【摘要】作為財務智能化發(fā)展的重要利器之一， 流程自動化自出現(xiàn)之日起就受到了相關理論和實踐工作者的普遍關注。經(jīng)過十幾年的快速發(fā)展， 流程自動化正在從RPA演變到IPA， 并朝著超級自動化的方向發(fā)展。本文從相關概念入手， 以在財經(jīng)領域的應用為視角， 回顧流程自動化的發(fā)展歷程， 分析RPA、 IPA、 超級自動化的核心技術(shù)和系統(tǒng)架構(gòu)及其特點， 比較RPA和IPA各項指標的差異， 探索流程自動化發(fā)展中的瓶頸問題和未來的發(fā)展方向， 希望能給流程自動化的進一步系統(tǒng)研發(fā)和應用實踐提供有益的參考。

【關鍵詞】智能財務；流程自動化；RPA；IPA；超級自動化

【中圖分類號】 F275? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2024）09-0033-8

盡管以機器人流程自動化（Robotic Process Automation，RPA）為代表的流程自動化技術(shù)在被提出之初， 被普遍認為是一種復制人類行為的、 缺乏真正智能特征的技術(shù)， 不應劃歸人工智能（AI）技術(shù)的范疇， 但由于其可替代人類強規(guī)則性操作的能力， 被一些智能財務研究人員認為是需要特別探索的基礎技術(shù)之一（劉勤和尚惠紅，2020）。隨著以模式識別、 神經(jīng)網(wǎng)絡、 機器學習、 自然語言處理（NLP）等為代表的AI技術(shù)的迅速發(fā)展， 以RPA+AI為代表的智能組合技術(shù)——智能流程自動化（Intelligent Process Automation，IPA）開始出現(xiàn)并逐步應用于企業(yè)財務的實際場景之中， 部分彌補了相關技術(shù)智能性不足的短板， 從而使流程自動化真正被廣大的智能財務工作者所關注和重視（田高良等，2022）。

當前， 以RPA和IPA為代表的流程自動化技術(shù)越來越受到財務工作者的青睞， 并被認為是加速財務智能化發(fā)展的重要利器之一。然而， 目前無論在企業(yè)實際應用場景中還是在軟件廠商所提供的解決方案中， 對IPA乃至超級自動化（Hyperautomation）的應用都還處在初步的探索之中， 大量的理論問題和應用難點有待研究和解決。本文以流程自動化技術(shù)的討論為起點， 詳細探索智能財務發(fā)展中被大家普遍關心的問題， 期待能給系統(tǒng)研發(fā)和應用實踐工作者一些有益的啟發(fā)。

一、 流程自動化相關概念及發(fā)展背景

1. 流程自動化相關概念。流程自動化是一個內(nèi)涵豐富的現(xiàn)代概念， 涉及很多的學科和應用領域， 下面僅對與其具有強相關性的部分概念進行初步探討。

流程自動化是指利用各種技術(shù)和工具， 對組織中的業(yè)務流程或者工作流程中原本需要人工參與的重復性任務進行自動化處理的過程。這一過程旨在通過計算機軟件、 硬件和人工智能等手段， 替代或輔助人力完成多種日常工作， 從而提高工作效率、 降低出錯率、 節(jié)約成本并提高業(yè)務響應速度。流程自動化又包括RPA、 IPA和超級自動化等相關概念。其中， RPA是一種利用軟件來模擬和執(zhí)行人類在日常業(yè)務流程中進行的重復性、 規(guī)則性和可預測性任務的流程自動化技術(shù)。RPA的核心在于替代人工執(zhí)行那些重復且基于規(guī)則的計算機任務， 這些任務通常包括數(shù)據(jù)輸入、 表格填寫、 文件傳輸、 郵件收發(fā)等內(nèi)容。IPA則是一種將AI、 自動化及其他前沿技術(shù)應用于流程自動化的組合技術(shù)， IPA不僅僅關注于簡單自動化以及模仿人類進行的活動， 它還可以通過學習來持續(xù)改進和優(yōu)化這些活動。IPA是從RPA衍生出的新技術(shù)， 代表了一種更智能的流程自動化技術(shù)。超級自動化是一種廣泛且深入的自動化策略和技術(shù)應用， 旨在超越傳統(tǒng)自動化方法， 通過整合多種先進技術(shù)和工具， 實現(xiàn)更大規(guī)模、 更深層次的流程自動化。超級自動化不僅僅支持單一的自動化任務， 而且覆蓋了從識別可自動化的流程到持續(xù)優(yōu)化流程的整個自動化生命周期中的各個環(huán)節(jié)， 包括流程發(fā)現(xiàn)、 分析、 設計、 自動化實施、 性能度量、 監(jiān)控和定期再評估等內(nèi)容。

