本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
小A，HR一枚。
作为一个典型基层HR，他每天很大一部分工作，是在处理文档手续：
办入职、离职、休假申请、五险一金，扫描各类文件，在系统里录入员工信息，发邮件给各个部门……
忙碌且枯燥的工作，日复一日过去了。看着其他部门的同事在做新产品、大项目，一本毕业的小A觉得自己屈才了。
但现在，这些繁琐的事情，都可以交给智能自动化机器人了。
录入票据、处理文件、发固定格式的邮件……一切重复且繁琐的工作，都能自动搞定。
只要在操作界面上完成简单的设置，系统就可以自动完成操作，调用各种视觉、语音的AI能力，完成那些此前办公自动化系统做不到的事情。
他使用的就是来也科技的UiBot Mage，于近日刚刚发布。
UiBot Mage上线后，将与UiBot家族原有的Creator（创造者）、Worker（劳动者）、Commander（指挥官）三大模块集结，分别为RPA机器人生产、执行、分配、智能化提供相应的工具和平台。
UiBot Mage是什么
脱离机械劳动、走向创造性工作，这听起来就很有未来感。
那UiBot Mage究竟是如何调用AI来自动化完成工作的呢？
这要从RPA开始讲。
RPA，Robotic Process Automation的简称，也就是机器人流程自动化。
这类服务可以让一些存在于电脑屏幕UI界面上繁琐固定的工作流程自动化，比如在财税系统中完成固定操作流程、在电商后台完成千篇一律的商品上传/订单处理任务、在教务系统中批量化地输入学生成绩等等。
但传统的RPA不够聪明，只能处理结构化数据，不能处理非结构化数据。
就好像整理好的Excel表格可以完成机械化的排序、筛选、自动做柱状图或饼图，但零散记录、没有分门别类的数据就很难自动处理了，需要借助人类大脑来手动分析判断。
Mage，中文名魔法师，接入了计算机视觉、自然语言处理等多类AI能力，给传统的RPA接入各种AI模型API，让只会机械化处理流程的RPA有了聪明的大脑，即使是非结构化数据也可以看得懂、能处理。
比如，它支持用OCR技术将图片转化为文字的通用型文件，类似增值税专用发票、各类证件等图片，通过预训练模型，可以直接把其中的主体、日期、数字等读取出来，准确率超过97%，所有模型都支持私有部署，保证这些文件上的信息不外传。
读取了图片上的文本之后，UiBot Mage也具有文本理解能力，通过文本分类、信息抽取、文本匹配的预训练模型，像总结邮件主题、抽取合同中甲方乙方日期等核心信息、读取简历中的核心信息、判断两个地址是否属于同一个地点等常见的NLP任务都可以自动完成。
而且由于不同的用户业务不同，使用过程中的语料库自然也不同，因此还可以实现针对性训练，提升模型在特定场景下的表现。
此外，来也科技希望RPA机器人能像真人员工一样和人类领导交互，因此也接入了多模态人机对话功能，能够实现双向交互和多轮对话。
UiBot Mage发布后，UiBot社区版用户已经可以直接用这些AI功能，企业版用户也可以进行定制升级。
由于RPA的低代码特性，用户可以利用UiBot自带的Creator命令，只需要简单拖拽就能在RPA流程中使用AI能力，就像Scratch直接拖拽模块一样简单。模型既可以直接从公有云中调用，又可以私有部署；既可以调用“识别增值税发票”这种通用模型，又可以进行定制化任务的模型训练。
各类场景高效提速
有了UiBot Mage的这些功能，UiBot就实现了RPA+AI能力，能够聪明地解决许多繁琐工作。
换句话说，那些“我也觉得很繁琐，但是没办法总得有人干”的工作，统统可以交给机器人。
比如说，同一品牌开在各家商场的连锁店管理。
万达、大悦城们等各家商场，每家的小票格式都不一致；但优衣库等连锁门店却开在了不同商场里，门店内部有POS系统，需要让连锁品牌门店的系统信息和不同商场的小票信息核对，来对账明确订单收入。
