然翻译接口，并不会颠覆RPA。相反，GPT和RPA将共同进化。一个代表机器大脑进化，一个代表机器执行力和操作能力的进化，两种能力将共同发展。
 4  OpenAI对科技界的最大冲击是，当它对人类语言与文化特征建立一定认知后，人类只需要对特定领域进行定制化微调和微训练。未来RPA能够实现自主修正，并通过数字化操作在自己的领域内积累知识，融合更多业务能力。
 5  未来，AI技术的使用会变得平民化，通用AI将成为类似电脑操作系统或浏览器一样的基础工具。人类不应该过度感性化或过度高估其价值。并且在飞速发展的同时，不能忘记合规是数字技术发展和应用的底线。
以下为双方对话实录：

01

把人从系统中解放出来

亿邦贾昆：2017年时，亿邦就曾关注AlphaGo。当时我提出过一个想法，即：电子商务可能会演变成智能商业。当时还创造了一个词——“智商”，即从电商到智商。但现在我们看到，当时的很多概念，如无人零售、无人超市、无人货架、无人配送和无人驾驶，但在这些领域中真正形成规模的并不多。

因此，我想问的第一个问题是：这一轮OpenAI所带来的创新与应用，与以前有哪些本质区别？

弘玑贾岿：确实。AlphaGo让普通人第一次认识到了AI的强大，以前大多数人认为AI只是科学家的事情，有点像科幻小说，不太清楚它具体能做什么。而AlphaGo打败李世石也是第一次让普通人了解到AI的强大。
不过，回看AlphaGo，它的核心技术是深度学习和强化学习，并没有通用预训练大模型的概念。
如果站在更长的时间维度上来看AI，自图灵提出人工智能的概念至今已经有40-50年的历史，人类系统地研究AI也有30多年的历史。AlphaGo并不是第一个深度学习的项目，它只是第一次在公众视野中被展示出来。
这次ChatGPT给人们带来的震撼比AlphaGo更强烈，它让人类第一次认识到AI可能会影响到每一个人的生活方式和工作方式。
ChatGPT的出现将重新定义人类的工作方式、企业管理方式、客户沟通方式、员工生产力以及代码编写方式等，使得我们不得不重新定义人与系统、人与机器，以及人与网络世界的关系。一个现实就是：无论你愿不愿意接受AI，它已经在我们生活之中了。
另外，我认为ChatGPT中更重要的是GPT。
GPT使用了Transformer神经网络架构，这是一种用于处理序列数据的模型，能够在输入序列中捕捉长期依赖性。而弘玑是从事RPA的，我们与GPT想改善人类生活、生产方式的想法殊途同归。
UiPath的创始人曾分享过，他认为人不应该为系统服务的奴隶。但是现在，信息化系统越建越多，人反而变成了为系统服务的对象。
造系统本来是为了简化工作，但到了企业内部，越建越多的系统像林立的“烟囱”，使得业务人员的工作负担越来越重。有个大客户曾跟我们说，不要再给他们添加新系统了，他们已经有了四五套系统。
与之相比，RPA的操作方式就简单多了。RPA的初衷是帮助人们解决那些重复、繁琐、零散又易错的工作项，提高他们的工作效率，使得人类员工可以专注于更有创造性、分析性、预测性和规划性的工作。传统的RPA就像一个灵敏的数字手指，可以在屏幕上填报和执行任务，但它缺乏对人类意图的理解。
从生产力角度来看，微软的Copilot和office365，就是人类把自己的想法用自然语言表达出来，AI就能够自动帮你生成，相当于给你配备了一个更智能的数字化工作助手。
现在，随着RPA和GPT的结合，以前的“AI + RPA”已经进化到“AI × RPA”的阶段。RPA可以通过大量的互联网语料和文本预训练来理解人的意图，使之变得更智能。
今年，我们将看到一些具备新功能的RPA产品陆续发布。其中GPT生成式AI将在其中起到重要作用，它将驱动RPA机器人产生、执行、交互和分析，影响RPA机器人的全生命周期。
亿邦贾昆：“自动化”和“智能化”之间的关系是什么？
弘玑贾岿：GPT作为人类和系统之间的一个自然翻译接口，它的到来令我们非常兴奋。我们不认为GPT会颠覆RPA，相反，我们认为：GPT和RPA应该共同进化，一个代表机器大脑进化，一个代表机器执行力和操作能力的进化。两种能力应该共同发展，而不是谁取代谁。
我认为技术和产品就像正弦曲线和余弦曲线，它们相差90度，不断滚动式地推动前进。
AlphaGo虽然本身产品不够惊艳，但起到了教育意义；ChatGPT则将技术延伸到了另一个高度。人工智能之所以惊艳，是因为人们发现它能够模拟人类，具有惊人的交互能力，“蒙上眼”我们甚至都不知道它究竟是人还是机器。
RPA也如此，最初的产品版本只是帮助人们点击鼠标、打字，但随着产品的迭代与升级，它到底能有多大的“威力”，谁都不确定。可以确定的趋势是，未来5-10年，RPA数字机器人将像手机和电脑一样普及，甚至人们自己动手打字的机会都有可能越来越少。
数据显示，UiPath预计今年机器人部署量将突破20万。而弘玑的RPA部署量今年也将突破5-6万个，也是目前国内部署机器人规模最大的AI企业级应用服务商。这意味着，未来，企业人类员工和数字员工的比例可能达到1:1，甚至更高。
亿邦贾昆：ChatGPT作为一个通用大模型，打破了我们过往对垂直行业的know-how边界。您刚刚提到，企业可能部署了成千上万个RPA机器人，每个机器人从事的技能都非常垂直。未来，RPA机器人是要做通用型还是专精特深？
弘玑贾岿：从技术方向上看 ，传统AI是根据一个狭窄场景、一套样本去反复竖向训练，模型参数相对较小。OpenAI对科技界的最大冲击就是，它为我们开辟了一个新的方向，证实了AI是可以基于某种程度的通用人工智能进行领域化微调和再训练定制的。
它不仅能够理解人类的自然语言，而且当它对人类的common sense建立一定认知后，我们只需要对特定领域进行定制化微调和微训练，未来的智能RPA机器人便能够实现自主修正，并在自己的领域内积累知识，融合更多业务能力。
我们生活在一个充满创新的时代，当像GPT这样的技术出现时，我们应该保持开放和积极的态度，看看它能否应用到我们的工作、生活领域。但与此同时，数字化并不是从一个极端到另一个极端。现在国内对ChatGPT的态度有些过热了，作为一个在行业里沉淀了几十年的人来看，技术的高度和广度需要经过七八年的真实场景挤压，才能回归理性。