2. 流程自動化的發(fā)展背景。流程自動化的發(fā)展背景多元且相互交織， 涉及以下五個方面： 一是在技術(shù)方面， 隨著大智移云物區(qū)等技術(shù)的普及和發(fā)展， 流程自動化的基礎技術(shù)越來越豐富。RPA可以通過模仿用戶操作界面的方式來處理流程， 并通過云計算技術(shù)實現(xiàn)更為廣泛的流程自動化。AI技術(shù)的成熟使IPA得以實現(xiàn)， 通過集成AI算法， 自動化流程可以處理非結(jié)構(gòu)化數(shù)據(jù)， 進行復雜決策， 并根據(jù)過往經(jīng)驗和反饋進行自我學習與優(yōu)化。二是在政策方面， 各國政府和國際組織不斷倡導數(shù)字經(jīng)濟、 企業(yè)數(shù)字化轉(zhuǎn)型、 人工智能技術(shù)的發(fā)展， 紛紛推出相關政策以支持技術(shù)創(chuàng)新和流程自動化， 支持研發(fā)投入、 引導企業(yè)升級信息化設施、 培養(yǎng)數(shù)字化人才等， 并通過系列法律法規(guī)的出臺， 強調(diào)在流程自動化中需注意數(shù)據(jù)安全、 隱私保護和合規(guī)性等問題。三是在應用方面， 流程自動化技術(shù)已逐步滲透到各行各業(yè)， 包括金融、 醫(yī)療、 制造、 零售、 物流、 公共事業(yè)等行業(yè)， 具體涉及財務、 人力資源、 客戶服務、 供應鏈管理、 生產(chǎn)制造等領域的業(yè)務流程。通過自動化處理行政、 財務、 IT支持等后臺流程， 組織大幅度提升了工作效率， 減少了人力成本， 使得員工可以從事更具創(chuàng)造性的工作。四是在生態(tài)方面， 市場上陸續(xù)涌現(xiàn)出一批專門提供流程自動化解決方案的軟件服務商與平臺， 如UiPath、 Automation Anywhere、 Blue Prism、 來也科技、 藝賽旗、 達觀數(shù)據(jù)等， 它們構(gòu)建起包括軟件開發(fā)工具、 API（Application Programming Interface， 應用程序接口）、 培訓課程、 社區(qū)支持等產(chǎn)品與服務的生態(tài)系統(tǒng)， 并逐步實現(xiàn)了與各類企業(yè)管理軟件及各種AI服務平臺的緊密結(jié)合， 從而形成了一個更為龐大的技術(shù)生態(tài)系統(tǒng)。五是在理論研究方面， 過去的十多年中， 國內(nèi)外專業(yè)廠商和學術(shù)機構(gòu)的專家學者們對流程自動化技術(shù)及其應用展開了深入的探索， 對RPA和財務機器人的實施方法、 應用場景、 工作過程、 行業(yè)影響、 流程優(yōu)化、 局限性等方面進行了詳細的研究（楊寅等，2021；劉勤和陸詩婷，2022；田高良等，2022）， 為流程自動化的應用實踐提供了理論依據(jù)。

此外， 筆者從流程自動化有關概念的提出過程中也進一步發(fā)現(xiàn)上述因素的影響。RPA的概念由英國流程自動化廠商Blue Prism的市場總監(jiān)Pat Geary于2012年首次提出， 由于其理念新穎、 用詞巧妙， 很快被市場認可， 并被其他相關軟件公司所采納（王言，2020）。如果從技術(shù)視角看， 還可追溯到20世紀90年代， 當時很多企業(yè)采用桌面自動化軟件來幫助員工完成重復性工作任務， 這些桌面自動化技術(shù)成了后來的RPA技術(shù)發(fā)展的雛形。IPA的概念最早由麥肯錫于2017年提出， 麥肯錫（2017）認為IPA的本質(zhì)是“將人的機器屬性剝離”， 是結(jié)合了基礎流程再設計、 機器人流程自動化、 機器學習等一系列相關技術(shù)的新技術(shù)。IPA又被認為是一套增強型的工具集， 通過移除重復的、 可復制的、 規(guī)律性任務來幫助員工通過簡化交互和加速流程從根本上提高管理體驗。 超級自動化的概念則由Gartner公司于2019年首次提出， 其初衷是應對管理自動化方面所面臨的眾多挑戰(zhàn)， 通過整合不同類型的自動化工具和先進技術(shù)（包括但不限于RPA、 低代碼開發(fā)平臺、 人工智能、 智能業(yè)務流程管理等）， 實現(xiàn)更全面、 更深層次的工作流程和服務的自動化（Gartner，2019）。

二、 RPA的發(fā)展以及IPA與超級自動化的興起

流程自動化的發(fā)展歷程總體可被劃分為三個階段， 即RPA階段、 IPA階段和超級自動化階段（見圖1）。由于超級自動化階段目前尚存在一定的爭議， 因此圖中用虛線標注以示不同。這三個階段具有各自鮮明的特點， 每一個階段都是在上一個階段基礎上的升級迭代， 同時也是自動化程度、 系統(tǒng)集成程度和智能化程度提高的過程。

1. RPA的發(fā)展及應用普及。RPA從面世到成熟應用經(jīng)歷了四個發(fā)展階段（見圖2）。早期的RPA系統(tǒng)主要被部署在桌面， 用于完成一些表格制作這樣簡單的輔助性工作； 計算機網(wǎng)絡普及之后， RPA開始被部署在服務器中， 被作為組織中的虛擬勞動力， 用于完成一些較為復雜、 無人值守的非輔助性工作； 云計算技術(shù)出現(xiàn)以后， RPA又被部署在云上， 用于完成復雜的、 包含有情感處理和高級分析能力的工作。直到最近， 由于AI的發(fā)展， RPA又開始結(jié)合AI技術(shù)嘗試更為復雜的非結(jié)構(gòu)化數(shù)據(jù)的處理工作， 這一階段當前又被認為是IPA的發(fā)展階段。

在市場規(guī)模方面， 根據(jù)前瞻產(chǎn)業(yè)研究院于2023年發(fā)布的《中國RPA（機器人流程自動化）行業(yè)市場前瞻與投資戰(zhàn)略規(guī)劃分析報告》中提供的信息， 我國2022年RPA的市場規(guī)模已達35.3億元， 預計2028年或?qū)⒊^300億元， 可見近幾年是RPA市場獲得持續(xù)增長的高速發(fā)展時期。

盡管RPA的優(yōu)勢顯著， 應用普及速度驚人， 但隨著應用的不斷深入， RPA技術(shù)的不足也越來越凸顯， 市場在呼喚更先進的技術(shù)來破解不斷出現(xiàn)的瓶頸問題。

2. RPA技術(shù)的局限性。盡管RPA可以有效解決具備“流程化、 規(guī)則明確、 重復瑣碎”等特性的問題， 并降低業(yè)務操作的錯誤率， 同時其使用范圍也正在跨行業(yè)、 跨地域、 規(guī)?；財U展， 但相對于更智能的流程自動化需求，RPA存在諸多發(fā)展瓶頸或技術(shù)的局限性。

