自主可控新思路，数字员工IPA加码金融智能化运营（上）

自主可控及科技创新的浪潮之下，金融运营正在迈进安全、自主、高效的自动化新阶段。一方面，一系列具有里程碑意义的政策制度为各个金融机构带来了新的发展机遇。另一方面，国内外经济震荡不断、国际局势及世界性黑天鹅事件的出现又带来了诸多挑战。

在此背景下，数字员工 IPA（Intelligent Process Automation，智能流程自动化）以“智能引擎”为内核的业务运营自动化产品方案，加速企业打造场景化的虚拟数字员工，助力企业业务智能化升级，为金融机构提供审核、运营、分析等解决方案。

基于金融科技发展的大环境，本文将就 AI 深入的服务体验提升与大时代下的数字化需求进行问题剖析、方案设计与应用案例实践共享，旨在提升金融机构运营能力，加强服务体验，深化数字化改革，落实新基建政策号召，提高金融对实体经济的服务能力。本篇为上篇，重点介绍人工智能助力金融机构业务运营数字化升级的机会以及所面临的挑战。

金融运营现状：机遇与挑战并存

当前，安全、智能、自主可控已成为国内金融机构未来发展的必然方向。在新的发展状况之下，可以说是机遇与挑战并存。

首先，政策上来讲，相关部门出台了一系列文件及政策，将数字化转型作为国家重点推进的重大战略，为金融领域发展提供新的参考。

比如，央行在2018年牵头推进核心领域自主可控技术在金融业的应用，2019年银发[2019]209号文件指出，金融科技工作坚持“守正创新、安全可控、普惠民生、开放共赢”原则。再比如，2020年“十四五”规划《建议》明确指出，坚持创新在我国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑。

同时，“新基建”的政策指引，也将进一步要求金融机构深入数字化转型升级与“新基建”和智慧金融有机结合，分析和挖掘各地方和区域“新基建”的重点领域，利用“新基建”补齐“旧短板”。

其次，从行业趋势上来看，随着近几年金融科技的发展与 AI 应用的深入，已经有许多智慧金融应用产生了较大业务价值，带动了业务创新，深化普惠金融、小微供应链金融业务发展，加强金融支撑实体经济的任务使命。

在 PC、移动互联网时代，最基础的核心技术、关键技术多数来自国外市场，但到了 AI 时代，百度的飞桨深度学习平台和昆仑芯片就代表了 AI 时代的操作系统和高端芯片，百度在一步步降低产业应用 AI 的门槛。在 AI 时代，百度将独立自主可控的 AI 技术赋能金融行业客户，帮助金融机构以更高效的手段加快自身数字化转型。

当然，在看到机遇的同时，也不能忽视挑战的存在。由于金融行业基于传统深耕多年，难免遗留产品同质化严重，服务模式陈旧的顽疾，因此，支撑创新性多样性的金融产品服务，是传统金融机构要高优解决的问题。

面对未来金融的挑战，诸多业务运营中的主要痛点主要包括以下几点：

• 基础数据资产积累不足，数据治理能力仍需持续提升。

• 业务条线融合存在差异，协同应用尚存在较大突破空间。

• 内部组织架构变革异步明显，敏捷组织转型受制于路径依赖等等，都亟待解决。

以 AI 开启金融运营的人机协同模式

我们看到，传统金融机构运营仍严重依赖人工处理，比如贷款审批、合格投资人认证、保险代理、服务审核、资料整理、财务出纳等场景，导致人力成本居高不下，部分岗位流动率高，培训管理成本高，业务运营处理流程效率低下，客户服务体验差。

伴随 AI 等技术能力的不断突破发展，通过人机协同的方式可以大幅提升业务运营效率。以代理人销售使用的 AI 机器人助手为例，已经在服销领域成功验证人机协同带来的效率提升，人员成本降低与服务体验的升级。

同时，人机协同在金融业务运营中的部分场景也已经开始实践。比如，以小微信用贷为基础的消费金融领域，通过模型对人脸、票据、文档内容的抽取与识别，进而辅助人工实现快审快贷，极大提升了金融产品在普通用户端的服务体验。

上述例子说明，人机协同模式已经开始逐步渗透到金融运营的各个场景，正在帮助金融企业实现价值提升。

AI+RPA，助力业务运营实现智能化

在智慧金融新时代，业务流程自动化是助力金融机构业务运营水平提升的重要手段。在这一背景下，人工智能（AI）技术与机器人流程自动化（RPA）技术结合的解决方案可极大降低金融机构运营成本，提升业务运营效率。

RPA 机器人流程自动化能够代替或者协助人类在计算机、RPA 手机等数字化设备中完成重复性工作与任务。客户只要预先设计好使用规则，RPA 就可以模拟人工，进行复制、粘贴、点击、输入等操作，协助人类完成大量“规则较为固定、重复性较高、附加值较低”的工作。

RPA 技术具有非侵入性和灵活配置两大特点：

• 企业在进行 RPA 部署时，不需要改变其现有的信息系统，从而可以避开遗留系统冰山。
• RPA 技术具有非常强的灵活配置性，可以贴近企业自己的业务，实现无缝结合。

上述两个特点让 RPA 技术在企业内部由小到大地实现落地。

当前，随着技术发展，人工智能、机器学习等技术应用于 RPA，更多业务场景也将逐步实现流程的自动化。在自动化的基础上，融合 OCR 等计算机视觉等技术能够解决非结构化文档数据收集与输入等问题。同时，随着 NLP 技术不断提高，AI 从感知智能向认知智能进化，RPA 能够进一步替代人类，实现主观映射、文档分类、聊天机器人等功能。

可以说，RPA 就是虚拟劳动力，通过注入 AI 的感知认知能力，相当于使 RPA 具备了大脑思考能力；通过 RPA 的自动化能力，AI 就像具备了手和脚的行动能力。AI+RPA 结合打造的虚拟“数字员工”，为业务运营的数字化升级提供了无限可能。

业务智能自动化需直面三大挑战

AI 与 RPA 如何实现有机融合，是当前智能自动化工作面临的挑战。

传统 RPA 属于信息化工具，特点是流程清晰、规则简单、100%的准确率。AI 能胜任一些通常需要人类智能才能完成的复杂工作，但是存在一定的差错率。RPA 工具与 AI 能力在天赋上的天然冲突，导致 AI+RPA 应用面临三大挑战：

• 流程频繁中断，原因是因为业务容错率要求高，AI 识别结果需要人工确认。
• 通用 AI 效果差，主要是由于业务场景依赖多项能力与场景 AI 模型属专项能力。
• 工具不是解决方案，主要是因为能力和工具不具备业务属性，而且业务需要端到端解决方案。

总结全文，在金融自主可控的背景下，AI 赋能 RPA，为金融运营提供了新思路，起到了降本增效，节省人力的良好效果。那么，AI+RPA 组合出的数字员工 IPA 是如何实现业务智能化的？在金融行业的案例实践如何？下篇为您重点解读。