应用分析RPA的应用领域十分广泛,包括财务管理、审计管理、人力资源管理、金融等。虽然RPA在不同领域有不同的应用,但应用本质是相同的,可大致分为模拟人类手工操作和对基于规则的判断任务处理两大类。
RPA机器人在财务管理场景中的应用
在财务管理工作中有很多简单而又重复的工作,这些工作往往人工操作效率低、出错率高。RPA财务机器人可以帮助处理大量的重复性工作以及人工操作,能够更好的在费用报销、采购到付款、总账到报表、税务管理等几类典型的财务处理工作流程中被使用。例如,在费用报销业务中,RPA机器人可以自动登录系统并查询符合报销标准的报销单,通过OCR智能识别技术选择报销单并下载发票附件等相关信息在税局平台中自动输入验证信息进行发票查验,检查发票的信息的真实性,然后进一步校对报销单给出审核意见,然后最后核准给予报销或者拒绝申请。
RPA机器人在审计管理工作中的应用
传统内部审计流程存在明显的弊端,比如审计周期长、沟通成本高、重复工作量大,这一点一直在阻碍银行内部审计管理部门的监督和查错纠弊工作。RPA机器人可以收集审计证据,填写工作文件并审计管理,在项目管理和初步文件审查过程中发挥作用。比如,按照设定的规则,除了在检查系统中随机捕捉系统中的商业交易并提取需要的审计证据还可以根据相关业务数据做出分析得到审计结论。由于机器人的流程自动化是基于特定规则的程序开发,主要执行一些高度重复性的作业,且该作业的业务规则必需明确。对于需要大量人工判断的业务,特别是一些高级的分析工作,RPA并不适用。
RPA机器人在人力资源管理工作中应用
在人力资源管理领域,存在很多的工作流程可以使用到RPA流程自动化技术,包括查找履历、核算工资、社会保险、个人税收,甚至可以管理员工入职、离职手续。例如,RPA机器人可以帮助人事部门的工作人员登录征聘网站,发布所需工作职位和相关要求,可以帮助人事人员筛选合格简历、下载简历,进行简历分析。甚至可以帮助人事部门的招聘人员整合通过初步简历筛选的人员名单,将人员名单以及简历发送给公司的面试官[7]。有效运营对系统平台的稳定性有一定要求。当企业软件升级或切换系统平台时,机器人可能无法正常运作或迅速恢复运作,需要投入一定的时间成本和开发成本对其进行重新部署和优化。同时,机器人的日常运营维护需要企业人员对计算机知识有一定了解,对人员素质提出了更高的要求。
RPA机器人在金融方面应用
根据金融业务领域的不同,RPA在金融业务处理领域的难易程度主要分为三类:基本会计,包括报销,单据制作,整合数据和传递单据等操作内容简单、可重复性高的操作。某些人工智能技术的发展如图像识别日益加深财税证明的电子化程度,预计在不久的将来RPA的将会逐步取代人工参与基础会计工作。尽管当前所涉交易判定较为复杂,这给RPA带来严峻考验,然而在表格处置上RPA能够成功依据确定的交易计划取代人为进行整合,减少财会人员的负累;财务专家,主要涉及财务管理过程中的问题描述、诊断、分析、验证等工作,它们大多依赖于财务管理方面的熟练掌握,伴随技术的普及和科技的发展,今后RPA将继续于管理会计及分析方面帮助企业开发出更多的效益。
RPA除了技术特点和证券的实际业务需求外,主要用于资金保管科、业务中心、零售科、财富管理中心、证券和基金科、国际机构和其他部门。RPA的实际应用程序如下:提供资金前端、控制数据:主要用于启动资产保管系统、导出资金前端控制、关闭资产保管系统、在相应格式输入数据、关闭RPOP、启动D-COM、资金前端报送、资金前端数据校对、关闭D-COM。
RPA在金融领域应用十分广泛。金融技术的RPA技术主要反映在三个主要特点上:系统优势、功能优势和安全优势。
该系统的优点:非侵入性传播,简单快速,在线升级维护。功能优势:对机器人的整个操作过程都以可见的方式显示;支持多种文字语言,如Python、LinuxShell、VBA等;为活动提供通知机制,并支持短信和电子邮件等多种信息渠道通知。
安全优势:提供业务资源监测,并监测机器人的执行情况:提供机器人安全隔离控制机制,以避免影响日常商业运作;提供灾后恢复、多活动管理机制和自动平衡负载执行机制,以确保系统的耐久性。
同时,其问题也很明显,信息技术与组件(比如D-COM分布式组件)的调用十分专业,需要有相对水平的运维团队支撑,不然后期很难跟进,遇到业务调整和运行问题,一线操作人员将无所适从。
RPA在政府部门的应用
政策计算器是AI+RPA的典型应用。通过人工智能的语义分析,构建政策需求与企业条件之间的匹配算法,实现企业与政策的双向智能匹配。政策计算器可以有效解决政府与企业之间的信息不对称,政策自动输入、自动分析、自动验证、企业政策推送、应用信息及时、自动提醒等问题。它还可以智能地评估企业的多维发展指数,量化企业自身的条件和激励政策之间的距离,并根据专业政策解读的经验提供专属行动建议,为各级政府和企业的政策性工作带来了质量、成本、效率上的显著提高。由于AI技术当前尚处于发展中,比如语音识别技术具备很高的识别率但还无法百分百的制策略,可以提前预知脱硝系统喷氨量,减小喷氨量的同时,达到精确控制的目的。可以看出经过数学仿真计算后的拟合曲线,动作要优先于NOX实际测量曲线,根据计算,超前响应时间大概在40秒左右,一定程度上可以提前控制,减少喷氨量的消耗。