（1） RPA技術(shù)主要適合結(jié)構(gòu)化數(shù)據(jù)和具有明確規(guī)則的流程處理， 對于非結(jié)構(gòu)化數(shù)據(jù)， 如自由格式文本、 圖像、 語音、 手寫文檔等信息處理的能力有限。如在財務領域， 傳統(tǒng)的RPA系統(tǒng)通常只能處理結(jié)構(gòu)化發(fā)票數(shù)據(jù)， 如果收到的是手寫或復雜格式的發(fā)票， 可能需要人工介入轉(zhuǎn)錄和處理。

（2） RPA遵循預設的規(guī)則和邏輯， 無法應對復雜決策和異常情況。如在財務領域， RPA通常按照預設規(guī)則處理對賬、 報銷流程， 而對于特殊情況， 如復雜的費用分攤規(guī)則或非標準合同條款， RPA可能無法做出恰當判斷。

（3） RPA遇到業(yè)務流程變更時， 往往需要重新配置和調(diào)試， 如當菜單位置、 字段名稱發(fā)生變化時， RPA可能因找不到預期的用戶界面元素而失效。特別是在復雜流程的自動化場景中， 如國家稅收政策變更導致計算方法改變時， RPA可能需要人工進行重新配置。

（4） RPA適用于簡單、 重復、 規(guī)律性強的流程， 對于涉及多重判斷、 多步驟邏輯推導或需要考慮多種復雜條件的流程則無法處理。如由于邏輯的復雜性， RPA難以自行預測未來的現(xiàn)金流或評估潛在的財務風險等。

（5） RPA對未預見的外部因素反應不足。當遇到用戶界面更改、 系統(tǒng)升級等， 尤其是應對不斷升級的系統(tǒng)登錄驗證手段， 如難以識別的字符驗證碼、 短信驗證碼、 移動應用驗證碼、 指紋和虹膜識別時， 傳統(tǒng)RPA的操作可能會失敗。

（6） RPA在處理需要高級人類語言理解和情感識別能力的任務時存在局限性。如在接受財務咨詢中， 當遇到客戶來電表達強烈不滿或投訴時， 雖然能按照預設的腳本回答問題， 卻無法理解客戶的憤怒、 焦慮或滿意程度， 也無法實時做出情感反饋和決策。

上述RPA的局限性會帶來流程適應性受限、 復雜決策能力缺失、 系統(tǒng)兼容性和穩(wěn)定性降低、 系統(tǒng)維護成本加大、 可擴展性和靈活性受限等諸多問題， 因此， 在設計流程自動化方案時應謹慎評估RPA技術(shù)的適用性， 并充分考慮與其他先進技術(shù)結(jié)合的可能性。

3. IPA的應用與發(fā)展。將RPA和AI進行有機整合可以部分彌補上述RPA短板。IPA可通過與AI技術(shù)的整合， 通過學習模式和處理邏輯的自我改進， 在執(zhí)行任務時避免常見錯誤， 從而降低流程自動化的成本。例如：針對非結(jié)構(gòu)化數(shù)據(jù)處理的問題， IPA能夠通過OCR（光學字符識別）技術(shù)和AI算法， 識別和處理各種格式和質(zhì)量的發(fā)票， 包括手寫發(fā)票和非標準格式的電子文檔， 直接提取所需數(shù)據(jù)并進行驗證。針對智能決策與復雜邏輯處理的問題， IPA能夠基于機器學習對復雜費用進行智能分配， 根據(jù)合同條款進行深度解析和靈活處理， 以及根據(jù)實際情況調(diào)整報銷策略等。針對自我學習與優(yōu)化的需求， IPA能通過機器學習模型學習新的規(guī)則和計算方式， 并自動調(diào)整處理邏輯， 實現(xiàn)流程的無縫切換。針對環(huán)境變化帶來的問題， 如財務系統(tǒng)的用戶界面發(fā)生改變， IPA能夠通過視覺識別技術(shù)重新定位用戶界面的元素， 并基于之前的學習經(jīng)驗快速適應系統(tǒng)界面的變化。針對高級圖像和視覺識別的問題， IPA能利用圖像識別技術(shù)自動提取紙質(zhì)財務憑證的關鍵信息， 如憑證編號、 金額、 日期等， 大大縮短憑證的錄入和處理時間。針對預測分析與風險評估等復雜場景， IPA可以通過分析歷史數(shù)據(jù)， 結(jié)合市場動態(tài)、 宏觀經(jīng)濟指標等信息， 進行財務預測和風險評估， 為管理層提供決策支持。

經(jīng)過幾年的發(fā)展， 目前國外出現(xiàn)了一些能提供IPA解決方案的供應商， 如： UiPath、 Automation Anywhere在其平臺上集成了人工智能和機器學習的功能， 推出了IPA解決方案； Blue Prism在RPA的基礎上擴展了IPA功能， 包括智能決策、 智能文檔處理等； IBM借助于其Watson的認知計算能力， 將其RPA產(chǎn)品升級為IPA解決方案， 從而支持更智能的自動化。國產(chǎn)RPA廠商， 如實在智能、 來也科技、 藝賽旗、 云擴科技等， 也紛紛在RPA產(chǎn)品中通過內(nèi)嵌AI模塊支持智能決策、 智能路由、 自動學習和優(yōu)化等， 從而實現(xiàn)IPA功能。

4. 超級自動化的提出。超級自動化技術(shù)是在流程自動化技術(shù)成熟度不斷提升、 數(shù)字化轉(zhuǎn)型需求不斷加強、 企業(yè)勞動力優(yōu)化不斷加速、 復雜業(yè)務場景挑戰(zhàn)不斷加劇的背景下被提出的。超級自動化可幫助企業(yè)在單一的任務自動化基礎上， 擴展至整個業(yè)務流程生命周期的各個環(huán)節(jié)， 包括設計、 實施、 監(jiān)測、 優(yōu)化以及持續(xù)改進等階段， 從而促進企業(yè)生產(chǎn)力的大幅提升和業(yè)務模式的創(chuàng)新改革。此外， 超級自動化還強調(diào)人機協(xié)同共生模式的發(fā)展， 即在自動化過程中結(jié)合人類的專業(yè)判斷與機器的智能處理， 共同驅(qū)動企業(yè)的高效運作和持續(xù)優(yōu)化。

