如今RPA要解决的核心问题是业务的数字化，而业务的数字化分为两个重要的环节：

一是人的数字化：因为人的不确定性最大、流动性最强，通过技术和产品，首先要做人的数字化，达到基本的人机协同，才能谈下一步；

二是系统的数字化：老旧的商业系统，开发流程长、时间慢且过于刚性，没有办法跟上商业的变化速度，RPA要做的是在既有的系统里进行自动化升级。

而无论是人的数字化，还是信息系统的数字化，根据光锥智能对多个头部厂商的观察发现，AI技术的加持，让RPA向着智能化迈进。

在人的数字化层面，当下的RPA能够代替人的机械性劳动和工作，随着AI在RPA领域的落地应用，使人机协同中机器的部分变的更加智能高效。

举一个简单的例子：

某银行每天要处理3000张用户手动填写的开户表格，纯人工需要员工手动输入3000次表格数据。

随着RPA在银行业的普及，利用RPA机器人，可以自动处理500张表格。但由于用户手动填写不够规范，还有2500张表格需要人工处理。加入AI能力后，RPA机器人可大幅度提高处理效率，3000张开户表格中，能够自动处理2800多张，不但精度高，而且更高效。余下需要人工处理的表格不足十分之一。

由此可见，随着 AI 技术的不断发展，以及 B 端商业需求爆发，RPA 行业正在重塑。当引入 NLP、OCR、语音识别、语音合成等 AI 技术后，RPA 技术变得更高效、并且具备初步智能，拓展了 RPA 的边界。

但系统的数字化，依旧是当下RPA待解决的一大难点。

尤其是国内除金融领域和一部分大型企业客户外，其他行业 RPA 渗透率低，也意味着市场潜力巨大，IDC 预计 2023 年中国 RPA 市场将达到 10.2 亿美元。

随着近年来企业开始进行内部数字化转型，RPA的应用领域开始逐渐扩大，拓展至ERP、CPM、电商自动化、人资自动化、营销推广自动化等等。

而场景的拓展，也让RPA的局限性开始逐渐凸显。

比如，现在很多大型企业都存在信息孤岛问题，尤其是跨部门之间的系统规划、周期都是分而制之，靠人力协同，而RPA要在企业中发挥效能，就必须在不改变原有生态的情况下将各自分离的系统串联起来。

AI+RPA，下一步如何深入核心业务？