智能财务之流程自动化变革：从RPA到IPA

刘 勤（博士生导师）

尽管以机器人流程自动化（Robotic Process Automation，RPA）为代表的流程自动化技术在被提出之初，被普遍认为是一种复制人类行为的、缺乏真正智能特征的技术，不应划归人工智能（AI）技术的范畴，但由于其可替代人类强规则性操作的能力，被一些智能财务研究人员认为是需要特别探索的基础技术之一（刘勤和尚惠红，2020）。随着以模式识别、神经网络、机器学习、自然语言处理（NLP）等为代表的AI 技术的迅速发展，以RPA+AI 为代表的智能组合技术——智能流程自动化（Intelligent Process Automation，IPA）开始出现并逐步应用于企业财务的实际场景之中，部分弥补了相关技术智能性不足的短板，从而使流程自动化真正被广大的智能财务工作者所关注和重视（田高良等，2022）。

当前，以RPA 和IPA 为代表的流程自动化技术越来越受到财务工作者的青睐，并被认为是加速财务智能化发展的重要利器之一。然而，目前无论在企业实际应用场景中还是在软件厂商所提供的解决方案中，对IPA 乃至超级自动化（Hyperautomation）的应用都还处在初步的探索之中，大量的理论问题和应用难点有待研究和解决。本文以流程自动化技术的讨论为起点，详细探索智能财务发展中被大家普遍关心的问题，期待能给系统研发和应用实践工作者一些有益的启发。

一、流程自动化相关概念及发展背景

1.流程自动化相关概念。流程自动化是一个内涵丰富的现代概念，涉及很多的学科和应用领域，下面仅对与其具有强相关性的部分概念进行初步探讨。

流程自动化是指利用各种技术和工具，对组织中的业务流程或者工作流程中原本需要人工参与的重复性任务进行自动化处理的过程。这一过程旨在通过计算机软件、硬件和人工智能等手段，替代或辅助人力完成多种日常工作，从而提高工作效率、降低出错率、节约成本并提高业务响应速度。流程自动化又包括RPA、IPA 和超级自动化等相关概念。其中，RPA 是一种利用软件来模拟和执行人类在日常业务流程中进行的重复性、规则性和可预测性任务的流程自动化技术。RPA的核心在于替代人工执行那些重复且基于规则的计算机任务，这些任务通常包括数据输入、表格填写、文件传输、邮件收发等内容。IPA 则是一种将AI、自动化及其他前沿技术应用于流程自动化的组合技术，IPA不仅仅关注于简单自动化以及模仿人类进行的活动，它还可以通过学习来持续改进和优化这些活动。IPA 是从RPA 衍生出的新技术，代表了一种更智能的流程自动化技术。超级自动化是一种广泛且深入的自动化策略和技术应用，旨在超越传统自动化方法，通过整合多种先进技术和工具，实现更大规模、更深层次的流程自动化。超级自动化不仅仅支持单一的自动化任务，而且覆盖了从识别可自动化的流程到持续优化流程的整个自动化生命周期中的各个环节，包括流程发现、分析、设计、自动化实施、性能度量、监控和定期再评估等内容。

2.流程自动化的发展背景。流程自动化的发展背景多元且相互交织，涉及以下五个方面：一是在技术方面，随着大智移云物区等技术的普及和发展，流程自动化的基础技术越来越丰富。RPA可以通过模仿用户操作界面的方式来处理流程，并通过云计算技术实现更为广泛的流程自动化。AI 技术的成熟使IPA 得以实现，通过集成AI 算法，自动化流程可以处理非结构化数据，进行复杂决策，并根据过往经验和反馈进行自我学习与优化。二是在政策方面，各国政府和国际组织不断倡导数字经济、企业数字化转型、人工智能技术的发展，纷纷推出相关政策以支持技术创新和流程自动化，支持研发投入、引导企业升级信息化设施、培养数字化人才等，并通过系列法律法规的出台，强调在流程自动化中需注意数据安全、隐私保护和合规性等问题。三是在应用方面，流程自动化技术已逐步渗透到各行各业，包括金融、医疗、制造、零售、物流、公共事业等行业，具体涉及财务、人力资源、客户服务、供应链管理、生产制造等领域的业务流程。通过自动化处理行政、财务、IT支持等后台流程，组织大幅度提升了工作效率，减少了人力成本，使得员工可以从事更具创造性的工作。四是在生态方面，市场上陆续涌现出一批专门提供流程自动化解决方案的软件服务商与平台，如UiPath、Automation Anywhere、Blue Prism、来也科技、艺赛旗、达观数据等，它们构建起包括软件开发工具、API（Application Programming Interface，应用程序接口）、培训课程、社区支持等产品与服务的生态系统，并逐步实现了与各类企业管理软件及各种AI 服务平台的紧密结合，从而形成了一个更为庞大的技术生态系统。五是在理论研究方面，过去的十多年中，国内外专业厂商和学术机构的专家学者们对流程自动化技术及其应用展开了深入的探索，对RPA 和财务机器人的实施方法、应用场景、工作过程、行业影响、流程优化、局限性等方面进行了详细的研究（杨寅等，2021；刘勤和陆诗婷，2022；田高良等，2022），为流程自动化的应用实践提供了理论依据。

