随着商业银行科技力量的日益加强，商业银行的重心不再是提供单一的线上金融产品，而是向构建整体金融生态转变，金融服务和非金融服务之间加速融合，创新各种平台生态，建构起新的零接触服务新业态。
农业银行的RPA（RoboticProcessAutomation）平台正是在零接触金融服务背景下的一个具体实践，将重复性、标准化、大批量的业务由RPA来实现，不但解放了人力资源，降低了人力成本，而且提高了工作的完成效率和准确性。
而随着近年来AI（人工智能）技术中数据分析、自然语言处理、机器视觉等领域的迅猛发展，有了AI“加持”后的机器人在认知、评估、决策等方面大幅度提升，也使得AI+RPA有了更多的想象空间：
数据分析+RPA：可使用数据分析技术来解析大数据，获得高精度的分析结果。人类能够分析的数据量，以及分析后能关联、分组的数据量都是有限的。而计算机可以更好地分析这些数据，得到更多人类无法得到的信息。目前，数据分析+RPA已在营销工具和大数据分析工具中实现。
自然语言处理+RPA：自然语言处理包括语音识别以及语音、文字相互转换等，其核心在于语音识别技术。语音识别技术，也称自动语音识别。该技术能使计算机识别人声，并将口语中的词汇内容转换成文字，从而省去人们输入键盘的麻烦。自然语言处理+RPA，可实现智能外呼等功能。
机器视觉+RPA：机器视觉是指计算机识别图像和视频的技术，机器视觉+RPA，可将传统的手写材料和数据转换为数字信息。如今，无需键盘输入且不会产生拼写错误的RPA，正被广泛应用于那些需要处理大量纸本材料的行业中。
RPA具有适合处理大量重复性、具备规则性的工作流程任务的特性，它可被应用在金融业的多个领域，比如在证券行业主要用于自动开闭市、开市期间监控、定时巡检等，在保险行业主要用于合同文件报送、风控指标监控、系统清算等。
具体到银行业，工行使用RPA完成国库退税自动核对、单位结算账户自动备案、跨行大额报文分拣等业务，建行使用RPA完成清算资金自动对账、反洗钱明细信息补录、信用卡中心风险换卡等业务。
RPA在银行内部落地的方式有两种，一种是总行集中式管理，一种是总分分布式管理。其中总行集中式管理采用总行数据中心集中部署，统一对总分行进行服务，典型代表如建行，统一由总行进行业务处理和工作场景的管理，业务环境集中在数据中心搭建。这种方式的好处在于管理职责明确，管控力度强。另外一种是总行负责RPA系统平台的管理、推广和支持，省分行科技部负责分行平台部署、需求实施，如工行，总行建设RPA平台为各省分行使用场景提供支持。此方案的优点在于实施灵活，能迅速实现分行需求。
农业银行的RPA平台，定位为全行统一的技术平台，面向全行各部门提供流程自动化的输出能力，提供企业级自动化流程开发框架和共享技术能力，针对基于明确规则的重复性人工工作流程，通过非侵入式的客户端流程及数据集成技术，实现工作流程的自动化，达到解放人工劳动力、提高工作效率和质量的目的。该平台主要分为机器人控制中心、机器人设计器和机器人三个模块。
其中控制中心负责机器人的运营管理，工作任务的流程编排和调度，对机器人执行任务过程的监督、管理和控制，并通过对机器人资源池的管理，实现机器人的动态分配，最大化使用机器人资源。设计器提供便捷友好的方法、界面以及丰富的流程设计组件，由开发人员实现任务流程的录制、配置或开发，形成指令集并发布至机器人控制器，由机器人控制器按照设定的策略调度机器人运行。机器人负责运行具体的任务流程。根据机器人控制器的调度，加载并执行任务流程对应的指令集，完成任务流程。
RPA平台为分层架构，如下图所示。其中展示层包括网页、移动端和大屏，服务层提供机器人管理、系统管理以及报表查询接口，应用层完成机器人、系统管理以及报表生成等功能。由于RPA同时有结构化和非结构化的数据，计划同时采用SQL和NOSQL两种数据存储。
I典型案例一：质检作业机器人
业务背景：对客户申请资料中的影像件进行复核，需要大量人力资源去判断识别是否填写完整、申请日期是否合规、章程是否抄录完整、重要信息修改是否有本人签名，并记录不合规项，确认影像件内容与电子申请内容是否一致，完成比对后人工判断是否通过客户申请资料进入建账环节。
业务痛点：1.业务进件量大、日均处理业务量几千笔；2.规则明确且重复，占用大量人力资源进行机械重复的劳动。
预期效果：通过引入RPA机器人，在复核环节实现自动化审查、UI界面字段抓取、自动化审查，以及通过OCR完成客户影像件审查及资料比对，全面替代人工进行自动化复核，达到释放人力、减少了各个环节人与人之间的接触，提升发卡效率的目的，为全流程自动化审查审批积累经验。
I典型案例二：票据估值监测
业务背景：查询并下载最新的会计主体清单以及上一日票据估值的单票信息、估值结果及会计报表信息，对下载数据进行预处理后，形成票据估值监测清单（即到期未兑付清单、本金差异清单），并将全部下载和预处理信息、监测清单发送给业务人员进行后续分析处理。
预期效果：机器人自动获取和下载数据，根据预设规则精准执行，自动生成并处理报表给业务人员，完成票据估值数据合并、筛选、透视表等操作。将到达缩短处理工时、提升数据加工效率的效果。
I典型案例三：国库信息数字比对
业务背景：查询并下载退库信息表和退库审批表，根据一定的数据比对规则对退库信息表和审批表进行数据的信息比对，记录结果并将结果文件发送给代理库的人员进行后续账务操作。
根据对业界的观察以及在农业银行实践的经验，笔者认为选择一个合适的流程是RPA机器人落地的关键。一个合适的流程并结合好的设计理念及实施过程，不仅可以保证RPA运行稳定，方便后续的运维和优化，并且可以得到高比例的投入产出。因此，商业银行RPA的开发迭代过程需要技术部门和业务部门密切的合作，共同整理和分析需求，把其中规则固定、输入数据明确的需求提取出来，甚至是一同将原有不规则的流程规则化。
同时，在梳理和挖掘自动化流程的过程中，要“找准流程真正的痛点，理出自动化最大的阻力”，让低成本投入能够获得快速且显著效果。另外，加深对业务需求的理解程度、对业务流程的熟悉程度并结合对实际情况的判断和分析，梳理清晰的规则以及持续拓展可被规则化的场景，通过多种方法实现自动化，不断提升企业自动化程度。
做一个机器人简单，但做好一个机器人却不容易，因为只有一个“健壮、稳定、灵活、高效的虚拟员工”，才能成为银行真正的效率助手，为业务的自动化，构建零接触金融服务提供有力支持。
作者简介：
余磊，上海研发部开发三部主任工程师，深耕支付、零售金融、IT运维领域。
崔攸，上研开发一部RPA平台负责人，现致力于RPA在农业银行落地和推广。