02

人的技能也能被数字化

亿邦贾昆：过去人被低效能的劳动绑架，今天人又被为了解决低效能的系统绑架，影响了人和企业的敏捷性。技术的目的反而成了手段。人如何才能被系统解放？

弘玑贾岿：尽管目前国内对于数字化转型的认知仍停留在建设大型系统平台、上云等阶段，但在数字化时代，人机融合是根本，即人与系统、电脑、智能之间的融合。数字化的初衷是将人从繁琐的底层工作中解放出来，让机器人来代替完成，使人可以专注于自己擅长并更高阶的事情，例如创造、创意、分析、规划和预测等。
举个例子，对零售品牌来说，线下渠道会分很多层。数据不在品牌商手里，除了销售，没有人知道一线到底卖得怎么样。总部需要数据，就得人工录入，会出现录少录多或者隐瞒情况。
部署RPA后，品牌商只要有账号密码，就可以把数据都拿过来，统一放到集团里面。有了动销数据，就能实现全国一盘棋，就能实现更精准的营销资源匹配。
再举个例子，一个全国连锁的大客户，其企业财务核算时需要20位操作人员从晚8点到早8点，连续3天的工作才能完成，累计人工耗时约500小时。其中涉及人员较多，大量人工处理工作，容易导致错误。
但在部署了RPA后，数字员工通过大量机器人并发执行流程，在接收数据后，7*24不间断进行处理，实现自动化流程处理，减少员工夜间进行工作的可能。

而这种数据效率的提升，就源自我们业务系统的快速、柔性搭建。
例如，在设计RPA时，我们使用超级自动化(Hyperautomation)技术，通过向后推进烟囱式业务系统并添加自动化层来实现机器人自动化。我们采用了低代码技术、智能生成和编排自动化任务，从而形成数字生产力。这种生产力具有动态、可编排、可组装、可操纵和可监视的特点。
简而言之，我们研究数字化的初衷是要把人从底层、重复、不应该由人做的基础工作中解放出来，在我们看来，数字化时代最重要的是人的数字化转型，也可以理解为人的技能数字化。
亿邦贾昆：OpenAI最近发布的一份报告中指出，虽然AI将影响大约80%的人，但这并不意味着AI将替代掉80%的工作。弘玑现在已经铺设了数万机器人来帮助人类员工“解放”双手，我们是否对一个人的重复性工作占比做过评估？
弘玑贾岿：如同马斯洛的需求模型，人类工作也存在层次。最顶层的是创意，这也是价值最高和最困难的。其余的部分可以分为：一，完全可以交由RPA机器人完成的；二，RPA机器人完成后，需要人类复核的；三，RPA机器人无法胜任，但可以为我们打个草稿的。
在我们看来，过去，人类将80%的时间用于重复性和基础性工作，20%时间花在创造性和创新性的事情上。不过，随着企业向着“人机融合”的混合制办公方向发展，人类可以拿出80%的时间，用于处理创造性和创新性业务。
这里就必须多说一句，在我们看来，完全的“无人化办公”现象是不太可能出现的，未来将会产生一个概念叫“数字化组织”，即：未来的企业组织将由人和数字员工共同组成，只是比例将会越来越接近平衡。
一个很现实的例子就是，我们的一个国企大客户已经购买了上万个RPA机器人，他们正在安排员工像以前学习office软件一样，学习最大效用地使用RPA。