超級自動化技術(shù)自2019年被首次提出之后， 在短短的幾年內(nèi)取得了顯著的發(fā)展。超級自動化市場已經(jīng)展現(xiàn)出明顯的增長態(tài)勢， 企業(yè)對其的認可度和采納率不斷提升。國內(nèi)和國際廠商都在積極布局， 將超級自動化技術(shù)融入自身的業(yè)務形態(tài)和服務中， 引發(fā)了從任務自動化到流程自動化再到跨應用自動化， 乃至重塑企業(yè)業(yè)務運營模式的深層次變革。

目前， 超級自動化呈現(xiàn)以下五大發(fā)展趨勢：一是企業(yè)正在從局部自動化向全鏈路、 全流程自動化推進； 二是AI和機器學習技術(shù)的應用更加深入， 使得自動化系統(tǒng)具有更強的學習能力和決策支持功能； 三是低代碼和無代碼平臺可助力非IT專業(yè)人員參與到自動化流程的設計和優(yōu)化中； 四是超級自動化平臺愈發(fā)成熟， 為企業(yè)提供了完整的自動化解決方案， 實現(xiàn)了從發(fā)現(xiàn)、 設計、 自動化、 監(jiān)控到持續(xù)改進的閉環(huán)管理； 五是在跨部門協(xié)作和企業(yè)級戰(zhàn)略層面， 超級自動化成為連接業(yè)務流程、 信息技術(shù)和人力資源的關鍵紐帶。

三、 流程自動化核心技術(shù)及系統(tǒng)架構(gòu)的變化

1. RPA的核心技術(shù)與系統(tǒng)架構(gòu)。與傳統(tǒng)RPA相關的核心技術(shù)主要包括三個方面：與自動化相關的核心基礎技術(shù)、 與數(shù)據(jù)獲取相關的技術(shù)以及用于決策判斷的相關技術(shù)（王言，2020）。與自動化相關的核心基礎技術(shù)包括抓屏技術(shù)、 模擬鼠標和鍵盤的技術(shù)、 電子郵件自動化技術(shù)、 與Windows和Office軟件集成的接口技術(shù)， 以及用來控制和管理文檔在不同系統(tǒng)中自動傳遞的工作流技術(shù)等。與數(shù)據(jù)獲取相關的技術(shù)包括傳感器數(shù)據(jù)采集技術(shù)、 網(wǎng)絡爬蟲技術(shù)、 數(shù)據(jù)庫查詢技術(shù)、 OCR技術(shù)和NLP技術(shù)等。用于決策判斷的相關技術(shù)包括各種業(yè)務規(guī)則引擎、 知識庫系統(tǒng)、 基于數(shù)據(jù)決策的相關技術(shù)等。

關于RPA系統(tǒng)的架構(gòu)， 基于自身的特點以及對RPA認識的差異， 不同的廠商提供的系統(tǒng)架構(gòu)和相關組件通常會有所不同。盡管如此， 廠商一般都會提供自動化軟件在開發(fā)、 集成、 部署、 運行和維護過程中所需要的工具。最常見的RPA系統(tǒng)架構(gòu)通常包括三個主要的組成部分：編輯器、 運行器和控制器（見圖3）。

圖3中， RPA編輯器指用于機器人腳本設計、 開發(fā)、 調(diào)試和部署的配套開發(fā)工具。RPA編輯器通常會提供可視化的控件拖拽和編輯的功能、 自動化腳本的錄制功能、 自動化腳本的分層設計功能、 工作流編輯器功能、 機器人遠程配置功能和接口集成能力等。RPA運行器指完成自動化執(zhí)行操作的機器人。RPA運行器使用上述介紹的鼠標鍵盤事件模擬技術(shù)、 屏幕抓取技術(shù)和工作流技術(shù)來模擬人類的操作， 以完成復雜的業(yè)務流程操作活動。RPA控制器指面向機器人全生命周期的管理程序， 是提供給運行維護人員用于監(jiān)控、 維護和管理機器人運行狀態(tài)的配套工具。RPA控制器提供集中式的控制中心， 對多機器人運行狀態(tài)進行監(jiān)控， 并提供遠程維護和技術(shù)支持?？刂破骶邆浒踩芾砉δ芎涂刂乒δ堋?自動化分配任務的功能、 隊列管理功能和失敗恢復功能等。

一些供應商還進一步將RPA系統(tǒng)劃分為用戶界面層、 開發(fā)與設計層、 自動化執(zhí)行層、 任務調(diào)度與管理層、 數(shù)據(jù)集成與處理層、 底層技術(shù)支撐與基礎架構(gòu)層和安全與合規(guī)部件層等更細的層面， 但核心仍是上述三個部件。

2. IPA的核心技術(shù)與系統(tǒng)架構(gòu)。IPA在傳統(tǒng)RPA的基礎上進一步融合了AI和其他先進技術(shù)， 以增強自動化解決方案的能力。在傳統(tǒng)的RPA核心技術(shù)的基礎上， IPA主要增加了機器學習與深度學習、 NLP、 OCR、 智能工作流、 規(guī)則引擎、 數(shù)據(jù)分析與洞察等技術(shù)。機器學習包括監(jiān)督學習、 無監(jiān)督學習和強化學習等多種方法， 幫助IPA系統(tǒng)從歷史數(shù)據(jù)中發(fā)現(xiàn)規(guī)律、 做出預測或者進行決策， 提高了流程自動化中的認知能力和適應性。深度學習則是機器學習的一個分支， 特別適用于處理復雜和非線性的問題， 常用于圖像識別、 語音識別和自然語言理解等， 增強了IPA系統(tǒng)的智能化程度。NLP用于理解、 解釋和生成人類語言， 使IPA系統(tǒng)能處理文本、 語音等形式的信息， 常應用于客戶服務、 文檔分析、 合規(guī)審查等。OCR用于識別圖像和將圖像中的手寫或打印文本轉(zhuǎn)換為可編輯的電子文本， 對于紙質(zhì)文檔或掃描件的自動化處理至關重要。智能工作流結(jié)合自動化流程和人工介入， 確保端到端的業(yè)務流程更加順暢和靈活， 能夠自動觸發(fā)下一步行動， 同時支持人機協(xié)作和決策節(jié)點。規(guī)則引擎允許業(yè)務專家無需編碼就能定義和修改業(yè)務規(guī)則， 為IPA系統(tǒng)提供了靈活的決策支持。數(shù)據(jù)分析與洞察對大量數(shù)據(jù)進行分析， 提取有價值的信息， 驅(qū)動流程優(yōu)化和決策制定。