此外，笔者从流程自动化有关概念的提出过程中也进一步发现上述因素的影响。RPA的概念由英国流程自动化厂商Blue Prism 的市场总监Pat Geary 于2012 年首次提出，由于其理念新颖、用词巧妙，很快被市场认可，并被其他相关软件公司所采纳（王言，2020）。如果从技术视角看，还可追溯到20 世纪90 年代，当时很多企业采用桌面自动化软件来帮助员工完成重复性工作任务，这些桌面自动化技术成了后来的RPA 技术发展的雏形。IPA 的概念最早由麦肯锡于2017 年提出，麦肯锡（2017）认为IPA的本质是“将人的机器属性剥离”，是结合了基础流程再设计、机器人流程自动化、机器学习等一系列相关技术的新技术。IPA又被认为是一套增强型的工具集，通过移除重复的、可复制的、规律性任务来帮助员工通过简化交互和加速流程从根本上提高管理体验。超级自动化的概念则由Gartner公司于2019年首次提出，其初衷是应对管理自动化方面所面临的众多挑战，通过整合不同类型的自动化工具和先进技术（包括但不限于RPA、低代码开发平台、人工智能、智能业务流程管理等），实现更全面、更深层次的工作流程和服务的自动化（Gartner，2019）。

二、RPA的发展以及IPA与超级自动化的兴起

流程自动化的发展历程总体可被划分为三个阶段，即RPA阶段、IPA阶段和超级自动化阶段（见图1）。由于超级自动化阶段目前尚存在一定的争议，因此图中用虚线标注以示不同。这三个阶段具有各自鲜明的特点，每一个阶段都是在上一个阶段基础上的升级迭代，同时也是自动化程度、系统集成程度和智能化程度提高的过程。

图1 流程自动化的发展阶段

1.RPA的发展及应用普及。RPA从面世到成熟应用经历了四个发展阶段（见图2）。早期的RPA 系统主要被部署在桌面，用于完成一些表格制作这样简单的辅助性工作；计算机网络普及之后，RPA 开始被部署在服务器中，被作为组织中的虚拟劳动力，用于完成一些较为复杂、无人值守的非辅助性工作；云计算技术出现以后，RPA 又被部署在云上，用于完成复杂的、包含有情感处理和高级分析能力的工作。直到最近，由于AI 的发展，RPA又开始结合AI技术尝试更为复杂的非结构化数据的处理工作，这一阶段当前又被认为是IPA的发展阶段。

图2 RPA的发展历程与趋势

在市场规模方面，根据前瞻产业研究院于2023 年发布的《中国RPA（机器人流程自动化）行业市场前瞻与投资战略规划分析报告》中提供的信息，我国2022年RPA的市场规模已达35.3亿元，预计2028年或将超过300亿元，可见近几年是RPA市场获得持续增长的高速发展时期。

尽管RPA 的优势显著，应用普及速度惊人，但随着应用的不断深入，RPA 技术的不足也越来越凸显，市场在呼唤更先进的技术来破解不断出现的瓶颈问题。

2.RPA技术的局限性。尽管RPA可以有效解决具备“流程化、规则明确、重复琐碎”等特性的问题，并降低业务操作的错误率，同时其使用范围也正在跨行业、跨地域、规模化地扩展，但相对于更智能的流程自动化需求，RPA存在诸多发展瓶颈或技术的局限性。

