登录
深度学习

UiBot Mage,万物皆可自动化

011

更多
牛金凤
880
0
2020-05-09

小A,HR一枚。

作为一个典型基层HR,他每天很大一部分工作,是在处理文档手续:

办入职、离职、休假申请、五险一金,扫描各类文件,在系统里录入员工信息,发邮件给各个部门……


忙碌且枯燥的工作,日复一日过去了。看着其他部门的同事在做新产品、大项目,一本毕业的小A觉得自己屈才了。

但现在,这些繁琐的事情,都可以交给智能自动化机器人了。

录入票据、处理文件、发固定格式的邮件……一切重复且繁琐的工作,都能自动搞定。

只要在操作界面上完成简单的设置,系统就可以自动完成操作,调用各种视觉、语音的AI能力,完成那些此前办公自动化系统做不到的事情。

他使用的就是来也科技的UiBot Mage,于近日刚刚发布。

UiBot Mage上线后,将与UiBot家族原有的Creator(创造者)、Worker(劳动者)、Commander(指挥官)三大模块集结,分别为RPA机器人生产、执行、分配、智能化提供相应的工具和平台。


UiBot Mage是什么

脱离机械劳动、走向创造性工作,这听起来就很有未来感。

那UiBot Mage究竟是如何调用AI来自动化完成工作的呢?

这要从RPA开始讲。

RPA,Robotic Process Automation的简称,也就是机器人流程自动化。


这类服务可以让一些存在于电脑屏幕UI界面上繁琐固定的工作流程自动化,比如在财税系统中完成固定操作流程、在电商后台完成千篇一律的商品上传/订单处理任务、在教务系统中批量化地输入学生成绩等等。

但传统的RPA不够聪明,只能处理结构化数据,不能处理非结构化数据。

就好像整理好的Excel表格可以完成机械化的排序、筛选、自动做柱状图或饼图,但零散记录、没有分门别类的数据就很难自动处理了,需要借助人类大脑来手动分析判断。

Mage,中文名魔法师,接入了计算机视觉、自然语言处理等多类AI能力,给传统的RPA接入各种AI模型API,让只会机械化处理流程的RPA有了聪明的大脑,即使是非结构化数据也可以看得懂、能处理。

比如,它支持用OCR技术将图片转化为文字的通用型文件,类似增值税专用发票、各类证件等图片,通过预训练模型,可以直接把其中的主体、日期、数字等读取出来,准确率超过97%,所有模型都支持私有部署,保证这些文件上的信息不外传。

读取了图片上的文本之后,UiBot Mage也具有文本理解能力,通过文本分类、信息抽取、文本匹配的预训练模型,像总结邮件主题、抽取合同中甲方乙方日期等核心信息、读取简历中的核心信息、判断两个地址是否属于同一个地点等常见的NLP任务都可以自动完成。

而且由于不同的用户业务不同,使用过程中的语料库自然也不同,因此还可以实现针对性训练,提升模型在特定场景下的表现。

此外,来也科技希望RPA机器人能像真人员工一样和人类领导交互,因此也接入了多模态人机对话功能,能够实现双向交互和多轮对话。

UiBot Mage发布后,UiBot社区版用户已经可以直接用这些AI功能,企业版用户也可以进行定制升级。

由于RPA的低代码特性,用户可以利用UiBot自带的Creator命令,只需要简单拖拽就能在RPA流程中使用AI能力,就像Scratch直接拖拽模块一样简单。模型既可以直接从公有云中调用,又可以私有部署;既可以调用“识别增值税发票”这种通用模型,又可以进行定制化任务的模型训练。

各类场景高效提速

有了UiBot Mage的这些功能,UiBot就实现了RPA+AI能力,能够聪明地解决许多繁琐工作。

换句话说,那些“我也觉得很繁琐,但是没办法总得有人干”的工作,统统可以交给机器人。

比如说,同一品牌开在各家商场的连锁店管理。

万达、大悦城们等各家商场,每家的小票格式都不一致;但优衣库等连锁门店却开在了不同商场里,门店内部有POS系统,需要让连锁品牌门店的系统信息和不同商场的小票信息核对,来对账明确订单收入。

借助OCR+NLP技术,UiBot Mage就可以自动抽取出不同系统中的产品名称、件数、售价、总金额、交易时间等核心信息,用决策树的方式核对是否一致,无需人工反复校对,自动化完成对账。

再比如医药公司推广新药的过程。

医药公司需要派出医药代表向医生们推销新药,但医生们不会只信医药代表的一家之言,会针对具体疗效、不良反应提出问题。但医药代表们并不具备如此全面的专业医学知识,会将这些问题发给服务团队同事,由服务团队同事查询大量医学论文,找到证明药效的学术研究发给医药代表,医药代表再反馈给医生,来证明自家药物有何等效果。

