例如，假设你想要一个机器人来分析发票并将其发送给你企业中的合适联系人。看起来很简单，对吧?再想一想。在机器人可以处理这项任务之前，你需要标准化每一张发票，否则你必须对机器人进行编程，使其知道如何处理数十种不同的文档变化。突然之间，这个“简单”的RPA计划变得非常复杂和昂贵。
AI为RPA提供了一层以前不可能实现的智能。RPA本身仅限于直接、结构化和客观的任务。AI扩展了可能性，将细微差别、主观或非结构化数据的功能包括在内。通过结合使用RPA和AI工具，你可以自动执行更多流程。例如，超自动化可以：
准确阅读和分类文档。企业可以训练AI模型准确地阅读和分类复杂的文档，而不需要手动编写机器人程序来知道如何处理各种文档格式。AI甚至可以解释手写，因此企业不再需要手动将手写文档输入数字格式。
例如，我的企业Centrate Consulting最近与世界上最大的RPA供应商UiPath合作，帮助World Wide Technology(WWT)应用超自动化来更好地管理企业的大量采购订单，这些采购订单有多种格式和语言。
如果没有标准模板，如果没有针对每种格式的单独设置，RPA就无法单独“读取”和分类文档，然而，对于AI，情况就不同了。
我们对WWT的一家供应商的100多份订单上的AI工具进行了培训。通过将RPA与AI相结合，WWT成功地实现了以前需要大量后端工作的流程的自动化，这是WWT超自动化之旅的战略部分。
WWT投资组合和产品管理高级总监Dave O‘Toole表示：“WWT正在创造能力，利用GenAI和RPA的力量来改变其业务。通过将GenAI和RPA应用于其软件开发、销售活动、客户服务和运营，WWT旨在实现更高的质量、效率和生产力，以及更好的客户满意度和忠诚度。”
解释自由格式的文本。AI可以阅读和理解自由格式的文本、聊天、电子邮件和其他非结构化数据。假设你有一个团队，负责阅读和分类客户电子邮件。现在，你可以使用AI驱动的机器人来阅读这些电子邮件，并将它们发送给企业内的正确团队，从而解放员工从事更高附加值的任务。由于AI模型不断学习，精确度会随着时间的推移而提高。
分析图像。借助AI，RPA工具可以分析图像并标记差异或错误。例如，UiPath的一位食品和饮料客户需要确保产品标签的准确性。客户使用AI驱动的自动化来检查和分析设计草稿，记录差异，并通知适当的设计机构。以前，这一流程容易出错，需要大量员工花费大量时间才能完成，现在，每一次检查都需要几分钟，而且更准确，使企业免于声誉风险和监管罚款。
制作和分析复杂的报告。大型企业需要花费数不清的时间来提取、格式化和生成报告，启用AI的RPA工具使这种繁琐的后端工作变得不必要。为了分享UiPath客户的另一个例子，一家全球石油和天然气企业每年处理数百万页的生产运营报告，由于这些报告缺乏统一的布局和数据结构，员工被迫手动提取数据，这是一个艰苦的过程，在高度自动化的帮助下，该企业为员工节省了数不清的时间，让员工可以专注于更有价值的工作，并加快了企业的决策过程。
对复杂信息进行分类。一家澳大利亚互助银行需要更新其调查生活费用以评估贷款的方式 - 手动过程过于耗时且容易出错，该银行首先实现了一个机器人，可以对大约一半的贷款申请者的交易进行分类，这改进了完全手动的过程，但仍然留下了大量的动手工作，通过添加自定义机器学习模型，银行现在可以自动化约90%的生成生活费用报告所涉及的工作，从而提高贷款申请流程的速度和准确性。
就绪、设置、自动化
上面的例子只是触及了超自动化的高影响力可能性的皮毛。
在AI之前，RPA已经以令人印象深刻的速度增长。根据Gartner的数据，RPA软件市场在2022年达到了28亿美元，增长率为22.1%。作为参考，全球软件市场在2022年增长了11%多一点。现在，更先进的技术已广泛适用于各种规模的企业，RPA准备继续大踏步前进。
如果你以前对RPA感到失望，请记住两件事：你并不孤单，现在是再次尝试的时候了，开始组合RPA和AI模型并不困难。
T-of-the-box选项是存在的。例如，UiPath具有预打包的功能，如情感分类、回执阅读和文本翻译，你可以将这些功能添加到你的自动化功能中，另一种选择是“可调”的AI，这是一种你可以训练和定制的预建模型。
错过自动化流程机会的企业将落后于竞争对手，后者致力于实现自动化，并为员工带来效率提升和工作体验的改善。