03

信息化更强调系统，数字化更强调体验

亿邦贾昆：德鲁克曾指出，卓有成效的管理者应面向知识工作者进行管理，这是现代管理的特征。而知识工作者首要的是贡献更多创造性。因此，知识员工可能会认为自己并不需要数字化系统。
弘玑贾岿：系统被人排斥，往往是因为它的用户体验不好。坦率地说，许多to B系统虽然功能强大，但用户体验感却非常差，界面不友好外。更大的问题是机器无法应变，系统太大太僵化，代码多达数百万行，改变或加一个小feature（模块）都非常困难。
RPA机器人虽然也存在一些局限性，但因为它的footprint更小，应变能力更强。它今天可以帮您报销发票，明天就可以帮你做会议记录。随着AIGC技术与RPA的深度结合，数字员工的“AI生成能力”拓展，未来，智能RPA机器人不仅可以自动执行人类指定的任务，还可以通过识别和理解用户的语言输入实现自主编程，提升产品的使用体验。 
我们认为未来的RPA机器人会最终成为可以被大模型生成，驱动和优化的新型智能体。对于to C场景，这种智能体表现为个人行动代理（Action Agent）， 对于to B场景，这种智能体表现为数字员工或者数字生产力。
再分享一个案例。员工离职时需要与各个部门做交接，但员工不清楚整体流程，导致频繁咨询人力专员，也容易对人力部门的专业性提出质疑，甚至会对公司信息安全产生风险。
在应用RPA机器人后，工作人员只需要在公司系统录入离职员工信息，机器人就会自动下载离职员工需要的材料，并自动发起与各部门的交接审批流，自动申请盖章。从而使得离职审批流更加清晰，分工更加明确。
亿邦贾昆：市场上的技术可以分为两种，一种是延续性技术，另一种是颠覆式技术，但颠覆式技术未必带来颠覆式创新。因此，当我们回看一项技术时，我们应该首先发现颠覆式的创新在哪里，而不是急着寻找颠覆性技术。
弘玑贾岿：除了颠覆式技术和创新，其中还有颠覆式体验。
数字化时代给科技行业从业者最大的启示就是：不能只关注技术，还要关注用户体验。
“人机融合”的重要特点是要实现人与机器的无缝融合，而RPA就是一个非常好的触点，它将成为连接人类和系统的纽带，这也是我十分看好这一行业的原因。
作为一名to B产品工作者和开发者，我越来越关注B端产品何时能够像C端产品一样，为用户提供一个好的使用体验。或者说，能否出现一个类似iPhone或TikTok这样成功的B端产品。
所以，当GPT这样的生成式技术出现时，我其实很开心。这意味着，B端产品的体验感将呈倍数增加。
在未来的5到10年内，可能不再存在严格意义上的B端和C端，这两个领域有可能会融合在一起。
亿邦贾昆：信息化以系统为中心，数字化或智能化以人为核心，更强调体验性。
ChatGPT和RPA都是一种“技术平权”，它们通过降低技术门槛，让普通人更容易理解和使用这些技术。那么，未来是否会出现这样一种情况：购买RPA数字员工的并非企业，而是员工个人？是否RPA的商业模式也会发生变化？例如，可以按照单个机器人付费，或者按照个性化场景方式付费，而不再是将整套系统卖给企业客户？
弘玑贾岿：没错。我们今年就将推出一款名为“RAAS ”（Robot-as-a-Service）的SaaS化产品，将按次数或场景收费，个人用户可以在云端“货架”上任意挑选。
显著的使用区别在于，过去的RPA机器人仅能独立部署于计算机或手机上，处理基础业务。如今，多个机器人将协同完成任务，如差旅规划、采访报道及报销发票等。整个流程由一组协作的机器人，而非单一机器人来实现。
机器人带来的另一个好处是，它们就像一个个数字化触点，嵌入到了现有的业务流程中。这意味着企业运营可以高度可视化、可分析，不再需要大费周章地铺设数据仓库、数据治理平台或数据中心。这些数字化触点能够提供实时数据，并保留了许多上下文信息，从而消除数据流转时的繁琐和时效性问题。
亿邦贾昆：克里斯坦森在《创新者的窘境》中提到，技术的核心问题不在技术本身，而是在如何与服务对象或公众沟通。美国公司在这方面做得确实不错，他们用一种较生动的方式使得公众理解并接受了如AlphaGo和ChatGPT等复杂技术。因此，弘玑在向企业“科普”数字员工时，是否有一份“使用说明书”，提示应该注意哪些问题？尤其如何让企业的数字化转型思路从以系统为中心，转向以人为中心？

