以下为褚瑞的分享内容摘录，雷锋网《AI金融评论》做了不改变本意的删节：
各位听众你们白天好，我是来也科技的褚瑞，我昨天的主题是RPA——数字化变革的连接器。
“连接器”的概念，怎么理解？打个比方，从2000年以后，私家车开始逐步走进我们的生活，私家车不仅仅是一个交通工具，它如同一个连接器，把活动圈联接在一起，大大拓展人类活动范围，改变人类的生活方式。
汽车作为连接器，一般有硬联接和软联接两种联接形式。两个地点之间有路，汽车可以开过去，这是“硬联接”；两个地点之间没有路，性能好的越野车也可以开过去，这是“软联接”。
汽车作为连接器，还让驾驶显得越来越简单。以前的驾驶员都是一种职业，现在普通人也可以当驾驶员。我们称之为“平民驾驶员”。
这是车辆作为连接器的两个特征：支持软硬联接、支持平民驾驶员。这背后是车辆厂商多年来不断的努力。
按键精灵的诞生年代
2001年火起来的网路游戏，需要玩家通过冗长的操作，完成NPC指定的任务能够升级。
当时，我在学院结业前夕，用C语言写一段无限循环的代码，每过一秒钟，就在横座标100，纵座标100给按一下键盘。这个程序很简单，但它可以取代繁杂的人力操作。然而，它有一个十分致命的问题——不能应对业务变化，坐标变了，程序就要更改。
我们发觉，这上面的主要问题在于：它的平台和业务逻辑是绑在一起的，灵活性不够——这时，按键精灵应运而生。
按键精灵的本意是将平台和业务逻辑进行分离，让大众在平台上订制自己的业务逻辑。用户无需懂得编程知识，撰写一个脚本，在平台的作用下，代替用户的右手去执行一系列的键盘及鼠标动作。
按键精灵1.0版本解决的是打固定靶的程序，连变量的概念都没有，很快也不能满足需求了，所以升级了按键精灵2.0。
2005年，我们给按键精灵降低了插件功能，提供好多预置插件，还可以通过编程添加其他的功能。这样一来，插件可以给按键精灵带来更多神奇的功能。
这就是按键精灵做得很成功的一点，它把用户自行开发的功能联接在一起了。按键精灵本身提供的功能十分有限，但在此以后，它就可以做到更多有意思的事情。知乎上也有讨论过按键精灵能做什么有趣的操作——这正是“连接器”的意义所在，价值也通过这样的联接操作而彰显。
通过这么多年的发展，按键精灵给我们好多启示：
第一，业务逻辑是会变化的。就像游戏，任务会变，所以要把平台和业务逻辑分离开，各自负责专门的事务。
第二，有些对业务可能不太熟悉、但对IT非常熟悉的IT专家，他们可以利用连接器，运用自己擅长的技术，可以作出厉害的脚本。也有些平民开发者，不懂IT技术，懂业务，连接器把她们联接，大家能做更多很有意思的事情。
RPA的“暴风成长”
2015年发生了一件十分重要的事情。美国的一家公司，前身是罗马尼亚公司DeskOver，之后更名为UiPath并领到天使轮融资，迅速扩大业务规模，就此推动了一个行业的爆发。
当时她们和一些业务合作伙伴，包括会计师事务所、咨询公司，一起推出了好多财务、人力资源等方面的解决方案，大家才发觉，这些领域当然可以靠自动化实现降本增效。
2017-2019年，UiPath迅速发展，成为一家高速成长的全球领先企业，RPA时代也就此到来。
RPA的全称是机器人流程自动化。现在的办公领域，有很多这些日常重复性工作，规则和逻辑十分明晰。这种情况下，用自动化的机器人软件取代人工的自动完成。这跟当初游戏里不停点滑鼠一样，本质上没有不同。
一个常见的问题是，很多系统之间数据没有打通，此时用机器人能十分容易地做到这些非侵入的跨系统数据集成，不需要改程序，只须要模拟人操作。这是RPA十分重要的应用之一。
