在大语言模型时代，AI Agent影响下的RPA发展的四个阶段迅速影响自动化领域，自主Agent成为超自动化的新趋势，自主Agent成为新一代自动化。对超自动化领域有什么影响？持续进化的RPA，赶上了大模型时代AI智能体发展方向的东风，指向了自主智能体。借助AI智能体，成为AGI RPA的终极目标，RPA的终极发展方向就是针对AI智能体。超级自动化代理的时代已经开始。
RPA之所以如此受欢迎，是因为它涉及使用“机器人”来自动化通常由员工完成的大规模、低复杂性和重复性任务。
爱国军的基本情况是清楚的。这些机器人解放了员工，让他们专注于更有价值的任务，降低了企业的整体成本。它们可以一天24小时运行，避免人为错误，处理大量任务。
适合RPA的任务包括事务处理、数据操作、查询响应和跨系统通信。管理背景对RPA的高效应用也证明了它与这种技术的天然契合，例如银行实施RPA来路由和回复投诉电子邮件，医疗保健公司使用RPA“机器人”来帮助处理和分析数百万份供应商发票。
长期以来，RPA对于异构系统和无序的传统自动化技术来说就像一颗银弹。它的连接性让很多企业投入的自动化技术焕发了青春。
因此，RPA已被大量应用于高度监管的领域，如金融服务、公共部门和能源，前提是这些部门通常不愿意或无法对其系统进行大规模更改。
不仅仅是这些领域，很多实施了多年数字技术的大企业也是如此。RPA从未因为传统自动化不可持续的需求而如此受欢迎，它不想让过去的投资付之一炬，并继续大量投资于技术。
难以解决的问题
甚至RPA近年来也以超过16%的复合增长率快速增长，因为其连接特性，一直被一些人戏称为“创可贴”或“粘合剂”。
这两个绰号恰恰反映了RPA不稳定的缺点。许多客户抱怨机器人很脆弱，需要花费数小时来维护它们，而不是建立新的自动化。对于许多业务场景，如果数据样式发生变化，例如向表单添加新项目，机器人就无法继续工作，必须重新配置任务。
业务人员加一笔，维修人员跑断腿。
正是因为RPA在构建业务流程自动化方面的脆弱性，厂商纷纷引入AI技术，并进一步发展到可以构建端到端自动化的超级自动化架构。
超自动化是以交付工作为目的的集合。它通过吸收更多的技术来创造自动化产品和技术集。它是RPA、流程挖掘、智能业务流程管理等技术能力和软件工具的结合，也是智能流程自动化和集成自动化概念的进一步延伸。
包含了超级自动化本身涉及的关键步骤，即发现、分析、设计、自动化、测量、监控和再评估，突出了以人为中心的重要性，实现了人、应用和服务之间的关联、组合和协调。
尽管超自动化在架构中引入了测量、监控和重新评估，但RPA仍然处于相对独立的操作单元中。即使是已经引入的AI技术，在业务需求灵活的场景下，也很难保证RPA的稳定性。
直到今年大语言模型取得重大突破，AI Agent和RPA的结合才真正让大家看到了希望。
RPA的代理机会
现在几乎所有的技术供应商和组织都在转向大语言模型(LLM)。随着更多厂商的不断探索和尝试，我们看到一种新型的自动化正在兴起，这就是自治Agent(AI Agent的一种)。
延伸阅读:从多个LLM的引入和整合到自研机型的发布，RPA和LLM的整合进展如何？
AI Agent是一种智能实体，能够感知环境、做出决策和执行动作。与传统AI不同的是，AI Agent具有独立思考和调用工具一步步完成给定目标的能力。
AI智能体的工作只需要给出一个目标，它就可以为目标独立思考和行动。它会根据给定的任务，详细拆解每一步的规划步骤，依靠外界的反馈和独立思考，为自己创造一个实现目标的提示。
就类别而言，人工智能主体可以分为自治主体和生成主体。自主智能体，如自动GPT，可以根据人们通过自然语言提出的需求，自动执行任务并达到预期的结果。在这种合作模式下，自主智能体主要服务于人类，更像是一种高效的工具。
