实在智能AI+RPA技术——超自动化如何为银行业创造价值

“银行发展历程也是银行和银行服务脱实体化的过程，开放银行是银行4.0的起点”。因此，在内有开放银行驱动，外有新金融业态的竞争的压力下，银行业自身数字化变革必须加速和高效。在这一变革旅途上，将RPA和人工智能技术融入到商业实践中的银行，可以摆脱遗留系统的禁锢，快速获益。

RPA的出现，给这一变革旅途带来了明媚的阳光。以往银行业苦于遗留系统（LegacySystem）的拖累，无法快速应用当下的人工智能新技术。而现在，将RPA和人工智能技术融入到商业实践中的银行，可以从促销，欺诈识别，客户价值评估，应收账款智能对账，市场预测，客户分类等方面获益。

1 什么是超自动化

RPA与AI相结合诞生了超自动化（HyperAutomation），这一名词也连续两年入选了Gartner发布的年度技术趋势。

超自动化将几种流程自动化工具和技术相结合，增强能力，为更多工作实现自动化。它以RPA为核心，添加AI、流程挖掘、分析和其他高级工具，全面扩展自动化组合能力。借助超自动化，组织可以为越来越多的知识型工作实现自动化，让每个人都能有机会参与全面数字化转型。

在银行工作中，除了流程性工作外，还存在大量的知识型工作需要员工进行决策。比如：对客户授信的政策如何制定、某产品的费率该如何设计、应该给某个客户推荐哪种产品、构建怎样的资产组合才能对冲现有头寸面临的风险或者实现既定的收益、股票期货采用怎样的策略能实现最大收益、当前各项指标是否满足监管要求及如何调整、该使用怎样的营销手段能够实现最大利润，等等。

通常，这些决策面临着大量的非结构化数据且来源于多种系统的痛点，需要依赖超自动化才将全流程打通。借助人工智能技术如机器学习（ML）、自然语言处理（NLP）、计算机视觉（CV），超级自动化大大扩展了范围，促进自动化的连续性，使组织能实现更复杂的端到端流程的自动化，并将预测性建模和洞察力融入这些流程中，帮助人们从“流程自动化”走向“决策/知识型工作自动化”。

在用户体验视角下的超自动化的组成部分。首先，用户可以通过网站门户、聊天机器人、语音助手、手机App、低代码平台等多种媒介接入超级自动化；其次，超自动化可以帮助客户完成各类知识型工作，通过任务案例管理、智能业务流程管理(iBPMS）、半自动机器人等工具调动机器学习、决策模型、聊天机器人、语音助手、数据科学平台、智能工作流等AI工具；最终，用户要将知识型工作成功落地，此时需要应用全自动机器人帮助用户在业务规则引擎、难以应用API的企业应用例如ERP、CRM、遗留系统中完成工作。

2 案例展望

下面以银行对公贷后业务为例进行展望，描述一个我心目中的超自动化解决方案。客户经理需要定期从已贷款企业拿取纸质财报，然后录入到指定系统中。我们当前的RPA已经实现：客户经理扫描纸质财报，RPA读取扫描件，使用AI技术识别内容并填入指定系统。

但其实，这是工作的其中一环，客户经理还需要对企业经营状况和新业务机会做出判断，判断时他需要获取的信息有：订单变动、行业周期、雇员人数变动、纳税变动、水表电表气表变动、担保变动、外部评价、还款情况、库存变动等等。

我们可以畅想，超自动化可以通过各种方式（例如RPA、API、IoT）获取上述的结构化、非结构化的信息，并通过AI转化成标准化的数据，并通过调用合适的机器学习算法构造的模型进行计算，给客户经理一个可靠的决策结论。此外，从财务报表的科目变动中，也有发现客户有与本行进行新业务合作的可能。最后，如果需要书面报告的话，还可以通过自然语言生成（NLG）的技术生成报告。这一切由有人监督的半自动机器人完成，当客户经理检查完毕没有问题，全自动机器人可以开始在各关联系统中进行归档的工作。

以上就是可预见的未来的超自动化带来的情景，超自动化是对RPA的超越，它可以带来更多的益处：

灵活性。由于超自动化依赖于多种自动化技术，组织可以超越单一数字技术的有限效益。这有助于组织实现业务的规模化和灵活性。

整合。通过超自动化，组织可以在其流程和传统系统中整合数字技术。利益相关者可以更好地访问数据，并在整个组织内进行无缝沟通。

提高投资回报率。超自动化提高了收入，降低了成本。通过强大的分析工具和能力，组织可以优化资源部署。

AI+RPA的快速发展与应用，有效解决了传统金融服务中信息不对等问题，为金融风险防控向更加精准化、自动化、智能化方向发展提供了动力源泉，为银行智慧金融的发展和进一步数字化插上翅膀。