RPA技术在短短几年发展迅速，企业对其需求也在迅猛增长。RPA的价值在于简化流程，以一种更简单、更易用的方式实现企业流程的自动化，从根本上降低了企业总体IT成本。很快RPA便取代了业务流程管理，成为企业IT进行现代化变革的新引擎动力。

然而，当企业希望把RPA的能力扩展到除了业务层以外的其他领域时，却发现RPA存在着一定的局限性。

伴随人工智能（AI）技术的发展，RPA将会结合更多AI的技术（自然语义学习、机器学习等），向智能自动化迈进。这里就产了一个概念，即IPA（智能流程自动化）。

何为IPA？

IPA是Intelligent Process Automation的缩写，最早由美国麦肯锡公司于2017年提出。简单说来，IPA是AI和RPA的融合，目的是实现更加智能的自动化。

IPA和RPA的概念非常相似，通常将引入AI的 RPA称作IPA，即Intelligent Process Automation——智能流程自动化。

传统的RPA更加擅长处理基于规则、机械性的任务。对于那些没有固定流程、灵活性的非定型业务，处理起来则相对较为困难。于是，将擅长语音识别和文字识别的AI引入RPA，则成为RPA未来发展的新方向。

实际上，RPA和AI一对高度互补的概念。如果将RPA比作一个人的四肢，可以做机械性的动作，那么AI则可以赋予它听觉、视觉和表达等能力。

探秘IPA的5个核心技术

麦肯锡认为，IPA包括如下五个核心技术：

1、RPA机器人流程自动化

这是IPA的基础。RPA机器人可以将简单的工作流程自动化，并为AI提供数据支持，这是实现IPA的前提和基础。

2、智能工作流

流程管理软件工具，集成了由人和机器团队执行的工作，允许用户实时启动和跟踪端到端流程的状态，用来管理不同组之间的切换，包括机器人和人类用户之间的切换，并提供瓶颈阶段的统计数据。

3、机器学习/高级分析

通过“监督”或者“无监督”学习来识别结构化数据中模式的算法。监督算法在根据新输入做出预测之前，通过已有的结构化数据集的输入和输出进行学习，无监督算法观察结构化的数据，直接识别出模式。

4、自然语言生成

自然语言生成是一种通过遵循将观察结果从数据转化为文字的规则，以在人类与技术之间创建无缝交互的软件引擎。将结构化的性能数据通过管道传输到自然语言引擎中，并自动编写成内部和外部的管理报告。

5、认知智能体

一种结合了机器学习和自然语言生成的技术，它可以作为一个完全虚拟的劳动力，并有能力完成工作，交流，从数据集中学习，甚至基于“情感检测”做出判断等任务，认知智能体可以通过电话或者交谈来帮助员工和客户。

IPA崛起的4大关键点

IPA成为企业智能化转型下一个引领性技术的四大关键点：

1、擅长处理非结构化和半结构化数据业务

IPA在几个重要方面与RPA有着根本的不同。首先，它可以分析基于文档的工作流，比如合同分析、审计规划和报告、RFP分析和组合、销售机会工作流自动化、客户支持分析和自动化、评估和索赔分析等。同时，IPA能够理解文本、图像、文档和其他非结构化数据，而这些数据是数据驱动型企业流程自动化的核心内容。

2、具有认知和概率分析能力

IPA使用了基于机器学习和智能分析的深度算法功能，而不需要企业通过巨大的数据集训练模型，它可以根据可用的信息和上下文做出准确的判断。对于大量非结构化数据的业务流程来说，这是一项巨大突破，IPA提供了一个通用的知识库或“语义引擎”，用户可以更快、更容易地训练机器学习模型。

3、IPA更具协作性

IPA让数据科学团队和业务专业人员之间实现了跨领域协作，让业务专业人员掌握了关于被自动化业务流程的必要专业知识。尤其是当底层技术非常复杂时，这一点尤其重要。业务用户需要适当的技术环境来交付必要的输入，技术人员需要适当的业务环境来驱动实现决策。

在IPA实践中，中小企业也可以使用并参与到测试用例中，了解如何去培养和训练属于自己的机器学习模型。

4、IPA的行为可追溯

在金融服务等监管要求严苛的企业，IPA的所有行为都可追踪。这种可追溯的模式，能让企业的业务运营更透明，不仅在公式和算法方面更具可视性，也能定义真实环境的标识，使得数据科团队和业务团队的配合更默契，让IPA和业务联系更紧密。

IPA智能流程自动化逐渐成为自动化技术领域的新一轮浪潮。

在目前RPA机器人的应用基础上，未来IPA技术将进一步提升认知学习功能，以期实现更完善的数据感知和汇总，更智慧的数据模型建立和问题求解，更自主的平台服务提供和数据融合，更智能的决策制定和下发，从而推动不同行业的智能化发展，开辟一幅全新的图景。