RPA在处理非结构化数据时主要会遇到以下挑战：

1. 非数字流程输入的转换：RPA主要按照预设的规则和流程进行操作，对于非数字流程的输入，如图片、文字等非结构化数据，需要先将其转换为数字流程才能进行处理，这需要额外的时间和计算资源。
2. 识别非结构化文档格式中目标数据字段的能力：RPA在处理非结构化数据时，可能无法准确识别和提取目标数据字段，这需要对非结构化数据进行预处理，如文本分词、实体识别等，以提高RPA的识别精度。
3. 相对轻松地适应不断变化的规则或业务逻辑的能力：RPA在处理非结构化数据时，需要不断更新和调整其处理逻辑，以适应不断变化的规则和业务需求。这需要RPA具备较好的自适应能力和容错能力，以便在出现错误时能够自动调整和修正。
4. 从自动化流程的事务性数据中生成洞察的能力：RPA在处理大量非结构化数据时，需要从中提取有价值的信息和洞察，这需要RPA具备一定的数据挖掘和分析能力，以便从海量数据中提取有用的信息。
5. 根据上下文解释和理解机器活动上游指令集的能力：RPA在处理非结构化数据时，需要理解数据的上下文信息和含义，以便更好地执行自动化任务。这需要RPA具备一定的自然语言处理和理解能力，而这正是当前RPA技术所欠缺的。

因此，为了解决这些挑战，RPA需要与AI技术进行结合，利用认知和智能识别技术来应对非结构化数据的处理需求。例如，可以通过使用OCR技术将图片中的文字转换为文本，使用自然语言处理技术理解文本的含义和上下文信息，以及使用机器学习和深度学习技术对数据进行分类、聚类和预测等。通过将RPA与AI技术相结合，可以更好地应对非结构化数据处理的各种挑战，提高自动化处理的能力和效率。