IPA的系統(tǒng)架構(gòu)通常由多個組件組成， 這些組件相互配合以實現(xiàn)流程的智能自動化。圖4是一種典型的IPA系統(tǒng)架構(gòu)。圖4中， 用戶界面模塊提供與IPA系統(tǒng)進行交互的功能， 包括創(chuàng)建、 編輯和監(jiān)控自動化流程， 以及查看自動化任務執(zhí)行的結(jié)果和報告。流程設計與建模模塊BPMN提供流程建模工具和設計器， 允許業(yè)務分析師與開發(fā)者設計和描述業(yè)務流程， 包括自動化任務的邏輯、 規(guī)則和流程圖等。流程執(zhí)行引擎模塊是IPA的核心執(zhí)行部件， 負責執(zhí)行已經(jīng)設計好的自動化流程， 管理流程實例、 調(diào)度任務、 處理異常以及執(zhí)行任務的并發(fā)和同步。自動化組件模塊包含各種自動化工具和插件， 如RPA工具、 API集成工具、 OCR和NLP工具， 用于處理非結(jié)構(gòu)化數(shù)據(jù)。智能決策模塊集成了機器學習、 規(guī)則引擎、 預測分析和其他AI技術(shù)， 用于復雜決策、 異常處理、 預測分析和優(yōu)化等任務。數(shù)據(jù)處理與集成模塊具有數(shù)據(jù)抓取、 清洗、 轉(zhuǎn)換和整合功能， 包含了與企業(yè)內(nèi)部或外部系統(tǒng)進行數(shù)據(jù)交換的API、 ETL工具和數(shù)據(jù)倉庫等。安全與合規(guī)管理模塊用于保障整個IPA系統(tǒng)在執(zhí)行過程中遵循相關的法規(guī)要求， 并確保數(shù)據(jù)的安全性， 包括身份認證、 權(quán)限管理、 加密和審計等功能。云平臺與基礎設施涵蓋了基礎設施、 容器化技術(shù)、 負載均衡、 高可用性及彈性伸縮等服務。

通過以上多層次的架構(gòu)設計， IPA能夠?qū)⒉煌淖詣踊ぞ吆图夹g(shù)無縫集成在一起， 實現(xiàn)端到端的智能流程自動化， 并支持業(yè)務流程的持續(xù)改進和優(yōu)化。

3.? RPA和IPA相關指標的對比。對比RPA和IPA的關鍵指標， 可以幫助我們根據(jù)流程管理的實際需求正確地選擇RPA或IPA解決方案。在系統(tǒng)架構(gòu)方面， RPA與IPA的異同點見表1。盡管RPA和IPA系統(tǒng)架構(gòu)在很多方面存在相似之處， 但在處理復雜性、 智能化程度和自我學習能力等方面， IPA系統(tǒng)架構(gòu)具有更高級別的擴展和深化。RPA和IPA在非系統(tǒng)架構(gòu)方面的差異見表2。了解兩者的差異后， 就可以根據(jù)任務復雜性和投資回報等方面的需求來選擇合適的解決方案了。

4. 超級自動化可能的系統(tǒng)架構(gòu)。超級自動化的系統(tǒng)架構(gòu)是指為了實現(xiàn)高度集成和智能化的企業(yè)級自動化解決方案所設計的一系列相互協(xié)作的技術(shù)和組件的總體框架。有關超級自動化的系統(tǒng)架構(gòu)可能存在不同的觀點， 因為它涵蓋了多種自動化工具和技術(shù)（如RPA、 AI、 ML、 低代碼/無代碼開發(fā)平臺、 API集成、 流程挖掘、 智能決策等）， 以及一套全面的方法論和最佳實踐。超級自動化的系統(tǒng)架構(gòu)可能包括如圖5所示的核心組成部分。

在圖5的架構(gòu)中， 中央管控平臺作為核心， 連接和管理所有的自動化工具和服務。自動化工具集涵蓋了RPA工具、 AI/ML模塊， 以及API集成工具， 用來完成不同層面的自動化任務。流程挖掘工具用于識別和改進現(xiàn)有流程， 低代碼平臺支持快速構(gòu)建自動化流程， 智能決策引擎用于自動化決策， 數(shù)據(jù)集成平臺負責數(shù)據(jù)交換和管理。系統(tǒng)中還包含必要的安全與審計系統(tǒng)， 以及對自動化流程運行狀況進行實時監(jiān)控與分析的模塊， 以支持不斷優(yōu)化和迭代整個超級自動化系統(tǒng)。

四、 RPA、 IPA和超級自動化在財務領域的應用場景

1. RPA的應用場景。RPA在財務領域的應用極其廣泛， 也十分成熟， 如：賬務處理中的賬單錄入、 賬單審核、 結(jié)算與支付、 報表生成等； 稅務處理中的稅務登記、 納稅申報、 發(fā)票開具、 驗證、 抵扣、 歸檔等； 采購到付款流程中的采購訂單創(chuàng)建、 審批、 發(fā)票接收、 發(fā)票驗證到付款批準和執(zhí)行等； 訂單到收款流程中的訂單處理、 發(fā)票開具、 收入確認、 客戶回款跟蹤與到賬確認等一系列活動； 總賬到報表流程中的自動處理憑證生成、 過賬、 試算平衡、 財務報表生成等。費用報銷中的接收、 分類、 審核報銷單據(jù)， 核實發(fā)票真?zhèn)危?執(zhí)行預算控制和報銷標準審核等。

