UiPath Forward 2024大会如火如荼地进行着，AI代理（Agentic AI）成为了全场的焦点。但为什么这次AI代理的宣传并未让我感到是“过度炒作”？一向专注于RPA（机器人流程自动化）的UiPath如何平衡其历史投入与AI代理的崛起？让我们一探究竟。
UiPath Forward大会第一天的主题演讲中，UiPath创始人兼CEO Daniel Dines 宣称，代理式自动化（Agentic Automation）标志着UiPath发展的“第二幕”。UiPath近期一系列新闻发布进一步证实了他的宣言，包括：
UiPath与Anthropic的Claude语言模型集成，推出下一代AI助手和解决方案
宣布推出Agent Builder（客户现在可以注册，45天内全面开放）
正式发布Autopilot for Everyone，UiPath将其描述为“跨平台的生成式AI对话代理，助力员工提升工作效率”
AI代理是否会让RPA失去价值？
RPA（基于规则的自动化）是否已成过时技术？考虑到数以百万计的UiPath RPA自动化系统正在运行，客户显然不希望如此。UiPath的回答是：任务机器人仍然不可或缺。这并非UiPath为了保护现有客户基础而遮掩事实，而是反映了当前AI代理的实际能力和局限性。在主题演讲中，Dines坦诚地指出：
“多年来我们最大的教训是，自动化真的是一项艰巨的任务。要在大规模部署自动化中实现有效应用非常困难。自动化不仅关乎理想的流程路径，还涉及层出不穷的例外情况。你总是需要回头重新编写代码以处理这些例外，还需要人力监控机器人和界面变化。这是一个不间断的管理过程。”
企业工作流程充满复杂性：并非每张发票都能被机器人直接处理（例如，可能需要一个在数据中未标明的折扣）。Dines表示，UiPath在这个问题上进行了长期探索：
“在我们的第一阶段中，我们构建的一个核心组件就是Orchestrator，这是一项能够在机器人和人类之间进行协调的核心技术——它负责监控、管理并实现大规模部署。”
Dines提出了一个关键问题：RPA的优势和局限在哪里，而AI代理在哪些方面超越了它？
“在这一阶段，让RPA成功的原因在于它能够以可靠的方式运行数千个自动化任务。我们使RPA在企业级别上变得可靠和可扩展，但我们始终知道其功能有局限性。RPA无法处理非结构化的数据，例如隐藏在长文档中的自然语言信息。很多时候，企业流程中非结构化数据部分比结构化部分更为重要，而我们需要让客户找到方法来分离这些部分，将复杂部分交由人类参与。”
生成式AI代理的独特之处
大型语言模型（LLM）的设计虽然并非完全模仿人类大脑，但确实借鉴了人类的认知模式。LLM技术在处理非结构化数据方面的能力远远超过传统RPA机器人。尽管AI代理的概念并不新鲜，但生成式AI代理确实带来了新的可能性——不仅体现在自动化和协调性上，更在于其解析复杂数据并推进流程的能力，甚至可以在某种程度上做出类似人类的决策。
然而，Dines指出，这些生成式AI代理是基于概率的技术，而RPA机器人是确定性的。AI代理的设计需要考虑到这一根本差异，因为它们带来了全新的优势与挑战：
“它是非确定性的，无法预测生成式AI的输出。这使得其在企业工作流程中的应用充满挑战，因为企业需要可靠、确定性的工作流程。我们的任务是使AI代理在企业环境中变得可靠和可预测，并将在未来几年为此而努力。”
AI代理的确定性和准确性何时能够达到理想水平，目前仍是争论的焦点。尽管技术进步可能无法完全消除不确定性，但在许多应用场景中并不需要100%的准确性。UiPath的代理式方法允许企业根据不同需求决定何时需要人类监督。
这就是为什么我对UiPath Forward大会上的AI代理主题感到满意的原因之一。UiPath比大多数供应商更清楚传统自动化的持续作用，并且他们拥有大量的企业自动化案例，可以通过AI代理来触发应用。
