首先本文是有感而发，其次是我本身是大数据和人工智能领域产品多年从业者，并不局限于RPA领域，做过一些RPA项目也和客户沟通并且提供过顾问和咨询服务，所以有一定理解。

从网上可见的大部分文章包括本问题下面的回答中，都可以看到，大部分是宏观回答，从狭义来说，RPA可以是一个软件工具、可以是一套系统也可以是一个平台；RPA可以让办公自动化、业务流程自动化。从广义来说，任何一个可被规则化且突发、未知情况少的业务流程，都可以通过RPA系统来实现尽量少的人工干预。

那么我们来说RPA目前国内的症结和核心点。

1，数据安全性问题，不管安全公司如何吹牛逼他们用到了什么什么技术，也不管通过了什么认证，数据安全只在一线之间。云服务器可能出现问题、操作的人也可能出现问题（比如删库还没跑路的那位）、数据传输过程可能有问题、数据存储过程可能有问题。那么很简单，RPA是为了解决业务而生的，企业大部分内部数据都存在暴露、泄露、篡改和丢失风险，这些问题都可以通过各种手段降低风险，但是可控程度不一，所以国内最优先应该考虑的还是本地化部署，有能力的企业还会有多种安全性要求。至于SAAS型的RPA，基本上从概率和可控角度来说是不可信的，因为底层不透明，所以不太可能控制住以上的风险。本地化部署至少还可以想办法控制，至少出了问题还可以找到内部责任人，而不是外部扯皮。当然，某些管理层只考虑成本、甩锅的话，完全可以让服务商来背责任，最后就是打官司扯皮便可，也未尝不可。

2，系统间对接问题，众所周知，比如电力行业，那是各个大型集成商的地头，RPA系统想进入的话，就只能搞好关系，送上大钱，自己喝点汤，干点苦活累活，求一线生存空间。RPA是对接各种系统的中枢，而不是替代ERP、数据仓库、OA的方案，所以不管是接口对接还是界面模拟操作，都需要协商沟通，这点导致了立项难、开发难、对接难、数据格式统一难等一系列问题，同样的问题还会出现在其他行业，尤其是有能力实施大型RPA的大型企业里，比如汽车行业。

3，无法穷尽规则和未知性问题，RPA既然是自动化流程，我们都希望它可以最大程度降低人工操作，那么面对现实业务的复杂性，RPA往往能解决的只是九牛一毛或某些流程的大多数繁琐工作。目前AI技术并不够智能，所以很多情况下如果边界不圈定清晰，就无法实现。比如一个简单的解析提取某合同的合同方，需要考量的要素就非常的多，输入格式是PDF、图片、word、txt？解析的时候要不要OCR、手写识别？提取方案是深度学习模型还是简单的正则？输出的数据下一步要做什么，如何衔接逻辑判断解决实际问题？遇到意外情况如何处理，总不能什么都即时弹出给人工吧，如果人工处理慢了会不会影响其他业务？以上问题都可能出现，所以产品设计人员和业务人员几乎要变成亲兄弟，才可能摸透一些。

以上是一些问题诉说，解决方案有很多，我不在此赘述。

RPA系统目前大概能依靠现有技术解决哪些问题呢？包括解决方案的点在哪里呢？其实主要还是在于原有业务系统对接、自动化流程设计、人工参与方案设计等环节。

1，系统对接，通常就是接口对接或界面调用，但是如果是调用界面提取信息的时候，定位问题需要额外注意；如果只是接口对接，那么数据字典表和数据格式统一以及ETL清洗则需要注意。

2，自动化流程设计无法细说，因为每个行业的特点都不一样，无法千篇一律而定。

3，人工参与方案是重点，这里产品经理要考虑三层，高层管理期望、中层管理期望、实际操作人员的预期。首先并不是全智能化就好，为了维护社会和企业内部稳定，有些低端工作人员（并不是鄙视，只能客观从技能角度来评判）需要维持工作，那么让他们辅助系统是最好的，而不是把他们的工作岗位剥夺。当然，如果企业本身就是要降低人的不确定性，并且节约成本的话，那么机器人化和自动化是必然选择，资本家和企业家并不是善人，社会道德可以用很多方法实现，企业盈利则是立身之本。

4，技术实现，为了智能化，技术部分肯定是要更多借用AI技术。分为几个方向，综合应用。

CV，机器视觉方面，主要解决基于图像、多媒体等的可视化数据的结构化，目前人脸识别、车辆识别、场景识别、行为分析、物体识别、色彩识别等等。还有面向文本的图表识别、文字识别、特定要素定位等目标检测技术。

NLP，语义分析方面，主要解决文本结构化处理，包括本体识别、句法关系识别、基于语义指纹的文本比对和去重、自然语言理解等，也就是NLU和NLG等。这些技术是重点，大量文本数据都需要来处理，广义来说，任何字符串数据都一样，所以日志、代码等在NLP技术面前是一样对等可被处理的。这也是什么RPA系统可以广泛应用和扩充到全部业务“缝隙”中的原因。

语音，通过ASR和TTS等技术，实现语音转文本，再处理和反馈回。

以上这些技术是主要RPA可能会用到的技术，只是个大概介绍。下面说一下RPA系统目前主要的一些应用场景。

1，企业通用内部数据处理和流转，如果一个企业内部有多个系统且数据壁垒严重，数据格式不统一，没有直接对接，也没有数据中台的话，那么RPA系统可以节约大量人工处理数据填报、报表生成等工作。

2，企业内部逻辑判断和审计工作，大量的数据从不同内部系统或文档汇总后，很多人员需要输出结论，比如合同名称是否一致、甲方和乙方是否一致等等判断工作，这些工作尽量让RPA系统解决，人工只要辅助，这样就可以很好的保留一些人的工作，同时还可以加速工作流程，提高效率。金融行业和财务、税务行业很多都是类似应用场景。

3，工单流转、客服、CRM等衔接工作，大量需要通过人工、问答机器人、报表上来的业务数据，都需要与下一个部门对接，有些则是并不需要和人工对接，系统就可以自动解决的，那么与其做一个完整的大型系统全部都搞定，还不如把已有的这些系统衔接上，通过RPA。

总之，我的RPA理念是衔接，而不是一个通吃。其他问题请私信交流。