智能流程自动化（IPA）正越来越多地被视为对机器人流程自动化（RPA）的补充，它通过AI技术扩展了机器人流程自动化的范围。CIO和其他IT领导者应将这两种自动化技术间的某些重要区别视为其技术路线的一部分。

RPA和IPA

IPA的范围比RPA更广-它可以处理更多类型的数据格式，并有望实现新型的更智能的决策。与RPA相比，为了从IPA战略中获得最佳结果，IT和数据科学团队需要更深入地协作。

Cognizant公司智能流程自动化的全球市场领导Banwari Agarwal说：“RPA本质上是纯机器化，不需要智能即可操作。”因此，这项技术非常适合明确定义和基于规则的流程。

相比之下，IPA适用于可受益于AI功能的更复杂的流程。这涉及将智能数据输入、自然语言处理、机器学习和运营分析与RPA相结合。Agarwal说：“ RPA和IPA适用于不同的情况，它们都很有价值。”

通过RPA简化操作

Agarwal认为RPA平台的主要吸引力在于，它们易于使用且不需要深厚的技术技能。很多RPA技术可以用低码或无代码部署。不过，RPA项目的最终价值和成果有限。

IPA的开发和部署则复杂得多。该技术需要数据提取和分类、机器学习和AI来形成决策。当企业想要利用IPA时，他们需要有内部专家深入了解该领域不断增长的工具和功能。

Agarwal表示，这两种技术对用户有着不同的技术技能要求，IT主管应提前意识到这一点。RPA所需的技术技能包括从基础到成熟，而IPA所需的技术技能则是从成熟到高级。毫无疑问，基于RPA的易用性，RPA具有更大的吸引力。他说：“RPA自动化的流程比IPA更多。”

但是，RPA相关的流程效率并没有IPA实现的潜在效率高。Agarwal说，在RPA部署中，人类在数据提取和决策中仍然发挥重要作用，RPA工具只是处理基于规则的工作。而IPA承诺可降低人工成本，创造更大的价值，因为它可以自动化更多人类决策过程。

根据Agarwal的说法，辅助技术可以帮助公司从RPA迁移到IPA部署，包括流程挖掘和优化、智能输入工具、机器学习、AI和运营分析平台等。

RPA过渡到IPA

数字工程解决方案公司Infostretch的企业解决方案总监Deven Samant认为，向IPA过渡是连续过程，RPA将作为基础，IPA则通过AI、机器学习和分析为业务流程自动化带来优势。他说：“没有RPA的基础，就不可能有IPA。”

Samant认为这里主要三个关键阶段。现在，越来越多的企业正在创建数字化员工队伍，并自动化明确定义的业务流程。在下一阶段，机器学习将帮助系统理解和实施决策。第三阶段是AI，即机器可以开始做出通常由人类做出的决策。

前两个阶段更多地是过程驱动-这里涉及自动化明确定义和确定性的过程。在第三阶段，机器学习和AI使机器人能够处理更多不确定的行为。Samant说，这个过程是从让机器思考任务，过渡到让机器思考流程。

支持半结构化数据

IT咨询机构Protiviti的内部审计和财务咨询业务董事总经理Angelo Poulikakos表示，IPA旨在整合RPA与辅助技术，例如光学字符识别、自然语言处理、数据分析和聊天交互等。这些功能可扩展机器人的工作范围，使其能够读取非结构化数据、解读人类语音、关注趋势并预测结果。

Poulikakos同意，大多数企业通常是从RPA开始，再转向面向IPA的用例。例如，Protiviti公司已帮助多位客户构建RPA机器人，该RPA机器人可根据定义明确的访问请求表和批准工作流，自动设置或取消对系统的访问。这些工作流通常是基于复选框和下拉菜单等，以识别用户、访问级别和当前状态。

当RPA机器人在环境中稳定后，则可以通过IPA对其进行扩展，以便聊天机器人可以简化访问的配置或预配置过程。聊天机器人可以解读用户的意图，以驱动可能尚未说明的动作。例如，如果有人说“玛丽离开了公司，请删除她的访问权限”，则该机器人会收集输入信息，并随后触发RPA机器人，该机器人将启动批准工作流程，并执行已定义的操作。同时，它将保存对话历史记录以用作审核目的。

向人类学习

医疗保健收入周期自动化平台Recondo Technology的首席技术官Eldon Richards说，RPA和IPA之间的主要区别之一是IPA从经验中学习的能力。当流程或用于支持流程的数据中存在高度可变性时，这种能力最为重要。对于RPA，部署者必须提前处理编程算法或规则中的可变性。而对于IPA，有时可以从经验中自动学习处理可变性。

在实践中，这种差异主要会带来两种影响。首先，IPA可用于自动化那些对于RPA工具难以处理的流程。当存在大量边缘情况时（例如，当发生意外情况-信息丢失或不准确或数量超过典型阈值时），部署RPA需要开发逻辑来处理每种情况。在这些情况下，IPA可能会有用，只要IPA工具可以观察到足够多的边缘情况，IPA就可以从经验丰富的执行者那里学习经验。

其次，当需要更高层次的认知来做出决策时，则可以使用IPA。例如，如果归档是基于发件人、主题行中的关键字或电子邮件是否具有附件等属性，则RPA可以有效地归档电子邮件。而IPA则可监控人类将哪些电子邮件放入垃圾邮件文件夹，以及哪些电子邮件会立即得到答复。Richards说，这将使它可做出更复杂的决策。

RPA和IPA需要协作

IPA项目还可能影响办公效率，例如促进数据科学团队与业务线专业人员之间的协作，这些业务线专业人员具有关于基于文档的自动化业务流程的必要专业知识。IPA非结构化内容平台Indico的首席执行官Tom Wilde表示，这将帮助更好地识别和部署其他高价值用力。

向RPA添加智能，可能会对流程产生变革性影响，也可以帮助企业合作寻找更好的反馈环来训练AI模型。抵押贷款自动化平台AI Foundry的产品管理总监Arvind Jagannath表示：“突然之间，这些机器人可以处理高价值的决策任务以及重复的任务。”

当业务用户和数据科学家可以识别哪些数据集可用于持续训练时，驱动RPA决策的AI模型将可得以改进。这可能包括评估不同时间范围的模型性能。例如，短的时间范围可以查看人类专家批准或拒绝的贷款，而较长的时间范围可以看看哪些贷款得到人类专家批准但后来拖欠，以进一步完善模型。Jagannath说：“通过更多的数据，决策模型将变得更加准确和可靠。”