本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

小A，HR一枚。

作為一個典型基層HR，他每天很大一部分工作，是在處理文檔手續：

辦入職、離職、休假申請、五險一金，掃描各類文件，在系統里錄入員工信息，發郵件給各個部門……

忙碌且枯燥的工作，日復一日過去了。看著其他部門的同事在做新產品、大項目，一本畢業的小A覺得自己屈才了。

但現在，這些繁瑣的事情，都可以交給智能自動化機器人了。

錄入票據、處理文件、發固定格式的郵件……一切重復且繁瑣的工作，都能自動搞定。

只要在操作界面上完成簡單的設置，系統就可以自動完成操作，調用各種視覺、語音的AI能力，完成那些此前辦公自動化系統做不到的事情。

他使用的就是來也科技的UiBot Mage，于近日剛剛發布。

UiBot Mage上線后，將與UiBot家族原有的Creator（創造者）、Worker（勞動者）、Commander（指揮官）三大模塊集結，分別為RPA機器人生產、執行、分配、智能化提供相應的工具和平臺。

UiBot Mage是什么

脫離機械勞動、走向創造性工作，這聽起來就很有未來感。

那UiBot Mage究竟是如何調用AI來自動化完成工作的呢？

這要從RPA開始講。

RPA，Robotic Process Automation的簡稱，也就是機器人流程自動化。

這類服務可以讓一些存在于電腦屏幕UI界面上繁瑣固定的工作流程自動化，比如在財稅系統中完成固定操作流程、在電商后臺完成千篇一律的商品上傳/訂單處理任務、在教務系統中批量化地輸入學生成績等等。

但傳統的RPA不夠聰明，只能處理結構化數據，不能處理非結構化數據。

就好像整理好的Excel表格可以完成機械化的排序、篩選、自動做柱狀圖或餅圖，但零散記錄、沒有分門別類的數據就很難自動處理了，需要借助人類大腦來手動分析判斷。

Mage，中文名魔法師，接入了計算機視覺、自然語言處理等多類AI能力，給傳統的RPA接入各種AI模型API，讓只會機械化處理流程的RPA有了聰明的大腦，即使是非結構化數據也可以看得懂、能處理。

比如，它支持用OCR技術將圖片轉化為文字的通用型文件，類似增值稅專用發票、各類證件等圖片，通過預訓練模型，可以直接把其中的主體、日期、數字等讀取出來，準確率超過97%，所有模型都支持私有部署，保證這些文件上的信息不外傳。

讀取了圖片上的文本之后，UiBot Mage也具有文本理解能力，通過文本分類、信息抽取、文本匹配的預訓練模型，像總結郵件主題、抽取合同中甲方乙方日期等核心信息、讀取簡歷中的核心信息、判斷兩個地址是否屬于同一個地點等常見的NLP任務都可以自動完成。

而且由于不同的用戶業務不同，使用過程中的語料庫自然也不同，因此還可以實現針對性訓練，提升模型在特定場景下的表現。

此外，來也科技希望RPA機器人能像真人員工一樣和人類領導交互，因此也接入了多模態人機對話功能，能夠實現雙向交互和多輪對話。

UiBot Mage發布后，UiBot社區版用戶已經可以直接用這些AI功能，企業版用戶也可以進行定制升級。

由于RPA的低代碼特性，用戶可以利用UiBot自帶的Creator命令，只需要簡單拖拽就能在RPA流程中使用AI能力，就像Scratch直接拖拽模塊一樣簡單。模型既可以直接從公有云中調用，又可以私有部署；既可以調用“識別增值稅發票”這種通用模型，又可以進行定制化任務的模型訓練。

各類場景高效提速

有了UiBot Mage的這些功能，UiBot就實現了RPA+AI能力，能夠聰明地解決許多繁瑣工作。

換句話說，那些“我也覺得很繁瑣，但是沒辦法總得有人干”的工作，統統可以交給機器人。

比如說，同一品牌開在各家商場的連鎖店管理。

萬達、大悅城們等各家商場，每家的小票格式都不一致；但優衣庫等連鎖門店卻開在了不同商場里，門店內部有POS系統，需要讓連鎖品牌門店的系統信息和不同商場的小票信息核對，來對賬明確訂單收入。

借助OCR+NLP技術，UiBot Mage就可以自動抽取出不同系統中的產品名稱、件數、售價、總金額、交易時間等核心信息，用決策樹的方式核對是否一致，無需人工反復校對，自動化完成對賬。