（1）RPA 技术主要适合结构化数据和具有明确规则的流程处理，对于非结构化数据，如自由格式文本、图像、语音、手写文档等信息处理的能力有限。如在财务领域，传统的RPA 系统通常只能处理结构化发票数据，如果收到的是手写或复杂格式的发票，可能需要人工介入转录和处理。

（2）RPA 遵循预设的规则和逻辑，无法应对复杂决策和异常情况。如在财务领域，RPA 通常按照预设规则处理对账、报销流程，而对于特殊情况，如复杂的费用分摊规则或非标准合同条款，RPA可能无法做出恰当判断。

（3）RPA 遇到业务流程变更时，往往需要重新配置和调试，如当菜单位置、字段名称发生变化时，RPA可能因找不到预期的用户界面元素而失效。特别是在复杂流程的自动化场景中，如国家税收政策变更导致计算方法改变时，RPA可能需要人工进行重新配置。

（4）RPA适用于简单、重复、规律性强的流程，对于涉及多重判断、多步骤逻辑推导或需要考虑多种复杂条件的流程则无法处理。如由于逻辑的复杂性，RPA 难以自行预测未来的现金流或评估潜在的财务风险等。

（5）RPA 对未预见的外部因素反应不足。当遇到用户界面更改、系统升级等，尤其是应对不断升级的系统登录验证手段，如难以识别的字符验证码、短信验证码、移动应用验证码、指纹和虹膜识别时，传统RPA 的操作可能会失败。

（6）RPA 在处理需要高级人类语言理解和情感识别能力的任务时存在局限性。如在接受财务咨询中，当遇到客户来电表达强烈不满或投诉时，虽然能按照预设的脚本回答问题，却无法理解客户的愤怒、焦虑或满意程度，也无法实时做出情感反馈和决策。

上述RPA 的局限性会带来流程适应性受限、复杂决策能力缺失、系统兼容性和稳定性降低、系统维护成本加大、可扩展性和灵活性受限等诸多问题，因此，在设计流程自动化方案时应谨慎评估RPA技术的适用性，并充分考虑与其他先进技术结合的可能性。

3.IPA 的应用与发展。将RPA 和AI 进行有机整合可以部分弥补上述RPA 短板。IPA可通过与AI技术的整合，通过学习模式和处理逻辑的自我改进，在执行任务时避免常见错误，从而降低流程自动化的成本。例如：针对非结构化数据处理的问题，IPA 能够通过OCR（光学字符识别）技术和AI 算法，识别和处理各种格式和质量的发票，包括手写发票和非标准格式的电子文档，直接提取所需数据并进行验证。针对智能决策与复杂逻辑处理的问题，IPA能够基于机器学习对复杂费用进行智能分配，根据合同条款进行深度解析和灵活处理，以及根据实际情况调整报销策略等。针对自我学习与优化的需求，IPA能通过机器学习模型学习新的规则和计算方式，并自动调整处理逻辑，实现流程的无缝切换。针对环境变化带来的问题，如财务系统的用户界面发生改变，IPA能够通过视觉识别技术重新定位用户界面的元素，并基于之前的学习经验快速适应系统界面的变化。针对高级图像和视觉识别的问题，IPA能利用图像识别技术自动提取纸质财务凭证的关键信息，如凭证编号、金额、日期等，大大缩短凭证的录入和处理时间。针对预测分析与风险评估等复杂场景，IPA可以通过分析历史数据，结合市场动态、宏观经济指标等信息，进行财务预测和风险评估，为管理层提供决策支持。

经过几年的发展，目前国外出现了一些能提供IPA解决方案的供应商，如：UiPath、Automation Anywhere 在其平台上集成了人工智能和机器学习的功能，推出了IPA解决方案；Blue Prism 在RPA 的基础上扩展了IPA 功能，包括智能决策、智能文档处理等；IBM 借助于其Watson的认知计算能力，将其RPA 产品升级为IPA 解决方案，从而支持更智能的自动化。国产RPA 厂商，如实在智能、来也科技、艺赛旗、云扩科技等，也纷纷在RPA产品中通过内嵌AI 模块支持智能决策、智能路由、自动学习和优化等，从而实现IPA功能。