2015年，RPA行业被引爆；2019年以后，随着谷歌宣布即将入局，这个行业被推到了一个新的低点。微软在2019年的时侯宣布它要推出Microsoft platform，这个平台包含4个主要的功能组件，其中Power Automate就是谷歌拿来实现机器人流程自动化的重要工具。
很多人如今都想不清楚，为什么RPA热度如此高？
咨询机构预测，到2023年，RPA的服务和软件的收入规模大约是120亿美金。
我们可以发觉RPA好多有趣的特点：
1、大顾客小订单。使用RPA的厂商，很多是世界五百强这些大顾客，但它们的RPA订单常常很小，可能只购买几十万的协议。但那些大公司普遍对RPA表现出了她们的关注，因为它们内部有很多复杂的流程，更需要用自动化联接。
2、RPA从2015年爆发上去，到明天，一直采用订阅的方法，客户须要每年支付一定的金额，软件厂商提供相应的、到位的服务，才能促使买卖双方达成合作。RPA的订阅续费率很高，因为大多数公司对RPA都有一定的需求。
可以说RPA是具有普适性的，很多行业、领域、部门还会有这样的需求，这也是大众看好RPA这个方向的缘由之一。
此外，同一行业内不同部门会有不同的需求，好的疗效可以加速它的传播效力。
从卖方市场来看，为什么RPA这么热？
这两张图表现了我国出生人口和中考录取率的变化。图一显示，1990-1999年，我国每年出生人口从90年的2600万增加到了99年的1100万，意味着人口老龄化成为了一个严重的问题，并且会越来越严重，人力成本也急剧降低。
除了年青人口的减小，图二还可以见到中考录取率也在降低。98年的时侯中考录取率只有6%，到了2017年弄成65%，增长了10倍，意味着好多蓝领工作很难找到人去做。大多数人不太乐意做这些机械重复劳动，这种情况下用机器人取代人做简单重复劳动，就成为了重要的趋势。
还有一个缘由，RPA适宜数字化变革的须要。以前建行存款用铅笔填写信息，跨行兑付，但这些方法被淘汰了；信息化之后业务无纸化，通过支付宝随时付款。
信息化带来好多益处，但也有一定问题。信息化带来一波业务下降，但当下降到一定程度后又显疲乏。这时有人提下来，要把已有的数据整合，实现数字化变革，产生新的价值。
目前信息化壁垒过分严重，系统与系统之间的数据没有打通，很难将数据进行整合。所以RPA这些非侵入式，在不修改系统的前提下，能够模拟人的操作，将不同系统的数据进行提取及整合。
所以RPA是数字化变革的一个连接器，把好多系统联接上去，这种联接本身就是它的价值所在。这个概念是谷歌提下来的，微软Platform的四个组成部份之一就是Data Connectors，意思是数据的连接器。
就像开头举例的车辆，RPA也具有连接器的一些特征，它也支持硬联接和软链接，也支持这些专业开发者和平民开发者。
评价一个RPA产品的优劣，一定程度要看它是否支持多种硬联接，同时支持多种常见的软联接。
在RPA里，硬联接是指业务系统有提供插口，可以去做联接，类似Excel，有COM的插口。邮箱也可以通过业务插口去操作。
软联接是指在没有业务端口的情况下，系统间的数据难以互联，这时候RPA的“非侵入”特性就显露下来了，它还能通过界面元素的抓取和自动化操作，实现无插口的数据获取和写入。硬联接和软联接各有优势，双剑合璧就愈加强悍了。
其次，也要看RPA是否支持低代码。通过基本的变量、表达式等很简单的代码，就能够实现一个自动化的逻辑。这样，一些平民开发者也能很容易学会它。
虽然还须要学习，但是门槛早已增加了好多，大家可以通过一种简单的方法，就能够实现自己的业务流程自动化。