延伸阅读:【万字长文】全球AI智能体盘点，启动大语言模型必须参考的60个AI智能体。
人工智能代理可以使用大型语言模型，如GPT-4，来规划和执行用户提供的目标。这些机器人完成并添加新的任务，并根据之前任务的结果确定其工作流的优先级。他们可以调用长期和短期记忆，使用旧的查询作为上下文，并存储以前的结果。
这意味着这些机器人不会止步于新数据导致的“死胡同”，而是可以从错误中“学习”，调整一系列任务。
Github和其他开源社区现在有各种各样的代理框架和工具，从编写代码(GPT-工程师)到订购披萨(HyperWrite)。目前有很多开源的代理框架，如AutoGPT、BabyGPT、MetaGPT等。开发人员可以使用这些框架在各种领域和业务场景中构建基于LLM的AI代理。
在海外，投资和研究界将自主代理称为新一代自动化。
新一代自动化
大多数RPA制造商正在以生产AI为中心的自动化过程中，以补充RPA，如更好的文档处理或代码原生平台。UiPath和Automation Anywhere等供应商正在通过自动化更多端到端工作流和添加支持生成式人工智能的功能来应对传统RPA的缺点。
当然也不排除有厂商会基于AI Agent重建超自动化产品。
例如，最近专注于低代码的超级自动化制造商Torq已经将其AI代理添加到安全的超级自动化平台中。8月，国内超自动化厂商Real Smart也推出了基于自研大语言模型TARS的RPA代理产品TARS-RPA-Agent。
这些厂商已经成为在过程自动化领域探索AI Agent的先锋。
一些新创企业提供了以自主代理为中心的“新一代流程自动化”工具，这些工具的应用通常从电子商务等不受监管的领域和业务场景开始。
以下厂商是从欧洲推出AI代理产品的佼佼者。
Robocorp: code native和开源RPA平台，其愿景是通过GenAI代码解释器将Python的灵活性和low代码的易用性结合起来；DeepOpinion:采用前沿的NLP实现企业工作流自动化；Automaited:高度灵活的自动化，适用于任何任务，具有自学习功能；Workfellow:通过插入各种工作流实现下一代流程卓越；易变:人工智能文本和文档处理，用于电子邮件、调查、客户支持等。Invofox:人工智能数据输入，最初专注于票据、发票等财务；Go Autonomous:专注于报价、销售订单等领域电子商务的自动化；Virtuoso:使用NLP和AI进行QA和测试自动化，减少维护开销；Workist:使用AI自动化B2B交易的订单处理。
RPA的持续发展
当代RPA的兴起和快速发展得益于人工智能技术。随着AI的不断突破，RPA从技术架构到功能都在不断进化。如今，大语言模型的突破和应用也为RPA的未来发展带来了新的发展方向。
数字化转型博客DeltalogiX从智能过程自动化(IPA)的演进角度，将IPA的演进分为四个阶段，即RPA、认知自动化、数字助理和自主代理。
阶段1:针对简单和重复性任务的RPA
每个员工每天都执行简单的日常任务，往往占据了一天工作的很大一部分。RPA非常适合涉及结构化数据的重复性任务，比如读邮件，可以交给RPA。
RPA机器人遵循预定义的规则和指令。使用确定性RPA机器人的自动化流程的一个示例是处理员工费用报销表单。通常，该流程要求员工填写包含所有必要信息的纸质或电子表格，并将其发送给人力资源或行政部门进行审核和批准。
第二阶段:用于培训和流程适应的认知自动化
经过人工智能技术的加持，RPA进化成了IPA，也就是我们所说的认知自动化。除了基于规则和规范的结构化数据，IPA可以处理的数据还可以来自电子邮件、文档和图像。