RPA應用涉及的行業(yè)也非常多（見表3）。有關RPA應用場景的介紹文獻很多， 這里不再贅述。

2. IPA的應用場景。IPA在財務領域的應用是在RPA應用的基礎上進一步融合了人工智能和機器學習等先進技術(shù)的應用， 其應用場景很多， 以下是一些典型的例子。一是在應收賬款管理方面， IPA系統(tǒng)通過集成CRM和ERP系統(tǒng)數(shù)據(jù)， 結(jié)合客戶信用評級、 歷史支付記錄、 行業(yè)趨勢和宏觀經(jīng)濟指標， 預測應收賬款回收的可能性和時間。當存在逾期付款的情況時， 系統(tǒng)可自動發(fā)送催款通知， 并根據(jù)預測結(jié)果調(diào)整壞賬準備金， 減少財務報表的不確定性。二是在自動化現(xiàn)金流預測方面， IPA可整合多個財務數(shù)據(jù)源， 比如銀行流水、 銷售訂單、 采購合同等， 應用時間序列分析或其他預測模型， 預測未來的現(xiàn)金流情況。面對市場變動、 季節(jié)性影響等不確定性因素， IPA能快速重新計算預期現(xiàn)金流入和流出， 幫助決策者提前做好資金安排和流動性管理。三是在智能成本核算方面， 在生產(chǎn)成本估算中原材料價格波動、 匯率變動等因素會導致成本不確定。IPA可通過實時抓取市場價格數(shù)據(jù)、 運用復雜事件處理技術(shù)跟蹤物料成本變化， 自動更新產(chǎn)品成本計算， 使管理層能迅速反應， 調(diào)整定價策略或?qū)ふ姨娲獊碓?。四是在合?guī)監(jiān)控和報告自動化方面， 面對不斷變化的會計準則和法規(guī)要求， IPA系統(tǒng)能持續(xù)追蹤監(jiān)管更新， 通過NLP技術(shù)解析法律文本， 并將新規(guī)定應用于現(xiàn)有會計實務。例如， 對于稅收政策的調(diào)整， IPA可自動調(diào)整稅務計算模塊， 確保企業(yè)在申報過程中符合最新規(guī)定， 降低因不合規(guī)所帶來的財務風險。五是在動態(tài)預算調(diào)整方面， 在預算編制階段， IPA可模擬不同業(yè)務場景下的財務表現(xiàn)， 如銷售額增長放緩、 成本上升等情況， 通過假設分析和敏感度測試， 幫助企業(yè)制定彈性預算方案。在執(zhí)行過程中， 一旦實際業(yè)績偏離預算目標， IPA就可實時預警并建議調(diào)整預算分配， 實現(xiàn)資源優(yōu)化配置。

還有一些IPA在應對系統(tǒng)登錄驗證碼變化時的典型解決方案， 都是利用智能技術(shù)實現(xiàn)的。一是利用OCR技術(shù)的解決方案。若驗證碼基于文本， 則IPA程序可通過集成OCR技術(shù)識別并提取驗證碼圖像中的字符。當驗證碼刷新時， OCR模塊會自動捕捉新的驗證碼圖像并進行識別。二是利用圖像識別與機器學習技術(shù)的解決方案。對于復雜或扭曲變形的驗證碼， IPA能利用深度學習和神經(jīng)網(wǎng)絡進行圖像識別， 通過訓練模型提高識別準確率。若驗證碼圖案經(jīng)常變化， 模型需具備一定的泛化能力以適應新出現(xiàn)的樣式。三是利用動態(tài)交互技術(shù)的解決方案。IPA程序可模擬人的行為， 通過自動化腳本觸發(fā)驗證碼的刷新， 實時捕獲新的驗證碼圖像并進行識別。當識別成功后， 自動填入對應的驗證信息并提交登錄請求。四是利用API集成技術(shù)的解決方案。若系統(tǒng)開放了驗證碼的API接口， 則IPA可直接調(diào)用接口來獲取驗證碼并驗證， 從而避免圖形驗證碼識別難題， 實現(xiàn)更穩(wěn)定高效的自動化登錄。五是利用行為分析和處理技術(shù)的解決方案。在特別情況下， IPA程序能通過分析和模擬人類行為模式（如點擊、 滑動等操作）應對動態(tài)驗證碼（如滑塊驗證碼）， 但這需要很精細的行為模擬和復雜的技術(shù)才能實現(xiàn)。

值得注意的是， 利用IPA應對驗證碼的目的并非鼓勵用機器人破解安全防護， 而是為了在合法和授權(quán)的自動化流程中應對驗證碼帶來的技術(shù)挑戰(zhàn)。在實際應用中， 開發(fā)人員應尊重并遵守系統(tǒng)安全策略， 合理合法地使用相關技術(shù)。隨著安全技術(shù)的發(fā)展， 越來越多的系統(tǒng)開始采用更復雜的驗證機制， 如雙因素認證、 生物特征識別等， 以防止惡意自動化攻擊。在這種情況下， IPA需要與系統(tǒng)安全策略保持一致， 而不是試圖強制突破安全防線。

3. RPA和IPA在財會領域中部分應用場景比較。表4對RPA和IPA在財會領域中的應用場景進行了大致比較， 主要涉及發(fā)票處理、 報銷流程、 財務報表編制、 銀行對賬、 采購到付款（P2P）、 銷售到收款（O2C）、 稅務管理、 合規(guī)監(jiān)控、 內(nèi)部審計和決策支持等， 為企業(yè)在上線流程自動化產(chǎn)品時選擇合適的系統(tǒng)解決方案提供了一定參考。

4. 超級自動化的應用場景。 當前超級自動化的成熟應用場景并不多， 但其應用的獨特性比較明顯， 主要體現(xiàn)在其對多種自動化技術(shù)的高度集成和協(xié)調(diào)使用方面。

