RPA，全称机器人流程自动化技能。该技能可按照事先设定的流程，掌握打算机完成鼠标点击、数据处理、跨软件操作等任务，已广泛运用于金融、电商、运营商、政务、物流、制造等浩瀚行业领域，在财务、税务、人力、内审、法务、风控、客服、运营、IT 等劳动密集型场景取得了非常好的降本增效成果。据 IDC（国际数据公司）统计预测，2018-2023 年环球 RPA 市场规模将持续上涨， 2023 年达到 39 亿美元。而中国 RPA 市场规模则将以 64% 的年复合增长率扩展至 10.2 亿美元。
随着以深度学习为代表的新一轮 AI 技能升级并在越来越多领域内取得打破，RPA 通过结合自然措辞处理、打算机视觉（cv) 等智能算法，在实行任务的繁芜度、覆盖运用处景的广度也相应提升。
业内普遍认为，随着 AI 以及 SaaS 平台、大数据、物联网等技能的进一步发展，RPA 将从独立实现转向更广泛的嵌入数字流程模型。RPA+AI 的智能流程自动化被认为不才一个阶段将取代传统的业务流程外包，成为新型的业务流程外包形式。
2018 年，随着国外 RPA 厂商的崛起，投资者看到 RPA 与 AI 结合的巨大潜力，RPA 赛道迅速成为投资热点，中国也呈现出一批 RPA 创业公司，投资者、创业者纷纭入局。四年过去了，中国市场的 RPA 产品与 AI 技能结合的效果究竟如何？AI 技能对 RPA 产品升级换代有何贡献？
通过与浩瀚业内专家的访谈及各行业 RPA 用户的深入互换，机器之心理解到，衡量一款 RPA 产品不可或缺的核心能力，紧张通过元素拾取（掌握软件的能力）、稳定性、实行效率等。这是客户真正关注、看重并乐意为之付费的判断准则。
然而我们创造，大部分厂商对自身产品与 AI 领悟的效果描述紧张环绕 “AI 观点” 组件数量、“支持场景”数量等相对表面的维度，短缺 AI 技能对 RPA 产品核心三要素的影响情形陈述。这样的描述没有严格的数据支撑，亦无法解答机器之心项目组试图探索的灵魂问题 ——
RPA 厂商在采取 AI 技能后，其产品的核心能力是否得到了提升？
在探求问题答案的过程中，机器之心项目组与实在智能的技能团队就当前碰着的障碍进行了深度互换后，决定约请实在智能技能团队的技能专家帮助机器之心项目组对当下主流 RPA 厂商的社区版产品完成一次基于实测实验的研究，探索 RPA 产品在采取 AI 技能后其界面掌握力、实行效率、稳定性等传统核心能力维度提升的情形，并结合测试结果形成《中国市场 RPA 产品 AI 技能领悟情形测试报告》。
评测小组通过专家访谈，行业追踪等方法，汇总多方反馈，环绕界面掌握要 “准”、流程实行效率要 “强”、任务遂行能力要 “快”、 这三个最能表示 RPA 产品做事客户的代价目标，得到以下评价方案，并基于该方案进一步设计了一套基于 RPA 用户利用需求的 18 个常见软件，10 个常见业务流程的测试方案，并在 windows10 系统环境下进行了首轮测试。
图：3 个评价维度
筛选评测工具
基于目前市场公开渠道中开放社区版本的 RPA 产品。我们取同一期间的软件版本，下载安装了五家主流厂商官网供应的社区版 RPA，历时月余，开拓了相应的流程评测脚本（注：由于有些厂商未开放社区版或中途取消了试用功能，未加入终极评测）。
为公正起见，评测小组从软件库中筛选出最常用 100 款 windows 办公软件，随机抽取个中 18 款作为测试目标，针对所有厂商实现了一套包含近 700 个元素的识别掌握、10 种常见业务流程任务的测试方案，在相同的 win10 系统环境下开展首轮测试。
表：18 个常见软件及运行环境
表：10 个常见业务流程及运行环境
打算指标权重