Q：很多人听完RPA以后会问，RPA似乎没有哪些技术门槛？
RPA的技术门槛不在于让键盘手动跑起来（这个技术我在学院毕业之前才能做，一个应届生能够做的事情，当然没门槛），而在于怎样把低代码做好，让平民开发者也会使用。
Q：某某开放源代码，RPA市场也会像先前一样弄成红海？
其实不是如此回事，因为这种源代码，比我在2001年做的工作也就稍稍先进一点点，仍然不是一套成熟的产品。
Q：为什么我们不去做一套数据总线，然后把业务系统都联接到数据主线上来？
这个看法非常好。在车辆时代，这种数据总线我们把它称为铁路，所以说数据总线跟RPA的区别，就好比是铁路和车辆。
数据总线有很多的优势，传输速率快、传输量大，安全性更好，但RPA有它奇特之处，就像铁路未能完全替代车辆，只能在各自领域发挥作用。
Q：Python语言如此流行，用Python直接加一个开发包不能实现自动化吗？
Python语言不够低代码，经常有人开玩笑说Python语言是要拿着游标卡尺去写的，用它去实现自动化的话，不能做到我们上面所说的平民开发者的目标。
RPA的必经AI之路
RPA作为连接器，也遇见了一些挑战。不同业务系统之间的数据，只有20%是可以直接借助的结构化数据，比如表格数据库，剩下80%都是非结构化数据。现在还是没有办法联系到一起。
通过AI，把非结构化数据转化为结构化数据，连接器能够处理剩下80%的数据——所以，RPA+AI才是连接器的未来阶段。
因为AI做了脑部的工作，可以把非结构化的数据，比如图片、声音、文字，转换成结构化数据，然后去做手的工作。
很多人问，既然RPA+AI能起到简单作用，比如像阿里云、百度云这样的云平台都有这些标准的插口提供了，那把这种做得比较好的AI能力直接引到RPA里可以吗？
可以，比如扫描一张收据，其实不用云平台，有专门的收据扫描仪就可以，将仪器跟计算机联接上去，就一张张手动扫描收据了，自动把收据信息从图片、纸质方式弄成结构化数据的方式，这种疗效早已挺好了。
扫描仪和RPA联接这些还属于中级阶段，我们称之为联接AI能力的连接器。
什么叫中级连接器？就是把一些智能化的功能，把AI所能做的一些事情给分装到连接器里。这种智能化的研究系统，能解决好多中级阶段不能解决的问题。
有时RPA本身能力有限，需要用AI提高。有的是标准AI场景，比如扫描收据、身份证，这都是十分标准的文档，已经有很多插件做得挺好，直接调用就好。
RPA和AI的界限极其分明，AI负责把非结构化数据转成结构化数据，而RPA拿复杂结构化数据来做处理，这是交互极其简单的情况。
首先须要辨识出软件里有多少界面元素，一般的RPA软件都能做到，但有些软件不是在本地操作系统里运行，而是运行在远程计算机，我们通过远程联接起来。
这种情况下，就可以运用AI辨识界面。我们用了 大概几十万张的软件界面图片进行标记，拿深度学习模型去训练。在这个模型里，你只要按下一个键，它能够手动帮你辨识，把虚拟机里的基本元素，比如输入框、按钮、标签等都用红色辨识框标记。
注意它除了是辨识有文字的元素，一些输入框是空白的，里面还没有填内容，它也能确切的辨识下来。
财务领域常常要辨识和处理协议，首先OCR协议一下，把上面的图片扫描件编成文字。
从协议正文里提取关键信息，比较麻烦，因为协议没有标准格式，比如甲甲方的位置、合同金额、到期时间等。
只能用RPA形成的AI能力进行训练，才能在协议扫描件里提取出所须要的总金额、账期、供应商等关键信息，然后用RPA把这种信息送到财务，给财务提供一个成本的管理根据。
