為什麼說IPA智能流程自動化是企業IT的下一波浪潮?

　　提到IPA，可能很多人會立刻想到RPA。RPA，即機器人流程自動化，是企業IT過去兩年最熱門的技術之一。僅在2018年，就有三家公司拿到了總額超過十億美金的風投，包括Anywhere Automation的5.5億美元、UiPath的3.78億美元和BluePrism的1.3億美元。此外，根據最新消息，UiPath計劃在今年年底前再次募集3億至4億美元的融資。

　　RPA的價值在於能簡化流程，以一種更簡單、更易用的方式實現企業流程的自動化，從根本上降低了總體IT成本。所以，很快RPA便取代了業務流程管理(BPM/BPA)，成為企業IT進行現代化變革的新引擎動力。

　　然而，當企業希望把RPA的能力擴展到除了業務層以外的其他領域時，卻發現RPA存在著一定的局限性。所以，IPA智能流程自動化便成為自動化技術領域的新一輪浪潮。

　　其實，IPA和RPA的概念非常相似，都是流程自動化。只不過，IPA覆蓋的範圍更廣，其中加入了人工智慧技術。也因此被很多分析人士認為，IPA會成為企業IT的下一個引領性的技術。

　　具體而言，IPA之所以超越RPA，有五大關鍵點：

　　1、RPA對於非機構化數據缺乏一定的認知能力

　　從流程自動化應用本身來看，RPA非常適合處理不涉及判斷能力的結構化數據，對這些數據的重複性、基於規則的業務流程進行自動化，能準確地告訴它你需要它做什麼。這這方面，RPA可以比人類做得更好、更快、更省錢。

　　但是，如果您的業務流程存在缺陷，那麼RPA只會使該缺陷自動化並加速該缺陷。它不能對信息做出判斷，也不能通過經驗來學習和提高。因此，企業用戶發現RPA對於涉及非結構化數據的工作流是無效的，更聰明的流程自動化工具應該具備一定的認知能力。我們不可能編寫足夠多的規則來實現非結構化數據的流程自動化，而這樣的數據佔據企業數據總量的大概80%以上。

　　2、IPA能處理非結構化和半結構化數據業務

　　IPA在幾個重要方面與RPA有著根本的不同。首先，它可以分析基於文檔的工作流，比如合同分析、審計規劃和報告、RFP分析和組合、銷售機會工作流自動化、客戶支持分析和自動化、評估和索賠分析等。同時，IPA能夠理解文本、圖像、文檔和其他非結構化數據，而這些數據是數據驅動型企業流程自動化的核心內容。

　　3、IPA具有認知和概率分析能力

　　IPA使用了基於機器學習和智能分析的深度算法功能，而不需要企業通過巨大的數據集訓練模型，它可以根據可用的信息和上下文做出準確的判斷。對於大量非結構化數據的業務流程來說，這是一項巨大突破，IPA提供了一個通用的知識庫或「語義引擎」，用戶可以更快、更容易地訓練機器學習模型。

　　4、IPA更具協作特性

　　IPA讓數據科學團隊和業務專業人員之間實現了跨領域協作，讓業務專業人員掌握了關於被自動化業務流程的必要專業知識。尤其是當底層技術非常複雜時，這一點尤其重要。業務用戶需要適當的技術環境來交付必要的輸入，技術人員需要適當的業務環境來驅動實現決策。

　　在IPA實踐中，中小企業也可以使用並參與到測試用例中，了解如何去培養和訓練屬於自己的機器學習模型。

　　5、IPA的行為可追溯

　　在金融服務等監管要求嚴苛的企業，IPA的所有行為都可追蹤。這種可追溯的模式，能讓企業的業務運營更透明，不僅在公式和算法方面更具可視性，也能定義真實環境的標識，使得數據科團隊和業務團隊的配合更默契，讓IPA和業務聯繫更緊密。

　　總結

　　值得一提的是，IPA與RPA之間，不是簡單的取代或競爭關係。相反，二者是互補關係。IPA主要用於處理那些不能使用RPA進行流程自動化的工作流。IPA可以將非結構化內容轉換為結構化數據，以便將其插入到業務流程流中。IPA已經被應用到一些與法律法規遵循、銷售和支持、財務和運營等相關的常見用例中。把IPA與RPA結合來用，可以極大地縮短流程自動化的周期，讓企業IT更具彈性擴展能力，並將有價值的資源部署到更高價值的業務活動中。