弘玑贾岿：马云说过一句话，让我觉得很受用。他说，数字化时代比拼的生产力，不再是一天能否生产出几万件相同的东西，而是能否在一天内制造出几万件不同的、个性化的产品。这意味着数字化时代，未来的生产线需要具备可组合的业务能力，即业务系统不再是静态的，而是像积木一样可以灵活组装。
从客观上看，企业自身应该也能感受到，数据中台和系统集成能力已经到达了瓶颈，无法满足市场越来越剧烈、快速的变化和需求。而要持续性地深化“人的数字化概念”，要求我们：
 1  要确保产品功能的质量，RPA机器人必须易于一线员工自下而上地使用。
 2  要把握住“AI x RPA”的机会，进一步提升RPA机器人的使用体验。未来，人们只需要对我们的机器人助手说几句话，机器人就可以自动生成一个小而全的任务执行模块。
 3  监管也成为了一个重中之重。人工智能因能够生成各种形式的内容，可能存在欺骗、偏见、剽窃等问题，因此，需要建设相应的监管机制来确保机器人的安全性和可靠性。
以弘玑为例，为确保RPA的安全性和数据隐私性，我们采用了无干扰、非侵入式的方式，以实现跨系统获取数据。

04

未来企业竞争要嫁接在AI X RPA上

亿邦贾昆：我们看到一个现象，虽然不是所有企业都拥有数字化能力，却似乎那些拥有数字化的先进企业，击败那些传统公司，从而使整个商业社会的效率变得更高。未来企业与企业、人与人之间的竞争关系，都要嫁接在AI或RPA基础上吗？
弘玑贾岿：总的来说，“优胜劣汰”的游戏规则在数字化时代依然适用，但具体情况还是要具体分析。比如，不同行业的数字化需求和成熟度不同，造成行业间数字化发展进程不同。
数字化时代“一天制造100万件不同产品”的要求和挑战正摆在企业管理者面前，他们需要思考如何沿着自动化来构建核心竞争力。未来，具有生命力的企业一定是那些能够根据市场情况做出反应，引领行业发展的企业。
此外，对于从业者而言，ChatGPT的出现使得我们需要重新审视未来的职业发展，尤其是如何应对不一样的工作形式和内容。员工们需要重新定位自己的位置，思考自己在公司中的最大价值和亮点。

亿邦贾昆：目前，弘玑服务的客户以中大型企业为主，包括央国企和金融机构等。而随着技术的普适性越来越明显，将趋向于更微小、更细分的工种或技能方向，未来的组织可能不再是大规模的企业，而是具有创新性的灵活型小型组织。
RPA是不是对创业公司更友好？中小型企业又是否会这样的机遇呢？
弘玑贾岿：如果企业实现了90%以上的数字化生产力，那么人类就可以专注于企业战略，并积极地与上下游企业建立联系。随着组织数字化的提高，企业之间的边界会变得越来越模糊，组织之间，业务能力之间可以快速组合，产生新的业务模式。未来，最有竞争力、最有价值的公司一定是分布式，小巧而对市场反应灵活的公司。
从行业角度看，软件行业、市场营销、广告创意公司可能会更早进入灵活、小规模的互联互通领域。但是对于制造业、能源业及制药行业等传统行业来说，它们仍然需要大量的人员来进行零部件、药品的制造与研发。
从数字化的进程速度来说，有些行业必须谨慎慢慢来，而有些天生就具备形成数字化工作模式的基础。
回到刚才的问题，我们的RPA产品并不仅局限于大型企业，只是大型企业存在的数字化堵点更多，比如说员工无法胜任大批量表单核对的工作等等。
数字生产力作为原子，最底层可以拆分为人、RPA机器人和系统。RPA作为一种工作方式，并不局限于某些特定行业和企业规模大小。RPA如何正确落地，在于组织和人员如何管理并运营它。