认知自动化是基于对过去经验的分析。通过不断整合历史数据和新数据，自动化流程将适应收到的反馈，以预测产品或服务的需求为例。使用先进的机器学习算法和对历史销售数据的访问，可以创建预测模型来分析过去的模式，以识别趋势和行为。
您还可以训练模型来了解影响需求的变量，如季节性、促销、特殊事件和经济状况。这些预测可用于指导业务决策，如生产计划、库存管理、确定营销策略和预测资源需求。这一过程的认知自动化可以实现比人工数据分析更准确、更高效的预测。
此外，由于模型可以不断用新的数据进行训练，因此可以适应市场的变化，并随着时间的推移而改进。可见，即使是少量的人工智能，也能显著提高自主化水平，为更复杂的过程提供更具体的支持。
第三阶段:语言处理的数字助手
随着IPA与AI的深度融合，特别是在LLM的支持下，IPA已经发展成为基于自然语言交互的数字助手。
ChatGPT是一个典型的数字助理，其他制造商也可以使用LLM如GPT为他们的领域构建数字助理。
认知自动化系统能够理解和处理人类语言。因此，人力资源将能够与软件交互，软件将能够从书面或口头文本中提取意义，并提供“智能”响应。NLP可以自动执行与聊天机器人、语音助手和基于语言的分析相关的任务。
语言理解和用户界面也是让客户以自动化方式与公司互动的重要元素。如果使用得当，并采取改善客户体验的策略，虚拟助理可以通过减少相关活动所需的时间来有效地改善工作和与客户的关系。
第四阶段:自主决策主体
最高水平的智能自动化涉及复杂的决策过程。在这个过程中，深度数据分析(包括深度学习)提供了一个广阔的概述，在此基础上可以进行分析或预测，以指导短期和长期的活动。
这种深度分析功能包括多个变量和相关因素，允许机器人或更准确地说是数字代理独立做出决策。
这种类型的支持特别适合人力资源管理、供应链优化、财务规划和风险分析。由于其不断增加的处理能力和知识，机器人可以提供及时准确的建议，以支持企业高管的决策过程。
后记:超自动化代理人的时代即将到来。
可以看出，第四阶段的自主代理对应的是上面提到的新一代自动化。
按照IPA的发展路径，这里第四阶段的自治agent更多的是指基于LLM的RPA agent或者超自动agent。
毕竟基于流程自动化的RPA厂商一般不会放弃现有的产品形态，开发全新的以自主代理为中心的AI代理产品体系。
短时间内，AI Agent无法用于操作数百个企业管理系统。更有可能的是，RPA、process mining、BPA、ERP等企业管理软件厂商在不同LLM和现有管理软件的基础上构建企业级运维管理的自治代理。，对企业管理比较熟悉。
因此，制造商完全有可能在自研LLM和现有产品架构中引入AI Agent，或者开辟一条AI Agent可以与现有自动化技术链接的产品路线。
而agent已经成为RPA未来发展的终极目标，AI agent是通向通用人工智能(AGI)的必由之路。
其实厂商是不做AI代理集成的。为了降低成本、提高效率和改善质量，客户将在引入LLM和RPA的基础上做进一步的探索。在市场需求的驱动下，技术供应商迟早会迈出代理的一步。
今年大模型普及后，随着RPA厂商陆续推出生成式AI，主流厂商已经发展到数字助理的第三阶段，少数厂商开始了AI智能体的第四阶段探索。
根据王记伟的渠道，中国的几家RPA制造商已经开始了这方面的研究，应该很快就能推出相应的产品。
Gartner表示，到2025年，90%的RPA供应商将提供由生成式AI辅助的自动化服务。同时，在生成式AI加持的影响下，RPA市场将继续保持高速增长。
从IPA的发展趋势来看，未来每个RPA厂商和超级自动化厂商都有可能演变成RPA\超级自动化代理。"