4.超级自动化的提出。超级自动化技术是在流程自动化技术成熟度不断提升、数字化转型需求不断加强、企业劳动力优化不断加速、复杂业务场景挑战不断加剧的背景下被提出的。超级自动化可帮助企业在单一的任务自动化基础上，扩展至整个业务流程生命周期的各个环节，包括设计、实施、监测、优化以及持续改进等阶段，从而促进企业生产力的大幅提升和业务模式的创新改革。此外，超级自动化还强调人机协同共生模式的发展，即在自动化过程中结合人类的专业判断与机器的智能处理，共同驱动企业的高效运作和持续优化。

超级自动化技术自2019 年被首次提出之后，在短短的几年内取得了显著的发展。超级自动化市场已经展现出明显的增长态势，企业对其的认可度和采纳率不断提升。国内和国际厂商都在积极布局，将超级自动化技术融入自身的业务形态和服务中，引发了从任务自动化到流程自动化再到跨应用自动化，乃至重塑企业业务运营模式的深层次变革。

目前，超级自动化呈现以下五大发展趋势：一是企业正在从局部自动化向全链路、全流程自动化推进；二是AI 和机器学习技术的应用更加深入，使得自动化系统具有更强的学习能力和决策支持功能；三是低代码和无代码平台可助力非IT专业人员参与到自动化流程的设计和优化中；四是超级自动化平台愈发成熟，为企业提供了完整的自动化解决方案，实现了从发现、设计、自动化、监控到持续改进的闭环管理；五是在跨部门协作和企业级战略层面，超级自动化成为连接业务流程、信息技术和人力资源的关键纽带。

三、流程自动化核心技术及系统架构的变化

1.RPA的核心技术与系统架构。与传统RPA相关的核心技术主要包括三个方面：与自动化相关的核心基础技术、与数据获取相关的技术以及用于决策判断的相关技术（王言，2020）。与自动化相关的核心基础技术包括抓屏技术、模拟鼠标和键盘的技术、电子邮件自动化技术、与Windows和Office软件集成的接口技术，以及用来控制和管理文档在不同系统中自动传递的工作流技术等。与数据获取相关的技术包括传感器数据采集技术、网络爬虫技术、数据库查询技术、OCR技术和NLP技术等。用于决策判断的相关技术包括各种业务规则引擎、知识库系统、基于数据决策的相关技术等。

关于RPA系统的架构，基于自身的特点以及对RPA认识的差异，不同的厂商提供的系统架构和相关组件通常会有所不同。尽管如此，厂商一般都会提供自动化软件在开发、集成、部署、运行和维护过程中所需要的工具。最常见的RPA系统架构通常包括三个主要的组成部分：编辑器、运行器和控制器（见图3）。

图3 RPA系统架构

图3 中，RPA 编辑器指用于机器人脚本设计、开发、调试和部署的配套开发工具。RPA编辑器通常会提供可视化的控件拖拽和编辑的功能、自动化脚本的录制功能、自动化脚本的分层设计功能、工作流编辑器功能、机器人远程配置功能和接口集成能力等。RPA运行器指完成自动化执行操作的机器人。RPA运行器使用上述介绍的鼠标键盘事件模拟技术、屏幕抓取技术和工作流技术来模拟人类的操作，以完成复杂的业务流程操作活动。RPA控制器指面向机器人全生命周期的管理程序，是提供给运行维护人员用于监控、维护和管理机器人运行状态的配套工具。RPA 控制器提供集中式的控制中心，对多机器人运行状态进行监控，并提供远程维护和技术支持。控制器具备安全管理功能和控制功能、自动化分配任务的功能、队列管理功能和失败恢复功能等。

一些供应商还进一步将RPA 系统划分为用户界面层、开发与设计层、自动化执行层、任务调度与管理层、数据集成与处理层、底层技术支撑与基础架构层和安全与合规部件层等更细的层面，但核心仍是上述三个部件。