麦肯锡高级合伙人Chandra Gnanasambandam在主题演讲中阐述了任务机器人依然不可替代的原因：
“代理需要工具，而这些工具就是机器人。因为代理需要将复杂的流程分解为各个任务，在子任务层面上，唯一获得确定性的方法就是通过机器人。因此，没有机器人就没有代理；没有LLM就没有代理；没有API层就没有代理。这是一种AI架构的进化，但我们也认为这是代理加LLM加机器人的组合。”
未来之路：UiPath客户的前进方向
在与UiPath客户的交流中，我发现他们对AI代理表现出浓厚兴趣，并基本认同UiPath的发展方向。但他们仍有许多实际操作层面的疑问。客户们在尝试解决核心自动化问题时，发现其中依然有很多手动流程未被完全自动化。他们也在考虑如何实现与不同供应商合作的自动化代理之间的互通性。
Salesforce创始人Marc Benioff的意外亮相提醒了我们，这些议题跨越了多家供应商。我们也看到UiPath与SAP合作的进展：UiPath与SAP联手加速企业自动化。
UiPath也宣布与Anthropic的集成。这引发了客户对于自主选择的关注。UiPath产品管理高级副总裁Mark Greene在AI深度访谈中回应：
“我们今天谈到了代理式自动化。就像机器人可以跨多个系统进行协调一样，我们也会在多个代理平台上实现协调。我们始终的设计原则之一是新方案需要适用于所有生态系统，无论客户选择何种模型。这是因为有些客户偏好特定模型，可能他们更青睐Gemini而非Claude，或其他选项。我们鼓励客户自带模型，这是我们产品的关键要素之一。”
在代理式自动化蓬勃发展的当下，UiPath客户的下一步该怎么走？Greene建议：
1.继续利用机器人实现自动化。——“因为这些将成为代理可以使用的工具。”
2.将非结构化内容转换为结构化数据格式。——“今天你可以使用我们的产品来训练模型，这也是我们的独特优势。我们的文档理解能力领先并且极为准确，我们相信这对代理在处理非结构化内容方面是强大的助力。你可以开始将数据转化为机器人和代理都能使用的模式。”
3.尝试使用现已发布的Autopilot for Everyone。——“可以从一些受监督的代理用例开始。”
关于AI代理的边界和信任？
一些读者可能会质疑UiPath在AI代理方面的语气是否真的有所不同。如果你也持这种怀疑，请看看大会第一天的主题演讲要点幻灯片：“代理不可被完全信任”。这个表述在AI主题演讲中并不常见。至于“护栏”，UiPath提出“代理的护栏是人和机器人”这一观点，十分贴切。企业环境下将结构化和非结构化数据相融合是生成式AI的最大价值，但这一目标尚未实现。UiPath提倡“受控代理”，提供了一个实用的框架。但即便如此，Dines也坦言AI代理意味着逐步减少人类的参与。
其中的限度在哪里？这是一个值得深思的问题。是赋能员工，还是在构建一个机械化、工作稀缺的未来？尽管当前技术局限阻止了后者的实现，但这种局限不会一直存在。因此，我们有必要在拥抱AI代理之前，明确自己对未来的期望。
Dines在演讲中举了一个AI代理生成并建议航班行程的例子。一旦该代理被“信任”，它可能会被授权预订低于3000美元的行程。这类用例引发了有趣的讨论，也突显出技术发展的快速推进。一位客户告诉我们：“技术变化的速度比我们跟上的速度还快。” 这位客户坚定地推进AI代理的应用。
UiPath面临的挑战是如何带领所有客户前行，而不仅仅是早期采用者。跨供应商代理工作流与包含本地部署的自动化在云端的协同中差异显著。这些都是关键问题——后续我们将再作深入探讨。
文章由RPA中国根据公开资料整理，如有侵权，请联系删除。
- END -
报告下载
大 佬观点分享
关于RPA、AI、企业数字化转型
(点击文字即可阅读)
| |
| | |
| | |
| | |
| |
行业知识交流分享，结识扩展人脉圈层
公众号后台回复【RPA】或者【流程挖掘】
可受邀加入相关的交流群
热门跟贴