这个过程需要服务团队找大量的医学文献,而且服务团队不能一天24小时在线;不同医生提出的问题也很相似,因此这个工作重复且繁琐。




但借助UiBot Mage平台的NLP能力,系统就可以自动理解医药代表发来的问题,在文献库里查找资料论文,自动锁定论文中描述药效和不良反应的段落,高亮标出重点再发给医药代表,医药代表再将论文文档给到医生,这样整个过程就会顺畅、快速得多。

还有各地政府给群众办业务用的政务服务大厅,汇集了政府各个部门。

当办事群众直接将办手续的文件材料递交给综合窗口后,工作人员需要手动分辨找哪个部门,将文件扫描上传,打字录入系统,跟进办理进度。

但如果RPA+AI介入,就可以实现OCR自动识别,抽取文本信息自动录入归档,并发给各局、查询进度,这个过程,就变得相当简便高效了。





来也科技透露,UiBot Mage的所有AI能力均提供私有部署订阅模式,一个实例每年5万元起,不同AI能力根据模型复杂度价格不同。

如果招一个团队的小助理需要50万年薪,那剩下的成本还是不少。

来也科技的一家客户需要邮件自动分析归类并回复的功能,每天都有上千封邮件需要处理。如果按人工处理一封邮件需要10分钟、每天1000封邮件来计算,就需要20个人的精力。但如果改用RPA+AI来处理,那就可以把20个人解放出来,完成更有价值的工作。

万物皆可自动化

效率惊人。

对比接入AI技术后的RPA产品,那些不够智能传统的RPA就变成了一个只能点按钮的工具:不能识别扫描件的文字,不能自动整理信息,能力受到了限制,用途也有些狭窄。

差距就像智能机和功能机一样大。

传统的RPA,就像一个普通机械臂,按照编号的程序,在固定位置完成固定动作,无法应对多变的环境。

加上AI功能之后的RPA,就像机械臂有了传感器、大脑、执行器,形成了输入认知、编排流程、输出反馈的闭环,能完成更为复杂的工作,实现端到端自动化。

而且,系统自动工作的范围也变大了。

传统RPA只能完成局部动作,点几个按钮,就会发现接下来的步骤需要更聪明的“头脑”才能完成;加上AI能力之后,就相当于有了聪明的“头脑”,整体工作全流程都可以自动完成,也获得了更大的应用场景。



举个例子,大部分人不会买一台只能磨咖啡豆的机器,因为自动磨完豆,还要手动烧水冲泡;而如果是从磨豆、烧水、到冲泡全程都包揽的咖啡机就会更受市场欢迎。

而且,这种效率的提升不仅仅针对使用RPA+AI企业,这些企业的员工来说也是实现更大价值的机遇。毕竟,如果天天都在做重复性工作,35岁之后是很可能被裁掉的。

抛开用户端,从供给端来讲,将AI落地到RPA这件事情本身,也是在帮助更多“有屠龙之力”的AI模型找到落地接口。

绝大多数AI模型——无论是自动识图、自动转文字、自动翻译——本质上做的都是“批量快速自动化完成需要简单动脑的工作”这件事。而那些能快速批量化工作、解放人类双手的AI模型们,离商业化应用差的就是一个落地接口。

如果获得了一个接口,就相当于让这些AI模型获得了一个施展才华的平台,而模型背后的开发者也会借此获得更多好处。开发者会训练更好的模型、更高效地服务用户,更丰富的应用场景、更多的用户也会反过来激励开发者们的研发工作。

有了从研发到落地整个产业生态的正向推动力量,万物皆可自动化的世界也就不远了。

背后的来也科技

产品来自AI公司来也科技,2019年与UiBot的开发团队RPA公司奥森科技合并,也就走了这样一条RPA+AI的路子。

合并后的来也科技,团队技术背景雄厚。

董事长兼CEO汪冠春、CTO胡一川这对组合就像谷歌创始人Larry Page和Sergey Brin一样,分别毕业于普林斯顿大学和宾夕法尼亚大学,而后选择创业,项目被百度收购,二人也分别成了百度智能交互和百度视频技术的团队负责人。一度爆火的百度筷搜就出自汪冠春旗下。

而联席CEO兼总裁李玮和高级副总裁褚瑞则是毕业于国防科技大学,如果你是一个游戏爱好者,一定知道他们开发的按键精灵软件和靠谱助手平台,两个针对游戏的流程自动化产品,也是最早做RPA的开发者。



可以说,这样的团队是强强联手了。

目前,来也科技已经拓展了了德勤、神州数码、航信企服等在内的200多家合作伙伴,这些合作伙伴覆盖全国大部分地区,甚至还走向了新加坡和日本等海外国家。

或许过不了多久,你工作中那些繁琐重复的部分,也可以方便的用RPA+AI来执行吧。







相关推荐