2.IPA 的核心技术与系统架构。IPA 在传统RPA 的基础上进一步融合了AI和其他先进技术，以增强自动化解决方案的能力。在传统的RPA 核心技术的基础上，IPA主要增加了机器学习与深度学习、NLP、OCR、智能工作流、规则引擎、数据分析与洞察等技术。机器学习包括监督学习、无监督学习和强化学习等多种方法，帮助IPA 系统从历史数据中发现规律、做出预测或者进行决策，提高了流程自动化中的认知能力和适应性。深度学习则是机器学习的一个分支，特别适用于处理复杂和非线性的问题，常用于图像识别、语音识别和自然语言理解等，增强了IPA系统的智能化程度。NLP用于理解、解释和生成人类语言，使IPA系统能处理文本、语音等形式的信息，常应用于客户服务、文档分析、合规审查等。OCR用于识别图像和将图像中的手写或打印文本转换为可编辑的电子文本，对于纸质文档或扫描件的自动化处理至关重要。智能工作流结合自动化流程和人工介入，确保端到端的业务流程更加顺畅和灵活，能够自动触发下一步行动，同时支持人机协作和决策节点。规则引擎允许业务专家无需编码就能定义和修改业务规则，为IPA系统提供了灵活的决策支持。数据分析与洞察对大量数据进行分析，提取有价值的信息，驱动流程优化和决策制定。

IPA的系统架构通常由多个组件组成，这些组件相互配合以实现流程的智能自动化。图4 是一种典型的IPA系统架构。图4中，用户界面模块提供与IPA系统进行交互的功能，包括创建、编辑和监控自动化流程，以及查看自动化任务执行的结果和报告。流程设计与建模模块BPMN 提供流程建模工具和设计器，允许业务分析师与开发者设计和描述业务流程，包括自动化任务的逻辑、规则和流程图等。流程执行引擎模块是IPA 的核心执行部件，负责执行已经设计好的自动化流程，管理流程实例、调度任务、处理异常以及执行任务的并发和同步。自动化组件模块包含各种自动化工具和插件，如RPA 工具、API 集成工具、OCR 和NLP 工具，用于处理非结构化数据。智能决策模块集成了机器学习、规则引擎、预测分析和其他AI技术，用于复杂决策、异常处理、预测分析和优化等任务。数据处理与集成模块具有数据抓取、清洗、转换和整合功能，包含了与企业内部或外部系统进行数据交换的API、ETL工具和数据仓库等。安全与合规管理模块用于保障整个IPA 系统在执行过程中遵循相关的法规要求，并确保数据的安全性，包括身份认证、权限管理、加密和审计等功能。云平台与基础设施涵盖了基础设施、容器化技术、负载均衡、高可用性及弹性伸缩等服务。

图4 IPA系统架构

通过以上多层次的架构设计，IPA能够将不同的自动化工具和技术无缝集成在一起，实现端到端的智能流程自动化，并支持业务流程的持续改进和优化。

3.RPA和IPA相关指标的对比。对比RPA和IPA的关键指标，可以帮助我们根据流程管理的实际需求正确地选择RPA 或IPA 解决方案。在系统架构方面，RPA 与IPA的异同点见表1。尽管RPA和IPA系统架构在很多方面存在相似之处，但在处理复杂性、智能化程度和自我学习能力等方面，IPA 系统架构具有更高级别的扩展和深化。RPA 和IPA 在非系统架构方面的差异见表2。了解两者的差异后，就可以根据任务复杂性和投资回报等方面的需求来选择合适的解决方案了。

表1 RPA和IPA系统架构对比

表2 RPA和IPA非系统架构指标对比

4.超级自动化可能的系统架构。超级自动化的系统架构是指为了实现高度集成和智能化的企业级自动化解决方案所设计的一系列相互协作的技术和组件的总体框架。有关超级自动化的系统架构可能存在不同的观点，因为它涵盖了多种自动化工具和技术（如RPA、AI、ML、低代码/无代码开发平台、API集成、流程挖掘、智能决策等），以及一套全面的方法论和最佳实践。超级自动化的系统架构可能包括如图5所示的核心组成部分。