指标权重是指某一成分或指标相对付事物的主要程度。我们重点关注评价指标 “元素拾取成功率”、“流程实行完成率”、“流程运行速率” 对 RPA 产品的影响。采取定性方法进行指标权重赋值，每每说服力较差。基于定量和定性角度出发，评测小组采取层次剖析法进行指标权重的打算。该方法作为网络系统理论和多目标综合评价方法，紧张应对一些较为繁芜模糊的问题作出决策，特殊适用于那些难以完备定量剖析的问题。基本操作流程：首先建立构造模型（如下图所示），然后布局判断矩阵，对判断矩阵进行同等性考验，终极确定各个指标对 RPA 产品的权重 w1、w2、w3。
评测小组基于层次剖析法，布局判断矩阵并通过同等性考验，求解出三个核心指标的权重分别为 w1=0.431，w2=0.325，w3=0.244。
评测过程及结果
评测小组在相同掌握变量（运行环境、软件界面、流程任务、拾取办法等）下，进行两种模式的比拟实验，即传统模式（或称普通模式）和智能模式。传统模式，指完备采取普通元素拾取的办法进行流程编辑和运行；智能模式，指在普通元素拾取根本上融入 CV 技能的智能拾取办法。
本次实验运行流程脚本总计 10 万余次，详细记录流程运行日志并保存到数据库。在剔除因运行环境、外界滋扰等造成的非常数据后，对 5 家厂商的社区版 RPA 产品，基于三个维度所设定的统一指标进行数据剖析。详细剖析方法及相应结论如下 ——
一、界面掌握能力
方法
通过指标 “元素拾取成功率” 评价“界面掌握能力”。参与拾取元素测试图标 684 个；对传统模式下的元素拾取和融入 CV 技能后的拾取办法进行分别测试；人工进行元素拾取后保存元素库；开拓拾取流程包，实行元素点击流程，记录是否成功、运行韶光、系统参数等日志并存入数据库，剔除非常数据。元素拾取成功率评分 = 拾取元素成功个数 / 总元素个数 100，打算该项得分。
考虑不同环境下各厂商产品存在设计组件的差异，在评测时，采取完备相同的流程包设计框架且设置相同的延时时间。
得分
特殊解释：测评过程中，单项及综合得分排名第一的产品为实在 PRA。经项目组与厂商确认，对方赞许在报告中具名。报告中涉及的其他产品仅收录测试数据，名称暂时隐去。
结论
在被测软件领域随机的模式下，各厂商的传统模式拾取能力得分普遍不高，AI 能力对元素拾取提升贡献突出。
解析
在被测软件领域随机的模式下，各厂商的传统模式拾取能力普遍不高，外洋厂商受影响更大，显然紧张通过 windows 底层能力实现拾取的厂商在跨领域软件掌握上受到了很大的限定。
传统拾取模式下，若某款软件底层架构无法解析，其元素即无法拾取，因此也无法完成最根本的组件功能。
智能模式下，拾取效果显著提升（均匀提升近一倍），解释传统 RPA 厂商和具备 AI 能力的厂商在这一项上的差异巨大！
评测小组在测试过程中创造，虽然智能模式对 RPA 产品的拾取能力提升巨大，但是在细粒度小目标的精准识别上，如在拾取百度网盘、企微、千牛等软件元素时，偶有发生黏连、识别不到的情形，也有元素框选取不足准确的征象，显示各 RPA 厂商在 AI 能力上也有显著差异，本项测试评分最高的是实在智能的实在 PRA，在小目标识别的准确度、识别速率和利用便捷性上都让人觉得面前一亮，该产品的拾取将 CV 识别和普通识别进行整合，直接在 CPU 环境中运行，可以自动切换模式，对用户无感，默认智能拾取办法，同时也供应了普通拾取模式，这大大减少了评测小组构建测试流程包须要在普通模式和 CV 模式之间来回切换构建流程的韶光，也让
作为 RPA 产品的核心能力，主流 RPA 产品元素拾取能力，通过结合 CV 算法，一定程度上填补了软件品类的限定，基本都达到商业可用的程度，表示了 AI 技能特殊是底层模型构建和做事能力对 RPA 产品的主要贡献。随着 AI 技能的不断发展以及在 RPA 产品上的运用，未来 RPA 产品的核心竞争力，AI 能力一定是主要成分。
二、任务完成能力
方法