在一家地产公司，它的物管就是一个集中的呼叫中心。为了提升用户的服务质量，当房东拨通物管电话时，接入的是呼叫中心。
呼叫中心有200多个人工客服可以直接回答简单问题，对于一些类似修理等问题就须要先做下记录再维修。AI可以理解人说话的意思，以及做一些简单回复。
公司邮箱每晚能收到一些电邮，需要每晚有人收电邮并归类为顾客或潜在顾客。
这些顾客也须要进行初筛，判断公司规模及相关信息。我们就做了商机电邮处理机器人，能手动收电邮、查询顾客和分类。
如果是归为潜在顾客，还能手动查该公司大约情况，自动回复电邮，把处理的信息存到Excel表格里。
从按键精灵到来也UiBot，它们有共同点，都做连接器，也都具有一个连接器所应有的低代码特征。
不同之处在于：游戏速率变化较快，所以按键精灵要体积小、速度快；来也UiBot对速率的要求没这么快，一般办公界面切换不会太快，所以更指出稳定性、安全性、容错性等。
其次，来也UiBot的安全性要好得多，在好多方面都比按键精灵急剧提高，包括在硬联接和软件能力上，AI的能力集成上，跨平台的能力，分布式控制中心等。
我们也是坚持做好连接器去服务平台开发者，我们的开发者社区用户数明天早已超过30万人。我们的UB Store，是提供给付费能力不太强的大型顾客。
互动问答精选
Q1：RPA就是机器加上智能，可以如此理解吗？
褚瑞：昨天的RPA应当说只是取代了手的工作，只能做一些机械性劳动。今天或则未来的RPA会加上更多的智能，可以做好多比右手能做的、更复杂的事情。机器加上智能，可以觉得是未来RPA的一种形态。
Q2：怎么应对顾客流程的不同，不断更新？
褚瑞：这就是我们要指出平民开发者的诱因之一。RPA应当是每位人都能把握的。上线之后，后期的更改其实不可避免，但只要足够简单、好用，每个人经过简单的学习，就可以调整这个参数，应对流程的更新。除非更新复杂到一定程度的时，才须要更高水平的人介入。
RPA不是作为一个项目交付完就结束了，而是一定要做更新的。让原厂继续服务的话不太现实，一定要通过这些低代码的方式让更多人轻松把握。
Q3：RPA在实际应用中会由于网页页面的改变而更改流程，这会导致后期的运维成本很高吗？
褚瑞：RPA流程是可能会须要更改的，因为你用它联接了多个不同业务系统。这些业务系统的改变，就造成RPA流程也要发生改变。但当业务系统在一个成熟的小型企业中使用，它的变化不会太频繁，即使发生了改变，这个体系里只要有少量的人学会使用它，那就没有问题，都能自行应付。
Q4：学了一个月的来也UiBot基础命令判定都可以理解，但一些场景感觉挺难的，不知道应当如何继续学习。
褚瑞：实际上可以拿一些现实生活中常见的场景做练习。我有时候须要把知乎上的文章批量导到Kindle里，这样可以在离线的情况下阅读（比如客机上），但知乎和Kindle之间是没有插口的，我就拿来也UiBot社区版，自己写了一个流程，自动把文章导到Kindle里，这就是我生活中常见的一个用例。我们也会把使用门槛进一步增加，让更多平民开发者才能把握它。
即将开幕
CCF-GAIR 全球人工智能与机器人论坛———AI金融专场
历届 CCF-GAIR 已凝聚多位诺奖、图灵奖得主，28位海内外教授，21位世界A类顶会主席，103位Fellow，400多位著名企业家以及100余位VC创始人参加。
8月7日-9日，《AI金融评论》将在第五届CCF-GAIR中举行「AI金融专场」，目前统计学“诺贝尔”— COPSS首相奖得主，摩根大通执行监事，世界顶尖学会主席，金融大鳄首席科学家、首席风控官，已确认参加。