图5 超级自动化系统架构

在图5的架构中，中央管控平台作为核心，连接和管理所有的自动化工具和服务。自动化工具集涵盖了RPA工具、AI/ML模块，以及API集成工具，用来完成不同层面的自动化任务。流程挖掘工具用于识别和改进现有流程，低代码平台支持快速构建自动化流程，智能决策引擎用于自动化决策，数据集成平台负责数据交换和管理。系统中还包含必要的安全与审计系统，以及对自动化流程运行状况进行实时监控与分析的模块，以支持不断优化和迭代整个超级自动化系统。

四、RPA、IPA和超级自动化在财务领域的应用场景

1.RPA的应用场景。RPA在财务领域的应用极其广泛，也十分成熟，如：账务处理中的账单录入、账单审核、结算与支付、报表生成等；税务处理中的税务登记、纳税申报、发票开具、验证、抵扣、归档等；采购到付款流程中的采购订单创建、审批、发票接收、发票验证到付款批准和执行等；订单到收款流程中的订单处理、发票开具、收入确认、客户回款跟踪与到账确认等一系列活动；总账到报表流程中的自动处理凭证生成、过账、试算平衡、财务报表生成等。费用报销中的接收、分类、审核报销单据，核实发票真伪，执行预算控制和报销标准审核等。

RPA 应用涉及的行业也非常多（见表3）。有关RPA应用场景的介绍文献很多，这里不再赘述。

表3 RPA在各行业中的应用场景

2.IPA 的应用场景。IPA 在财务领域的应用是在RPA应用的基础上进一步融合了人工智能和机器学习等先进技术的应用，其应用场景很多，以下是一些典型的例子。一是在应收账款管理方面，IPA 系统通过集成CRM和ERP系统数据，结合客户信用评级、历史支付记录、行业趋势和宏观经济指标，预测应收账款回收的可能性和时间。当存在逾期付款的情况时，系统可自动发送催款通知，并根据预测结果调整坏账准备金，减少财务报表的不确定性。二是在自动化现金流预测方面，IPA可整合多个财务数据源，比如银行流水、销售订单、采购合同等，应用时间序列分析或其他预测模型，预测未来的现金流情况。面对市场变动、季节性影响等不确定性因素，IPA能快速重新计算预期现金流入和流出，帮助决策者提前做好资金安排和流动性管理。三是在智能成本核算方面，在生产成本估算中原材料价格波动、汇率变动等因素会导致成本不确定。IPA可通过实时抓取市场价格数据、运用复杂事件处理技术跟踪物料成本变化，自动更新产品成本计算，使管理层能迅速反应，调整定价策略或寻找替代供应来源。四是在合规监控和报告自动化方面，面对不断变化的会计准则和法规要求，IPA系统能持续追踪监管更新，通过NLP 技术解析法律文本，并将新规定应用于现有会计实务。例如，对于税收政策的调整，IPA可自动调整税务计算模块，确保企业在申报过程中符合最新规定，降低因不合规所带来的财务风险。五是在动态预算调整方面，在预算编制阶段，IPA可模拟不同业务场景下的财务表现，如销售额增长放缓、成本上升等情况，通过假设分析和敏感度测试，帮助企业制定弹性预算方案。在执行过程中，一旦实际业绩偏离预算目标，IPA就可实时预警并建议调整预算分配，实现资源优化配置。

还有一些IPA 在应对系统登录验证码变化时的典型解决方案，都是利用智能技术实现的。一是利用OCR技术的解决方案。若验证码基于文本，则IPA 程序可通过集成OCR 技术识别并提取验证码图像中的字符。当验证码刷新时，OCR模块会自动捕捉新的验证码图像并进行识别。二是利用图像识别与机器学习技术的解决方案。对于复杂或扭曲变形的验证码，IPA能利用深度学习和神经网络进行图像识别，通过训练模型提高识别准确率。若验证码图案经常变化，模型需具备一定的泛化能力以适应新出现的样式。三是利用动态交互技术的解决方案。IPA程序可模拟人的行为，通过自动化脚本触发验证码的刷新，实时捕获新的验证码图像并进行识别。当识别成功后，自动填入对应的验证信息并提交登录请求。四是利用API 集成技术的解决方案。若系统开放了验证码的API接口，则IPA可直接调用接口来获取验证码并验证，从而避免图形验证码识别难题，实现更稳定高效的自动化登录。五是利用行为分析和处理技术的解决方案。在特别情况下，IPA程序能通过分析和模拟人类行为模式（如点击、滑动等操作）应对动态验证码（如滑块验证码），但这需要很精细的行为模拟和复杂的技术才能实现。