借助OCR+NLP技术，UiBot Mage就可以自动抽取出不同系统中的产品名称、件数、售价、总金额、交易时间等核心信息，用决策树的方式核对是否一致，无需人工反复校对，自动化完成对账。
再比如医药公司推广新药的过程。
医药公司需要派出医药代表向医生们推销新药，但医生们不会只信医药代表的一家之言，会针对具体疗效、不良反应提出问题。但医药代表们并不具备如此全面的专业医学知识，会将这些问题发给服务团队同事，由服务团队同事查询大量医学论文，找到证明药效的学术研究发给医药代表，医药代表再反馈给医生，来证明自家药物有何等效果。
这个过程需要服务团队找大量的医学文献，而且服务团队不能一天24小时在线；不同医生提出的问题也很相似，因此这个工作重复且繁琐。
但借助UiBot Mage平台的NLP能力，系统就可以自动理解医药代表发来的问题，在文献库里查找资料论文，自动锁定论文中描述药效和不良反应的段落，高亮标出重点再发给医药代表，医药代表再将论文文档给到医生，这样整个过程就会顺畅、快速得多。
还有各地政府给群众办业务用的政务服务大厅，汇集了政府各个部门。
当办事群众直接将办手续的文件材料递交给综合窗口后，工作人员需要手动分辨找哪个部门，将文件扫描上传，打字录入系统，跟进办理进度。
但如果RPA+AI介入，就可以实现OCR自动识别，抽取文本信息自动录入归档，并发给各局、查询进度，这个过程，就变得相当简便高效了。
来也科技透露，UiBot Mage的所有AI能力均提供私有部署订阅模式，一个实例每年5万元起，不同AI能力根据模型复杂度价格不同。
如果招一个团队的小助理需要50万年薪，那省下的成本还是不少。
来也科技的一家客户需要邮件自动分析归类并回复的功能，每天都有上千封邮件需要处理。如果按人工处理一封邮件需要10分钟、每天1000封邮件来计算，就需要20个人的精力。但如果改用RPA+AI来处理，那就可以把20个人解放出来，完成更有价值的工作。
万物皆可自动化
效率惊人。
对比接入AI技术后的RPA产品，那些不够智能传统的RPA就变成了一个只能点按钮的工具：不能识别扫描件的文字，不能自动整理信息，能力受到了限制，用途也有些狭窄。
差距就像智能机和功能机一样大。
传统的RPA，就像一个普通机械臂，按照编号的程序，在固定位置完成固定动作，无法应对多变的环境。
加上AI功能之后的RPA，就像机械臂有了传感器、大脑、执行器，形成了输入认知、编排流程、输出反馈的闭环，能完成更为复杂的工作，实现端到端自动化。
而且，系统自动工作的范围也变大了。
传统RPA只能完成局部动作，点几个按钮，就会发现接下来的步骤需要更聪明的“头脑”才能完成；加上AI能力之后，就相当于有了聪明的“头脑”，整体工作全流程都可以自动完成，也获得了更大的应用场景。
举个例子，大部分人不会买一台只能磨咖啡豆的机器，因为自动磨完豆，还要手动烧水冲泡；而如果是从磨豆、烧水、到冲泡全程都包揽的咖啡机就会更受市场欢迎。
而且，这种效率的提升不仅仅针对使用RPA+AI企业，对这些企业的员工来说也是实现更大价值的机遇。毕竟，如果天天都在做重复性工作，35岁之后是很可能被裁掉的。
抛开用户端，从供给端来讲，将AI落地到RPA这件事情本身，也是在帮助更多“有屠龙之力”的AI模型找到落地接口。
绝大多数AI模型——无论是自动识图、自动转文字、自动翻译——本质上做的都是“批量快速自动化完成需要简单动脑的工作”这件事。而那些能快速批量化工作、解放人类双手的AI模型们，离商业化应用差的就是一个落地接口。
如果获得了一个接口，就相当于让这些AI模型获得了一个施展才华的平台，而模型背后的开发者也会借此获得更多好处。开发者会训练更好的模型、更高效地服务用户，更丰富的应用场景、更多的用户也会反过来激励开发者们的研发工作。
有了从研发到落地整个产业生态的正向推动力量，万物皆可自动化的世界也就不远了。
