社会正处于一个由信息化向自动化,由自动化向智能化转型的时代,人工智能正渗透到各行各业,然而在面对个性化的场景、分散的系统和散落的数据时,如何通过人工智能为社会带来价值？构建数据中台或者paas平台也许是好的选择,但这些举措往往成本高企,过程漫长,前期企业很难为此买单,相比之下,rpa（机器人流程自动化）作为一个成熟却受限的应用一直被低估,它有着成本低,落地快的优势,可以成为当下人工智能的接盘侠。
基于这个目标,我们提出了“章鱼数字员工”的概念,rpa相当于章鱼的多条触手,执行多项复杂操作,ai相当于章鱼的大脑,做出合理的智能决策,组合而成就是一个无实体形态的“章鱼·数字员工”。设想一下,未来一个人带领一群机器人工作的场景,这将成为我们看到的未来。相比于唤作机器人,我们更愿意称之它为“数字员工”。
「实在智能」的产品以ai+rpa为主打,由ai云脑(z-brain)、机器人工厂(z-factory)、中枢控制台(z-commander)、终端机器人(z-robot)四部分组成,其中终端机器人(z-robot)可单独使用,也可结合企业所需嵌入某流程中使用。
一、z-factory机器人工厂
rpa的核心部分,又叫流程编辑器。基于前期对企业客户及rpa的研究调查,我们配置的流程编辑器拥有强大的稳定性和兼容性,同时内部组件库深度汲取了人工智能“sota”技术,能充分适应企业级复杂流程的创建与运行。
1、可视化低代码,小白也能轻松上手
当用户登录factory系统的时候,可以快速的开启原历史打开或创建的应用。我们可视化的、流程块的节点编辑,通过简单的拖拉拽,就可以搭建符合当前用户场景的业务逻辑。如果对业务流程一知半解也没关系,我们内置了丰富的典型案例,用户可以在这案例的基础之上去构建适合它的场景的应用,做相应的简单的改造。当然也可以直接运行典型案例的流程,享受流程自动化带来的快感。
2、精准处理复杂流程,企业级管理就是小case
我们自研的rpa流程引擎相较于传统的开源的work flow的流程引擎,它能支持复杂场景的流程设计,并支持多任务进行以及支持流程节点的异常处理。以下面两个真实的案例客户为案例：
从这个流程图当中可以看到,在繁杂的业务流程中,factory能完成多任务并行,同时处理各种异常情况的扭转,我们也在这个流程节点中加了一些try-catch的机制,方便我们用户处理各种异常情况。
3、智能检索+超丰富组件库,花式打造各种流程
我们的ai能力通过组件化低门槛的方式,方便用户进行简单的调用,同时我们也支持私有化的部署。我们自研的基于计算机视觉的cv的组件,当前已支持了flash、sliverlight以及pdf相应的一些图片上面的元素 的拾取和操作。当然在其他类型,如ocr类型,我们已支持常见场景的图片类识别,比如说身份证、银行卡、对账单、保险单、工业巡检等；在nlp这个类型中支持了具有通用性原则化的一些分词,包括关键词提取、语义分析、语义相似度分析等。,我们可以根据客户的场景去研发符合业务需求的能力。
4、公共参数可视化,既是拥抱变化也是维持稳定
大家都知道在互联网行业里,我们听得多的一句话就是拥抱变化。rpa数字员工,在安 装部署的过程当中对环境的要求是非常的高,如果任何一个环节出现了变化,它的可用性就基本上降为0。有了公共参数可视化的配置组件,就完全可以解决以上这个问题,让我们数字员工具有能够拥抱变化的能力。它的实现的原理跟机制是把我们流程当中具有可变的因素 、条件设为全局变量,支持可视化的配置输入,然后就可以提升我们整个流程应用的一个可维护性、可适配性。
二、z-commander中枢控制台
充当流程的指挥官。顾名思义,统筹多台设备上客户端机器人的管理和监督、进行智能运筹调度、任务计划制定。它具备一高一低两个特性：一、产品的稳定性高,二、维护成本低。
三、z-bot终端机器人
任务的执行者,其中bot包含三种模态：任务式,流程式,交互式。它们可以灵活部署在客户端设备上,并通过时间轴和数据看板的方式展现bot各个时间节点上,每个任务执行情况以及执行结果,让效率进一步得到提升。同时bot也具备了z-commander的一些基础的能力,它可以脱离z-commander的进行灵活的一个控制,灵活的任务管理,灵活的定时任务设定。