05

技术爆炸不是匀速的，要随时应对突变

亿邦贾昆：我十分认同您对数字化的定义，但实际上还有很多企业并没有形成这样的认知。科技圈存在着盲从的泥石流假说，人们出于恐慌，往往想要赶紧进入洪流，但这并不意味着他的数字化转型方式是符合自身业务发展需求的。ChatGPT、元宇宙和Web3，技术爆炸让企业难以找到确定性。
弘玑贾岿：今年我们可以确定的一个事情就是，RPA会变得越来越智能，我们即将进入第二代智能RPA时代。
过去，AI与RPA之间还是一种外挂关系，RPA可以帮助你识别图表，但它并不理解你在说什么。简而言之，初代时它只有感知能力，没有理解能力。今年，随着“AI x RPA“阶段出现，AI从外挂变成了内驱，将推动RPA技术能力的发展和用户体验的全方位提升。
亿邦贾昆：最后一个问题是关于科技界的“Gartner曲线”。假设2017年AlphaGo是AI深度学习的高潮期，而后面经历了几年低潮，那么如今的ChatGPT到底是上次一AI浪潮进入成熟期的标志？还是开启了新一轮的技术高潮？也就意味着后面还有一个巨大的“坑”在迎接我们？

弘玑贾岿：这个问题有点复杂。在AlphaGo之前，还有一个名为“Deep Blue”的程序，它是通过符号方式来实现的，而不是深度学习的方法。
在早期，深度学习被称为人工神经网络。但是，随着时间的推移，AI技术的定义和概念也发生了很多变化，包括未来，人工智能的形态也可能不断变化。因此，我们不能简单地将人工智能的发展形态归为一个Garter曲线的高潮、低潮和正常水平。
在人工智能领域，历经符号学、统计分析、生成、神经网络、生成深度学习、强化学习、大模型预训练模型等4-5代的技术变革，每一代技术虽然都不完美，但它们都相应地解决了部分问题。
例如AlphaGo解决了人脸识别和语音翻译的问题，但它并不擅长多轮次对话；ChatGPT解决了多轮对话和写作问题，但并不意味着技术的变化永远都是无限上升的，它在到达一个峰值时会面临停滞甚至下降。
OpenAI甚至也表示，不认为他们的GPT技术能够永远保持领先地位，可能会经历几个技术周期的迭代和演化。
尽管短期内技术发展可能会遇到低谷，但这只是暂时性的。从全局上看，技术能力依旧是不断变化且向上攀升的。只是它的发展轨迹不是线性的，它在达到一定阶段后会下降，但并不会掉到谷底，甚至在下落时就可能产生一些新的东西。
不过，最近几位业内非常资深的教授都曾表达，他们在研究大模型时发现，AI最近两年的成果进展堪比过去十几年的发展速度，时间尺度和技术成熟度变得越来越快。
亿邦动力：人类进化了几千年，而智能技术只进化了几十年。有些趋势“在劫难逃”。企业和员工都应该做好准备。
弘玑贾岿：我们生活在一个技术能力不断提升的时代，技术的提高可以提升个人生活品质和工作品质。尤其在数字化时代，谁又会愿意成为系统的“搬砖员”呢？对企业和个人来说，数字化、智能化的进步都是一件值得积极推动的事情。
首先是系统的数字化，其次是人的数字化。未来的企业组织里，需要通过系统化的视角完成人的能力升级，用人的视角来做软件、系统的搭建。完成了人的数字化以后，便彻底突破了人员限制，人从此进入一种四维空间，可以实现无限制拓展。系统数字化加入了人的因素之后，也突破成为了一种更具弹性的系统。
在弘玑与行业领先数字化企业合作过程中，我们也看到，在业务流程中部署的RPA数字员工数量持续扩张，从单点到业务流程，逐步形成日益强大的“数字生产力”。真正面向AI时代的企业应该是液态的，AI与RPA的融合，能做也不只是代替人类完成低价值工作，有了AI的智能驱动，RPA会更像是超自动化的神经网络，改变整个业务流程的游戏规则。
特此声明
本文为正观号作者或机构在正观新闻上传并发布，仅代表该作者或机构观点，不代表正观新闻的观点和立场，正观新闻仅提供信息发布平台。
分享至

亿邦动力

亿邦动力官方正观号

+ 关注
查看更多文章
0/300

还没有评论，快来抢沙发吧！