行业新闻

大家好，非常感谢主办方给予我这次分享机会。我是优锐医药的 IT 负责人。今天我分享的题目较长 ——《人机共生，AI 赋能 RPA 工具的智能化升级》，听起来 “AI 味” 十足，其实这个题目也是我用 AI 生成的。

我先做个简单统计：用过 RPA 的朋友请举手。看来有一些，但不算多。关于大家使用的 RPA 品牌，我在后面一页有展示。有用 UiPath 的吗？有几位，这是行业头部品牌。如图所示，一旦使用这类自动化工具，大家肯定能体会到诸多优势。其中最大的优势，在我看来，是它不会影响下游应用 —— 无需对下游应用进行任何改造，就能直接接入，这是 RPA 的核心亮点。不过，今天我们重点从它的不足之处展开探讨。

RPA 工具既有国际 RPA 品牌，也有国内品牌。大家在选择工具时，路径各有不同。例如，在座来自头部药企的朋友，可能不会优先考虑国内工具；而国际厂商，也很少选用其他国际竞品。再进一步分析，RPA 工具数量繁多，与 ERP 市场截然不同（ERP 市场目前仅剩用友、金蝶、国外的 SAP、Oracle 等少数几家），这说明 RPA 市场尚未经历充分竞争。产品过多，反而容易让人挑花眼。假设大家是初次接触，老板要求引入 RPA 工具，该如何选择？这确实是个难题。

这里还隐含一个问题：这么多 RPA 工具，是否存在严重的同质化现象？毕竟，有些工具基于原生产品开发（如用友的 RPA），看似门槛不高。此外，我们在使用过程中发现，RPA 的学习成本并不低，学习曲线相当陡峭，并非想象中容易上手。作为一名有代码基础的人，对我来说，学习一款新的 RPA 工具，难度有时甚至超过学习一门编程语言。虽然它提供了图形化组件和工具，但实际组合运用起来并不简单，仍需花费大量时间钻研。一旦应用场景发生变化，更要投入大量精力研究如何适配，这与 “可视化和低代码能提升效率” 的设想形成了悖论。

正如泰勒斯定律所说，复杂度守恒。人们往往希望输入简单、输出清晰，如同一个 “黑箱”，但实际上，复杂度只是从一个环节转移到了另一个环节，外部看似简单，内部必然隐藏着复杂逻辑。因此，RPA 工具的实际应用价值，值得我们深入探讨。

接下来，我分享一个我们实际操作的项目。我的标题是《不是问题的问题》，因为在药企领域，经销商数据收集（DDI）几乎是每个企业的必修课。在座的药企朋友，有做过 DDI 的吗？我们的工作是每月从 100 个网站下载约 400 - 500 家经销商的流向数据（部分经销商共用同一网站）。这项工作不仅重复度高，而且下载后还需复核，因为数据直接关系到销售业绩。此外，人力方面也面临挑战：工作量极不均衡，团队人员（包括外包和内部员工）频繁调整。更重要的是，业务需求发生了变化 —— 老板希望从每月收集改为每周查看数据，靠人工完成显然不现实。

解决这个问题有哪些方案呢？业内常见的做法包括：与头部 DDI 供应商合作实现数据直联；外包给其他公司，由人工完成；或者采用 RPA 方案。

如图所示，我们从多个维度对这些方案进行了对比。如果简单打分，从风险和质量角度来看，选择 DDI 供应商无疑是最佳方案。但我们最终做出了一个 “反直觉的选择”—— 决定自主开发 RPA 工具。

为什么这样做？主要有两个原因：第一，资金有限。无论是购买现成的 RPA 工具，还是与供应商合作实现数据直联，都需要大量投入，而我们的预算无法满足。第二，基于对市场的分析，我们发现 RPA 工具同质化严重，这意味着它更像是一种服务，而非标准化产品。使用现成工具，往往需要针对特定场景进行大量二次开发。既然如此，我们何不直接编程开发？这就是我们的出发点。