（1） 智能決策中心場景。通過構(gòu)建一體化的決策支持平臺， 整合RPA、 AI、 機器學習和大數(shù)據(jù)分析， 實現(xiàn)對大量實時業(yè)務數(shù)據(jù)的自動分析、 智能預測和決策建議輸出。如在金融市場中， 超級自動化可用于構(gòu)建智能交易平臺， 根據(jù)市場波動、 經(jīng)濟指標和投資者偏好實時調(diào)整投資策略。

（2） 全鏈路自動化治理場景。將原本分散的業(yè)務流程進行全面梳理和連接， 通過流程挖掘技術(shù)揭示隱藏在流程背后的效率瓶頸和改進空間， 然后運用RPA、 IPA以及復雜事件處理等技術(shù)進行端到端的流程自動化改造。例如， 在大型項目管理中， 從立項審批、 資源配置、 進度監(jiān)控到成果交付的全生命周期自動化管理。

（3） 動態(tài)自適應業(yè)務流程場景。創(chuàng)建能夠根據(jù)業(yè)務環(huán)境變化自適應調(diào)整的智能流程。當業(yè)務規(guī)則發(fā)生變化或出現(xiàn)未知情況時， 超級自動化能夠通過機器學習模型學習新的模式并即時調(diào)整自動化流程。比如， 在供應鏈管理中， 可根據(jù)實時市場需求、 供應情況和突發(fā)事件等因素， 動態(tài)優(yōu)化生產(chǎn)計劃和物流路線。

（4） 跨系統(tǒng)集成與協(xié)同自動化場景。通過APIs、 中間件和微服務架構(gòu)等技術(shù)實現(xiàn)不同業(yè)務系統(tǒng)的無縫協(xié)作和數(shù)據(jù)共享， 進而實現(xiàn)跨系統(tǒng)的復雜流程自動化， 以解決企業(yè)內(nèi)部多系統(tǒng)集成難題。如在ERP和其他業(yè)務系統(tǒng)之間， 超級自動化可建立自動化數(shù)據(jù)傳遞和業(yè)務聯(lián)動機制。

（5） 自治型業(yè)務流程場景。設計并運行能獨立思考、 決策并執(zhí)行任務的自治型業(yè)務流程。這在一些高復雜度和高定制化的場景中特別重要， 如智能工廠的柔性生產(chǎn)線調(diào)整、 零售行業(yè)的個性化營銷自動化策略制定等。

（6） 高級自動化風險防控場景。在網(wǎng)絡安全、 合規(guī)監(jiān)管等領域， 超級自動化不僅能夠自動化執(zhí)行風險檢測任務， 還能通過AI分析預測潛在風險， 主動采取措施預防和應對危機。例如， 實時監(jiān)控網(wǎng)絡流量， 通過機器學習識別異常行為并啟動防御措施。

當前最熱門的超級自動化研究內(nèi)容是智能流程挖掘與優(yōu)化、 低代碼和無代碼自動化平臺、 邊緣技術(shù)與分布式自動化以及人機協(xié)同和混合智能等。

五、 流程自動化未來發(fā)展趨勢

1. 與大模型技術(shù)的結(jié)合。隨著AI技術(shù)的不斷發(fā)展， 未來RPA有望結(jié)合更強大的AI技術(shù)， 如以大模型為代表的通用AI技術(shù)。RPA聯(lián)動AIGC， 兩者相互作用， 組成更先進的IPA技術(shù)， 將進一步提高流程自動化技術(shù)的人機交互能力。同時， RPA機器人的自我學習和自我優(yōu)化能力將得到質(zhì)的提升， 能夠更好地理解和處理非結(jié)構(gòu)化數(shù)據(jù)， 以優(yōu)化更復雜的業(yè)務流程， 滿足多元化的業(yè)務場景需求。在AI大模型等技術(shù)的加持下， RPA將會增強理解與學習能力， 進化成具有更強自主性的智能體， 提升人機交互能力， 延長RPA的生命周期和大大拓展在各行各業(yè)中的使用范圍。但同時大模型等技術(shù)也可能會帶來諸如準確性、 可解釋性、 數(shù)據(jù)質(zhì)量、 團隊能力、 算力成本和數(shù)據(jù)隱私安全等方面的挑戰(zhàn)。

2. 與云計算技術(shù)的結(jié)合。國產(chǎn)流程自動化產(chǎn)品自誕生起似乎與云計算就有不解之緣， 甚至有些還是云原生的產(chǎn)品， 未來還會有越來越多的產(chǎn)品使用基于云的解決方案。借助于云的可擴展性和靈活性， 企業(yè)將能夠更輕松地部署和管理其流程自動化系統(tǒng)。這也將使企業(yè)能夠利用 RPA、 IPA技術(shù)的最新成果， 而無需投資昂貴的內(nèi)部基礎設施。使用基于云的解決方案對企業(yè)有兩方面好處： 一方面， 企業(yè)能夠根據(jù)需要擴大或縮小規(guī)模， 無需額外的硬件或基礎設施， 這使企業(yè)更容易響應業(yè)務需求的變化， 并使企業(yè)的運營更加敏捷； 另一方面， 可降低擁有成本， 通過使用云技術(shù)， 企業(yè)可以免除購買和維護硬件及基礎設施相關的前期成本， 這有助于降低實施 RPA 的總體成本， 使其更容易為中小型企業(yè)所采用。

3. 與流程挖掘和任務挖掘的結(jié)合。RPA在各種AI加持下開始邁向IPA階段， IPA技術(shù)更像是一種技術(shù)的集合， 融合流程挖掘、 任務挖掘、 低代碼、 智能分析等相關編排、 分析和集成方面的技術(shù)（IDC，2022）?？梢?， 流程挖掘和任務挖掘是超級自動化關注的核心內(nèi)容之一。其中， 流程挖掘是一種新型技術(shù)和管理方法， 旨在通過收集和分析企業(yè)業(yè)務流程的相關數(shù)據(jù)， 發(fā)現(xiàn)流程中的瓶頸、 浪費和低效問題， 以優(yōu)化和改進流程。流程挖掘在IPA中扮演著重要角色。它作為智能自動化的重要組成部分， 可幫助企業(yè)發(fā)現(xiàn)流程中的斷點、 難點， 并給出可視化解決方案， 提供實現(xiàn)智能流程自動化的有效工具。任務挖掘可通過跟蹤用戶活動和收集用戶交互信息， 幫助企業(yè)識別出可以自動化的任務， 進而審查運營并減少常見錯誤。任務挖掘為IPA提供了必要的任務信息和數(shù)據(jù)。同時， IPA也為任務挖掘提供實際應用場景和驗證平臺， 通過自動化實踐， 進一步驗證任務挖掘的準確性和有效性。