再比如醫藥公司推廣新藥的過程。

醫藥公司需要派出醫藥代表向醫生們推銷新藥，但醫生們不會只信醫藥代表的一家之言，會針對具體療效、不良反應提出問題。但醫藥代表們并不具備如此全面的專業醫學知識，會將這些問題發給服務團隊同事，由服務團隊同事查詢大量醫學論文，找到證明藥效的學術研究發給醫藥代表，醫藥代表再反饋給醫生，來證明自家藥物有何等效果。

這個過程需要服務團隊找大量的醫學文獻，而且服務團隊不能一天24小時在線；不同醫生提出的問題也很相似，因此這個工作重復且繁瑣。

但借助UiBot Mage平臺的NLP能力，系統就可以自動理解醫藥代表發來的問題，在文獻庫里查找資料論文，自動鎖定論文中描述藥效和不良反應的段落，高亮標出重點再發給醫藥代表，醫藥代表再將論文文檔給到醫生，這樣整個過程就會順暢、快速得多。

還有各地政府給群眾辦業務用的政務服務大廳，匯集了政府各個部門。

當辦事群眾直接將辦手續的文件材料遞交給綜合窗口后，工作人員需要手動分辨找哪個部門，將文件掃描上傳，打字錄入系統，跟進辦理進度。

但如果RPA+AI介入，就可以實現OCR自動識別，抽取文本信息自動錄入歸檔，并發給各局、查詢進度，這個過程，就變得相當簡便高效了。

來也科技透露，UiBot Mage的所有AI能力均提供私有部署訂閱模式，一個實例每年5萬元起，不同AI能力根據模型復雜度價格不同。

如果招一個團隊的小助理需要50萬年薪，那省下的成本還是不少。

來也科技的一家客戶需要郵件自動分析歸類并回復的功能，每天都有上千封郵件需要處理。如果按人工處理一封郵件需要10分鐘、每天1000封郵件來計算，就需要20個人的精力。但如果改用RPA+AI來處理，那就可以把20個人解放出來，完成更有價值的工作。

萬物皆可自動化

效率驚人。

對比接入AI技術后的RPA產品，那些不夠智能傳統的RPA就變成了一個只能點按鈕的工具：不能識別掃描件的文字，不能自動整理信息，能力受到了限制，用途也有些狹窄。

差距就像智能機和功能機一樣大。

傳統的RPA，就像一個普通機械臂，按照編號的程序，在固定位置完成固定動作，無法應對多變的環境。

加上AI功能之后的RPA，就像機械臂有了傳感器、大腦、執行器，形成了輸入認知、編排流程、輸出反饋的閉環，能完成更為復雜的工作，實現端到端自動化。

而且，系統自動工作的范圍也變大了。

傳統RPA只能完成局部動作，點幾個按鈕，就會發現接下來的步驟需要更聰明的“頭腦”才能完成；加上AI能力之后，就相當于有了聰明的“頭腦”，整體工作全流程都可以自動完成，也獲得了更大的應用場景。

舉個例子，大部分人不會買一臺只能磨咖啡豆的機器，因為自動磨完豆，還要手動燒水沖泡；而如果是從磨豆、燒水、到沖泡全程都包攬的咖啡機就會更受市場歡迎。

而且，這種效率的提升不僅僅針對使用RPA+AI企業，對這些企業的員工來說也是實現更大價值的機遇。畢竟，如果天天都在做重復性工作，35歲之后是很可能被裁掉的。

拋開用戶端，從供給端來講，將AI落地到RPA這件事情本身，也是在幫助更多“有屠龍之力”的AI模型找到落地接口。

絕大多數AI模型——無論是自動識圖、自動轉文字、自動翻譯——本質上做的都是“批量快速自動化完成需要簡單動腦的工作”這件事。而那些能快速批量化工作、解放人類雙手的AI模型們，離商業化應用差的就是一個落地接口。

如果獲得了一個接口，就相當于讓這些AI模型獲得了一個施展才華的平臺，而模型背后的開發者也會借此獲得更多好處。開發者會訓練更好的模型、更高效地服務用戶，更豐富的應用場景、更多的用戶也會反過來激勵開發者們的研發工作。

有了從研發到落地整個產業生態的正向推動力量，萬物皆可自動化的世界也就不遠了。