那么，自主开发的 RPA 工具需要具备哪些功能？以网页数据下载为例，至少需要以下功能：

1.模拟浏览器操作：提供可编程接口，支持打开浏览器、访问网站、操作按钮、响应等待等一系列动作。

2.多样化数据获取：除浏览器访问外，还需支持数据包抓取、标准 API 调用（本质上是 HPS 模式）。

3.验证码处理：虽然经销商数据收集场景中的验证码不像上海车牌拍卖网站那么复杂，但仍需有效处理各类验证形式。

4.数据处理与存储：支持将数据保存到云端、本地或数据库，并提供数据加工接口，如筛选列、删除行、数据映射等。

5.网页元素识别：支持对网页功能区元素的识别。

6.日志与错误管理：由于网页抓取稳定性较差，必须具备完善的日志记录和错误处理机制。

我们认为，开发这样一个工具的成本可控。最终，我们确定了目标：自主研发 RPA 工具，并结合数据直联替代人工工作，力争在三个月内完成大部分自动化任务。为控制成本，我们选择免费的 Python 工具和自动化包，通过 CDE 方式实现代码交互。同时，我们积累的技术和行业经验，也为项目提供了信心。

当然，项目也面临诸多挑战。团队统一思想，将该项目列为最高优先级；架构设计上，简化为单机工具包，确保在每台机器上都能运行；技术实现上，将抓网站脚本与编码解耦，让非技术人员也能参与脚本编写。在实施策略上，我们计划第一个月完成大部分开发并适配部分网站，第二个月适配 85% 的网站，第三个月实现全量覆盖。

实际执行过程中，我们遇到了不少问题：验证码种类超出预期，部分验证方式极具挑战性；不同网站性能差异大，需要采用异步处理机制；开源工具缺乏技术支持，只能自行钻研。尽管困难重重，最终我们仍取得了不错的成果：三个月内完成了 90% 目标网站（约 100 个）的适配，最快时一人一天可完成 4 个网站的脚本编写；工具包开发完成 80%，编写代码约 7000 行，大部分代码在前一个半月完成，后续主要进行优化调整。

接下来，我想谈谈 AI 对 RPA 的影响，分享一些个人思考。先看两个例子：

1.用 DeepSeek 生成代码与测试案例：如图所示，我要求 DeepSeek 根据当前日期，计算加减十天后的日期序列，并生成单元测试案例。借助这个工具，即使没有专业编程经验的人，也能通过测试结果完成代码开发。原本复杂的编程工作，变得人人可及，这无疑是一个重大突破。

2.用 DeepSeek 解析网页源代码：我将登陆页面的源代码输入 DeepSeek，要求它提取登陆框、密码框、验证码框等元素，并以 JSON 格式输出。短短五分钟，AI 就能完成这项任务。如果由人工编写程序实现，过程将非常复杂。通过这种方式，产品经理无需依赖程序员，就能快速获取所需的 RPA 数据，极大地提升了工作效率。

总结来看，AI 对 RPA 的影响主要体现在两个方面：

🔹对开发者：AI 扩展了工具箱的范围和能力，使开发出的工具更加强大。

🔹对使用者：降低了逻辑门槛，将复杂处理交给 AI，用户只需关注结果，应用场景也因此得到极大拓展。

与此同时，AI 也对 RPA 开发者和使用者提出了新要求：

1.掌握提示词技巧：学会如何编写有效的提示词，这与传统编程学习截然不同。

2.转换需求表达：将需求转化为适合 AI 理解的表达方式。

3.紧跟技术动态：实时了解市场上 AI 工具的最新进展。

最后，我提出几个值得思考的问题：

🔹技术博弈：AI 加入后，RPA 开发者与反爬虫技术谁更占优势？

🔹安全隐患：AI 是否会带来更多安全性和合规性风险？

🔹行业变革：AI 是否会彻底重塑 RPA 赛道？未来，是 AI 智能体取代传统 RPA 工具，还是 “RPA + AI” 继续主导市场？这些问题，目前尚无定论，值得我们持续关注和探讨。

关于组织内部如何推动 RPA 与 AI 的结合，我有三点建议：

🔹个人层面：鼓励员工积极使用 AI 工具，提升个人能力，以点带面推动团队发展。

🔹组织层面：当员工普遍掌握 AI 工具后，考虑将 RPA 相关工作整合，形成专业化岗位，但这需要配套的组织架构改革。

🔹文化层面：安排专人在内部推广 AI 理念，分享成功案例，帮助团队理解 AI 的价值和应用场景。

以上就是我的全部分享内容，谢谢大家！