通过指标 “流程实行完成率” 评价“任务完成能力”。无报错运行一个任务流程包至结束视为成功一次，统计成功次数占比，数据归一化转为百分制，打算该项得分。由于不同厂商产品存在设计组件的差异，评测时采取完备相同的流程包设计框架，保持拾取办法同等，且设置相同的延时时间。
（1）设计 10 个场景任务流程包；对付完备采取传统拾取模式可实行的任务，单独统计。
（2）间歇性循环实行流程包任务将是否成功、运行韶光、系统参数等存入数据库。
（3）评分公式：完成率 x = 成功运行流程数 / 流程运行总数，归一化采取最简洁的离差标准化即线性变换，映射至区间[80, 100]，分值映射公式为：y=80+(x-min)/(max-min)20，个中 min=0.68，max=1.00，为归一化后数据边界最值，截取两位小数。由于传统拾取模式下只能完玉成体流程任务的 70%，为担保评分客不雅观性，传统模式下采取完成率 x 乘以系数 0.7 的办法打算。
得分
结论
传统模式下，各厂商的任务完成能力无显著差异，且各厂商的任务完成能力普遍不高，但是智能模式与传统模式比较对任务完成能力提升明显。
解析
本评测模块，重点稽核同环境下设界说务的完成能力。传统的拾取模式限定下，各家产品都存在一定的软件局限，某款软件元素不能识别，会直接导致流程无法操作，任务场景受限，失落败率较高。
智能模式的 RPA 产品流程包，在无滋扰 windows 系统环境下表现出色，任务完成能力评分均超过 98 分，均匀提升 23.1%。本项稳定性测试表明，E 厂作为老牌外洋 RPA 厂商，其产品运行流程非常稳健。值得指出的是，本项指标看上去差异不大，但是在流程运行的绝对数量大幅提升和支配机器人数量巨大的情形下，各个厂商的做事和掩护本钱会表示出来巨大的差异。
任务完成能力，是客户对产品的最基本哀求，也是机器人产品能力的核心表示之一。一方面，由于做事本钱、流程失落败等对客户影响较大，直接影响客户的采购和续费，从本项测试可见融入 AI 技能, 以及通过各种智能化手段提升 RPA 机器人运行的任务完成能力和稳定性是一定趋势，也对 RPA 厂商的 AI 能力提出更高哀求。
本次评测采取干净完善无滋扰的良好系统环境，得出的结果令人满意，大部分厂商表现良好，但在繁芜噪音多系统下的任务遂行能力，还需进一步深度测试。
三、软件运行效率
方法
通过指标 “流程运行速率” 评价 “软件运行效率”。取前项实验数据，在流程包运行成功的条件下，统计单一流程包效率，累加后，经数据归一化转为百分制，打算该项得分。对每个产品，设第 i 个流程包用时 t_i 秒，成功数量 m_i 次，其运行效率值为 x=∑_(i=1)^10m_i/t_i 。归一化仍采取线性变换，映射至区间[80, 100] 分值，分值映射公式为：y=80+(x-min)/(max-min)20，个中 max = 0.07，min = 0.04 为归一化后数据边界最值，截取两位小数。
得分
结论
流程包在智能模式下运行，流程实行效率均略有低落。
解析
传统模式下流程运行，各家表现中规中矩；涌现差异的主要缘故原由在于智能模式下元素拾取的流程耗时差异。智能拾取的接入，对流程运行速率产生了一定影响，有均匀 8% 的低落幅度。
不过我们在本次评测报告撰稿期间，创造实在智能发布了 6.0.0 最新版本，个中的领悟拾取，体验下来拾取速率提升达 100%，其速率靠近原生拾取，很遗憾由于评测事情量过于巨大及采样韶光已经确定，新的版本不能加入本次评测，实在 PRA 在本项评测的表现依然可圈可点。
RPA 的目标是赞助人类完成重复性劳动，未来的发展方向也一定是眼（拾取）手（实行）折衷的进化。降本增效的刚需下一定对 RPA 机器人的实行速率有更高的哀求，能用更少的机器人完成相同的事情，这直接关系到用户的本钱。开拓者对产品交互的反应速率哀求，客户对实行速率的需求，使得轻量化 AI 模型成为大势所趋。用户普遍对更高效快捷的 RPA 产品充满期待。