四、ai云脑
实在智能在传统“三件套“架构的基础上,了自研ai能力平台“智能云脑”z-brain。其中,在自然语言处理领域,z-brain覆盖了包括bert、albert、roberta等算法；在计算机视觉领域,z-brain覆盖了db、pmtd、rare等算法。具备迭代、自动调参、多场景融合技术,可以输出ai组件,完成大规模复杂场景的智能决策。
首先是云脑部分的起点——data hub多元异构数据平台,由它接触我们客户的业务系统,进行数据的采集以及进行简单的处理,并将处理过后的数据传输到我们的标注平台,我们的业务专家,在标注平台进行业务能力的一个标注,然后实现人工智能的人工部分,通过标注过后的数据,再以在线的方式传输到我们的算法平台,相当我们人工智能有了数据的石油,算法平台里面可以进行数据的提炼（预处理）,包括模型的构建、参数的设置、模型的训练以及的打包发布,可以将模型直接发布到我们的决策平台,由决策平台来进行业务的对接以及模型的一个计算,决策平台会将后续从data hub过来的业务环境的数据进行一个模型的计算,输出计算结果或者是决策方案,然后由这个方案发布送到我们的commander,commander来调度具体的bot来进行根据决策进行相应的一个执行。
这就是我们智能决策机器人的全链路,它实现了一个从数据到决策的闭环。我们相信ai+rpa有着无限的可能,在未来机器人的协作里,rpa的发展肯定是机器人之间的协同工作能够产生无限的自动化和智能化提效的解决方案,我们首先需具备ai加rpa的产品矩阵,并以此形成适用于各行各业的rpa解决方案库。
随着市场竞争的加剧和信息技术在企业管理中的广泛应用,企业人力资源管理正在发生巨大的变化。
越来越多的企业建立了人力资源共享服务模式,将行政事务与人力资源分开,以集中服务、降低成本、提高服务化和规范化、提率。
然而,hr每天不得不面对大量不同形式的数据和报告。在缺乏自动化技术的情况下,效率和人力问题仍然是企业管理者头疼的问题。
rpa为人力资源共享服务提供解决方案,人力资源共享服务中心都有哪些难题？
一般来说,人力资源共享服务中心运营会遇到以下四个问题：
,数据处理量巨大且复杂
人力资源共享服务中心服务于整个企业的所有员工。在每个薪资结算周期,人力资源服务中心必须收集、整理和汇总各业务系统中与薪资结算相关的各种数据。这些数据包括社保公积金费用报表、考勤数据、加班数据、销售业绩数据等。各种各样的城市,数量众多,种类繁多。
第二,手工处理业务需要时间和精力。
从不同的业务系统下载各种数据表单后,需要进行大量的手工排序和合并,按照一定的要求拆分成不同格式的文件,然后导入hris系统进行当月薪资计算。这种操作不仅费时费力,而且在数据排序和粘贴过程中容易出错。
第三,员工满意度下降
由于工资和社会保障管理的及时性,在工资和社会保障的每个计算周期中,人力资源服务中心的所有雇员都被派遣,没有时间去处理其他工作。长期以来,员工满意度一直在下降。
第四,员工流动性高。
大量数据表单被处理、导入和导出,机械工作被重复,这导致人力资源共享服务中的员工流动性很大,并且由于人力资源服务的性,企业招聘和培训的成本进一步增加。
rpa解决方案直接触及人力资源服务痛点,借助rpa技术,企业的人力资源共享服务将获得一个自动化和的解决方案。
人力资源共享服务中的大量交易通常有两个特点：一个是大量的重复交易,另一个是规则可循。这两点正是应用rpa的关键。
rpa机器人通过在计算机上模拟人类员工的操作来接管人力资源共享服务中的事务性任务,不仅提高了人力资源共享服务的工作效率和服务质量,还进一步提高了企业员工的满意度。
常见的人力资源应用场景包括社保公积金结算单自动处理、绩效考勤数据报表自动处理、员工入职离职处理、差旅费管理、工资自动处理、员工数据管理等。
杭州实在智能科技有限公司是一家人工智能创业公司,聚焦大规模复杂问题的智能决策领域,通过ai+rpa技术打造广泛应用于运营商、电商等行业的“智能助理机器人”,助力政府和企业激增保存、降本增效,从“劳动密集型”向“ai密集型”转型,推动生产模式与业务流程实现颠覆式创新升级。
免费会员