值得注意的是，利用IPA 应对验证码的目的并非鼓励用机器人破解安全防护，而是为了在合法和授权的自动化流程中应对验证码带来的技术挑战。在实际应用中，开发人员应尊重并遵守系统安全策略，合理合法地使用相关技术。随着安全技术的发展，越来越多的系统开始采用更复杂的验证机制，如双因素认证、生物特征识别等，以防止恶意自动化攻击。在这种情况下，IPA需要与系统安全策略保持一致，而不是试图强制突破安全防线。

3.RPA 和IPA 在财会领域中部分应用场景比较。表4 对RPA 和IPA 在财会领域中的应用场景进行了大致比较，主要涉及发票处理、报销流程、财务报表编制、银行对账、采购到付款（P2P）、销售到收款（O2C）、税务管理、合规监控、内部审计和决策支持等，为企业在上线流程自动化产品时选择合适的系统解决方案提供了一定参考。

表4 RPA和IPA在财会领域中应用场景比较

4.超级自动化的应用场景。当前超级自动化的成熟应用场景并不多，但其应用的独特性比较明显，主要体现在其对多种自动化技术的高度集成和协调使用方面。

（1）智能决策中心场景。通过构建一体化的决策支持平台，整合RPA、AI、机器学习和大数据分析，实现对大量实时业务数据的自动分析、智能预测和决策建议输出。如在金融市场中，超级自动化可用于构建智能交易平台，根据市场波动、经济指标和投资者偏好实时调整投资策略。

（2）全链路自动化治理场景。将原本分散的业务流程进行全面梳理和连接，通过流程挖掘技术揭示隐藏在流程背后的效率瓶颈和改进空间，然后运用RPA、IPA以及复杂事件处理等技术进行端到端的流程自动化改造。例如，在大型项目管理中，从立项审批、资源配置、进度监控到成果交付的全生命周期自动化管理。

（3）动态自适应业务流程场景。创建能够根据业务环境变化自适应调整的智能流程。当业务规则发生变化或出现未知情况时，超级自动化能够通过机器学习模型学习新的模式并即时调整自动化流程。比如，在供应链管理中，可根据实时市场需求、供应情况和突发事件等因素，动态优化生产计划和物流路线。

（4）跨系统集成与协同自动化场景。通过APIs、中间件和微服务架构等技术实现不同业务系统的无缝协作和数据共享，进而实现跨系统的复杂流程自动化，以解决企业内部多系统集成难题。如在ERP 和其他业务系统之间，超级自动化可建立自动化数据传递和业务联动机制。

（5）自治型业务流程场景。设计并运行能独立思考、决策并执行任务的自治型业务流程。这在一些高复杂度和高定制化的场景中特别重要，如智能工厂的柔性生产线调整、零售行业的个性化营销自动化策略制定等。

（6）高级自动化风险防控场景。在网络安全、合规监管等领域，超级自动化不仅能够自动化执行风险检测任务，还能通过AI 分析预测潜在风险，主动采取措施预防和应对危机。例如，实时监控网络流量，通过机器学习识别异常行为并启动防御措施。

当前最热门的超级自动化研究内容是智能流程挖掘与优化、低代码和无代码自动化平台、边缘技术与分布式自动化以及人机协同和混合智能等。

五、流程自动化未来发展趋势

1.与大模型技术的结合。随着AI 技术的不断发展，未来RPA有望结合更强大的AI技术，如以大模型为代表的通用AI 技术。RPA 联动AIGC，两者相互作用，组成更先进的IPA 技术，将进一步提高流程自动化技术的人机交互能力。同时，RPA 机器人的自我学习和自我优化能力将得到质的提升，能够更好地理解和处理非结构化数据，以优化更复杂的业务流程，满足多元化的业务场景需求。在AI大模型等技术的加持下，RPA将会增强理解与学习能力，进化成具有更强自主性的智能体，提升人机交互能力，延长RPA的生命周期和大大拓展在各行各业中的使用范围。但同时大模型等技术也可能会带来诸如准确性、可解释性、数据质量、团队能力、算力成本和数据隐私安全等方面的挑战。