四、综合能力评价
方法
上述三个核心指标加权求和，权重来源于前述层次剖析法。
得分
结论
AI 技能加持，使得 RPA 软件在拾取精度、拾取能力、稳定性上有明显的提升，AI 自研能力强的厂商更占上风。
解析
通过三大核心指标直不雅观比较，虽然融入智能技能导致流程的实行效率略有降落，但由于其他两个指标的大幅提升，总体 RPA 软件在工业场景上运用的可行性得到显著提升。比较传统模式的 RPA 产品，智能模式下综合评分均匀提高近 23 分。从任务完成度 70% 这个数据看，任务场景的严苛限定，已经使得客户无法接管纯挚传统模式的 RPA 产品。
从访谈反馈、操作体验、评测数据细节等综合来看，各家产品在功能、体验、面向客户等方面均有不同的特色表示，但在三大核心维度评测数据上，实在智能的实在 RPA 表现出众，由此我们认为 AI 实力雄厚且勇于创新的头部厂商更具商业化竞争力和家当化持久力，其“首创性的领悟拾取技能、轻量化算法模型、加持 AI 能力的产品体验”，是本次评测独占鳌头的紧张缘故原由。当然，本测试为表示公正性及稽核 RPA 软件的普刚才能，采取随机选取软件的办法，可能会对部分专注某些领域内的 RPA 厂商的评测效果有所影响，比如外洋厂商 E 厂的原生拾取由于受到部分国产软件无法拾取的影响，在普通拾取方面表现一样平常。
表：评测数据总表
本次评测结果令人欣喜。从评测结果可见，AI 与 RPA 技能的 “领悟” 效果得到显著的表示，这与外界普遍认为的 AI+RPA 不同，二者产生了显性的化学反应。经专家剖析，本次评测中实在 RPA 表现出众，上风在于强大的 AI 能力和技能创新，其首次提出并实现的领悟拾取技能值得肯定。我们认为 AI 在 RPA 领域内的运用已经看到明显效果，并且未来会在浩瀚垂直行业产生深刻的改变。
通过评测我们看到，软件的界面掌握能力是甄别 RPA 产品最主要的评价指标，也是各 RPA 厂商比拼的核心要素之一，传统 RPA 产品通过底层技能（windows 底层掌握 com）的办法识别和掌握软件可操作的元素，受软件版本、技能组合、操作系统版本、系统接口差异等浩瀚成分影响，拾取能力面临险些无穷尽的问题须要办理，这明显是 RPA 行业的天花板之一。AI 技能的融入为 RPA 拓宽能力边界，为用户创造了 “凡是元素皆可拾取、没有软件不能操作” 的美好愿景。
欣喜同时，我们更有情由展望，RPA 与 AI 技能深度领悟，向 IPA 发展是一定趋势，也是家当发展的良好方向。相信不久的将来，业内这些具有强大 AI 技能和创新能力的 RPA 厂商，会给我们带来更多更大的惊喜。
下一步事情
当前主流 RPA 产品都有较快的版本迭代，个别厂商乃至达到每周一次小迭代，每月一次大迭代的快速步伐，产品功能、体验、创新上都有大幅度乃至焕然一新的提升；评测小组选取的是同期间各家厂商社区版产品进行评测，考虑到流程包兼容性、运行环境更替等，本次评测未进行版本改换。
未来，评测小组将连续跟进主流 RPA 产品的更新迭代，通过深入调研渠道客户、社区开拓者、干系厂商等，匆匆进理解客户的真实需求，对核心维度进行拓展性的专项深度评测，例如针对繁芜极度多样环境、专业小众软件操作、新旧版本、更多场景任务等的能力评价。
此外，评测小组也在进一步预备评测流程包及测试数据集的开源、开放事宜。作为 RPA 产品的首次深度评测，希望起到抛砖引玉的浸染，在此，我们也约请更多业内人士参与进来，构建并开放 AI 能力测试数据集， 推动 RPA 厂商包括社区爱好者参与到 AI 能力打榜，充分发挥 AI 技能贡献，共同推动 AI 能力与 RPA 产品领悟，促进 RPA 家当在良性竞争中康健发展。
评测结论仅代表本次评测环境下的结果表示。
致谢：
本次调研由实在智能供应技能支持和咨询，特此致谢。