当我们重新审视RPA这项技术时，发现RPA就是把原来开发人员手中的专业自动化技术重新组合和优化后，转化成一种通用的技术平台，实现了平民化的应用，而这早已变成了技术领域的一种惯例。例如，今天人们更愿意使用一点即用的美图软件，而不是原来专业的精修软件Photoshop。不但是RPA技术门槛会降低，其他人工智能、大数据、云计算技术的门槛同样也会降低。随着技术的成熟、应用实践的增多，更多适用于普通人的技术、应用平台终究会应运而生。

　　所以RPA的火爆并不是有头没尾，只有做到云计算、大数据、人工智能等新技术与RPA的高度融合，未来人人可用的超自动化的时代才能实现。

　　目前的RPA，提供方式主要有开发型、本地部署型、SaaS型三种。其中开发型RPA，需要根据企业自身情况进行单独设计，类似于“私人订制”，适合于大型企业;第二种，本地部署型RPA，与早期的“按键精灵”相似，就在公司的服务器和电脑上安装使用RPA软件，一般都是中小型企业直接采购RPA成品;第三种，SaaS型RPA，更多需要与云计算业务紧密结合，用户可登录到云服务平台，在云环境中部署软件机器人，并在Web浏览器上自动执行任务。这三种RPA，第一种开发型成本最高，本地部署型RPA成本次之，SaaS型成本最低。

　　站在云计算的肩膀上，SaaS型RPA成为了想通过云服务来实现业务流程自动化公司的首选。由此对于RPA上云，很多厂商非常重视。来也科技甚至还发布了一个《RPA上云白皮书》，告诉大家什么是真正的企业上云。

　　RPA与大数据之间更像是“合作”关系。大数据技术能进行数据收集，RPA能够更方便快捷的在不同软件系统之间搬运数据。也就是说二者之间，相辅相成，共同助力企业打通数据孤岛。

　　对于采用RPA工具的数据分析及应用流程，通过RPA将业务流程最大程度的自动化是第一步，用RPA将各种数据分流、汇总、整合是第二步，通过大数据技术进行分析与挖掘并应用是第三步。由此可见，RPA通过自动化技术助力企业的运营实现数据流通，使不同系统之间的数据流转起来之后，一定需要大数据技术进行分析与挖掘数据背后的价值。

　　当RPA只是RPA时，它其实更侧重于用机器人代替人力自动执行各种流程业务，缺乏更深度的思考。AI的加盟，为它补上了“脑子”，当RPA与AI融合之后，RPA机器人不只能够执行自动化任务，还具备了简单的决策能力。同时这种能力可以随着不断的深度学习而不断升级，也就能够应用于更加复杂的业务流程，扩大RPA的应用范围。

　　论走向：从Gartner看RPA产业

　　据Gartner报告显示，2020年RPA市场规模为15.8亿美元，比2019年(14亿美元)增长11.9%;预计到2021年，RPA市场将达到18.9亿美元，比2020年增长19.5%。预计到2024年，RPA市场仍将以两位数保持高速增长。

　　Gartner其实早在2018年和2019年就已经把RPA软件列入著名的人工智能技术成熟度曲线(Hype Cycle for Artificial Intelligence)报告中。

　　在这条曲线中，我们可以观察到RPA的成熟时间小于两年，也是人工智能技术成熟度曲线前四段中成熟期小于两年的唯一一项技术，体现出RPA是人工智能技术中最快见效的一项。

　　有趣的是，1年前，Gartner的人工智能技术成熟度曲线报告中还没有RPA的身影，这也从侧面说明了RPA的发展迅猛和来势汹汹，仿若“凭空出现”，甚至已经超出了这家老牌专业调研机构的预期。

　　其实，听过很多传奇，说白了都是总有人能先一步看到未来。

　　2020年10月，Gartner公布了《2021年CIO年度议题大调查》报告。在这份报告所统计的2021年全球企业IT技术投资动向名单中，以RPA为代表的流程自动化排名首次进入前十，且名列第四，有44%的CIO选择在2021年投资RPA。该报告访谈了全球74个国家、1800个地区，中、大型企业的CIO，这个数据也就意味着大概有超过800家企业在2021年会重点投资RPA产业。

　　放眼近几年的Gartner相关报告，自动化相关的技术与趋势占比越来越重。今年，Gartner发布的《2021年重要战略科技趋势》中，超自动化就是其中之一。

　　超自动化结合了RPA、AI、机器学习、自然语言处理、流程挖掘等各项技术与工具，目标就是增强由AI驱动的智能决策和数字化运营。所以对于超自动化而言，RPA会是超级自动化的关键组成部分。

　　揭开RPA迅速蹿红的面纱，如果说时势造就英雄是“因”，那么相信市场与时间的检验必会给RPA的发展一个“果”。

　　文：达尼亚 / 数据猿

　　本文链接：http://www.iruis.com/News/professionals/57765.shtml