4. RPA和IPA應用系統(tǒng)的集成。如前所述， 當涉及需要判斷處理的復雜任務時， RPA可能無法做出靈活的決策， IPA恰好彌補了RPA的部分缺陷， 結(jié)合了RPA、 AI、 機器學習和其他技術(shù)， 使流程自動化更加智能和靈活。隨著人工智能、 大數(shù)據(jù)等技術(shù)的不斷發(fā)展， RPA和IPA的融合使用將有利于更好地理解和處理非結(jié)構(gòu)化數(shù)據(jù)， 從而提高自動化的準確性和效率。這種融合將使RPA系統(tǒng)具備更強的自適應能力， 以便在處理異常情況或非標準任務時做出合適的決策。另外， RPA、 IPA與其他系統(tǒng)的集成也將成為流程自動化產(chǎn)品的標配， 并成為衡量流程自動化產(chǎn)品的重要考核指標之一。

5. 風險控制方面將進一步加強。RPA和IPA在為企業(yè)帶來流程自動化和優(yōu)化的同時， 也伴隨著一系列安全控制方面的風險。RPA的主要風險挑戰(zhàn)包括潛在數(shù)據(jù)風險、 機器人源碼篡改風險以及日志記錄與審計跟蹤的不足等。網(wǎng)絡犯罪者可能會試圖濫用RPA機器人的權(quán)限， 未經(jīng)授權(quán)地訪問組織內(nèi)部系統(tǒng)， 竊取或破壞敏感信息。惡意行為者還可能訪問并修改RPA機器人的源代碼， 執(zhí)行未授權(quán)的操作， 甚至竊取機器人的憑證， 實現(xiàn)無限制訪問。此外， 由于日志記錄和審計跟蹤的缺乏， 組織可能難以檢測和應對這些安全事件。IPA也會面臨類似的安全風險， 特別是當IPA涉及更多的人工智能和機器學習技術(shù)時。IPA的非官方來源應用可能存在惡意代碼或篡改的風險， 這可能導致設備被攻擊、 個人信息泄露等問題。同時， IPA在處理復雜任務時， 如果缺乏足夠的安全控制， 也可能導致數(shù)據(jù)泄露或其他安全事件。為了規(guī)避、 消除這些風險， 除了采取常規(guī)的最小權(quán)限原則、 強化身份驗證和訪問控制、 加強日志記錄和監(jiān)控、 使用官方和受信任的來源等措施， 還可重點考慮引入第三方信息系統(tǒng)審計的方式， 確保RPA和IPA系統(tǒng)安全、 可靠、 高效地運行。

6. 以流程自動化為基礎的數(shù)字化勞動力迅速增加。數(shù)字化勞動力是一種通過先進技術(shù)手段實現(xiàn)的虛擬勞動力， 它可以模擬人類員工執(zhí)行各種任務。其本質(zhì)是RPA技術(shù)在融合AI能力之后的一次應用進階， 它的技術(shù)基礎就是AI、 RPA、 數(shù)據(jù)、 機器人等多重技術(shù)。數(shù)字化勞動力能夠深入行業(yè)領域內(nèi)， 協(xié)同組織中的員工共同生產(chǎn)和辦公， 甚至可以替代部分員工的工作。隨著AI技術(shù)的不斷發(fā)展和應用， 未來數(shù)字化勞動力將更加智能化， AI的應用使得數(shù)字化勞動力能夠更準確地理解并執(zhí)行復雜的任務， 甚至在一些領域?qū)崿F(xiàn)自我優(yōu)化和迭代。數(shù)字化勞動力還將逐漸實現(xiàn)個性化服務， 隨著消費者對個性化需求的增加， 數(shù)字化勞動力將更加注重提供定制化的解決方案。通過深度學習和NLP等技術(shù)， 數(shù)字化勞動力將能夠更準確地理解用戶需求， 提供個性化的服務和產(chǎn)品， 從而提高用戶體驗和滿意度。人機協(xié)同也將成為數(shù)字化勞動力發(fā)展的重要方向。

【 主 要 參 考 文 獻 】

劉勤，尚惠紅．智能財務：打造數(shù)字時代財務管理新世界［M］．北京：中國財政經(jīng)濟出版社，2020．

劉勤，陸詩婷．人機協(xié)同模式下財務流程優(yōu)化研究——以K公司費用報銷流程為例［ J］．財會月刊，2022（11）：115 ～ 120．

麥肯錫．數(shù)字經(jīng)濟時代的新一代經(jīng)營模型（The Next-Generation Opera-ting Model Forthe Digital Word）［R］． 2017．

前瞻產(chǎn)業(yè)研究院．中國RPA（機器人流程自動化）行業(yè)市場前瞻與投資戰(zhàn)略規(guī)劃分析報告［R］． 2023．

田高良，陳匡宇，周汀瀅．智能流程自動化（IPA）技術(shù)解讀及其應用［ J］．財務與會計，2022（10）：28 ～ 32．

王言．RPA：流程自動化引領數(shù)字勞動力革命［M］．北京：機械工業(yè)出版社，2020．

楊寅，劉勤，張丹楓等．云南煙草商業(yè)基于RPA技術(shù)的財務機器人應用［ J］．財務與會計，2021（7）：74 ～ 76．

Gartner. Gartner 2020年十大戰(zhàn)略性技術(shù)趨勢報告 （Gartner Top 10 Strategic Technology Trends 2020）［R］． 2019．

IDC. Intelligent Process Automation in Deutschland 2022［R］． 2022．