2.与云计算技术的结合。国产流程自动化产品自诞生起似乎与云计算就有不解之缘，甚至有些还是云原生的产品，未来还会有越来越多的产品使用基于云的解决方案。借助于云的可扩展性和灵活性，企业将能够更轻松地部署和管理其流程自动化系统。这也将使企业能够利用RPA、IPA技术的最新成果，而无需投资昂贵的内部基础设施。使用基于云的解决方案对企业有两方面好处：一方面，企业能够根据需要扩大或缩小规模，无需额外的硬件或基础设施，这使企业更容易响应业务需求的变化，并使企业的运营更加敏捷；另一方面，可降低拥有成本，通过使用云技术，企业可以免除购买和维护硬件及基础设施相关的前期成本，这有助于降低实施RPA 的总体成本，使其更容易为中小型企业所采用。

3.与流程挖掘和任务挖掘的结合。RPA在各种AI加持下开始迈向IPA 阶段，IPA 技术更像是一种技术的集合，融合流程挖掘、任务挖掘、低代码、智能分析等相关编排、分析和集成方面的技术（IDC，2022）。可见，流程挖掘和任务挖掘是超级自动化关注的核心内容之一。其中，流程挖掘是一种新型技术和管理方法，旨在通过收集和分析企业业务流程的相关数据，发现流程中的瓶颈、浪费和低效问题，以优化和改进流程。流程挖掘在IPA中扮演着重要角色。它作为智能自动化的重要组成部分，可帮助企业发现流程中的断点、难点，并给出可视化解决方案，提供实现智能流程自动化的有效工具。任务挖掘可通过跟踪用户活动和收集用户交互信息，帮助企业识别出可以自动化的任务，进而审查运营并减少常见错误。任务挖掘为IPA 提供了必要的任务信息和数据。同时，IPA也为任务挖掘提供实际应用场景和验证平台，通过自动化实践，进一步验证任务挖掘的准确性和有效性。

4.RPA 和IPA 应用系统的集成。如前所述，当涉及需要判断处理的复杂任务时，RPA 可能无法做出灵活的决策，IPA 恰好弥补了RPA 的部分缺陷，结合了RPA、AI、机器学习和其他技术，使流程自动化更加智能和灵活。随着人工智能、大数据等技术的不断发展，RPA 和IPA 的融合使用将有利于更好地理解和处理非结构化数据，从而提高自动化的准确性和效率。这种融合将使RPA 系统具备更强的自适应能力，以便在处理异常情况或非标准任务时做出合适的决策。另外，RPA、IPA与其他系统的集成也将成为流程自动化产品的标配，并成为衡量流程自动化产品的重要考核指标之一。

5.风险控制方面将进一步加强。RPA 和IPA 在为企业带来流程自动化和优化的同时，也伴随着一系列安全控制方面的风险。RPA的主要风险挑战包括潜在数据风险、机器人源码篡改风险以及日志记录与审计跟踪的不足等。网络犯罪者可能会试图滥用RPA 机器人的权限，未经授权地访问组织内部系统，窃取或破坏敏感信息。恶意行为者还可能访问并修改RPA机器人的源代码，执行未授权的操作，甚至窃取机器人的凭证，实现无限制访问。此外，由于日志记录和审计跟踪的缺乏，组织可能难以检测和应对这些安全事件。IPA 也会面临类似的安全风险，特别是当IPA 涉及更多的人工智能和机器学习技术时。IPA 的非官方来源应用可能存在恶意代码或篡改的风险，这可能导致设备被攻击、个人信息泄露等问题。同时，IPA 在处理复杂任务时，如果缺乏足够的安全控制，也可能导致数据泄露或其他安全事件。为了规避、消除这些风险，除了采取常规的最小权限原则、强化身份验证和访问控制、加强日志记录和监控、使用官方和受信任的来源等措施，还可重点考虑引入第三方信息系统审计的方式，确保RPA和IPA系统安全、可靠、高效地运行。

6.以流程自动化为基础的数字化劳动力迅速增加。数字化劳动力是一种通过先进技术手段实现的虚拟劳动力，它可以模拟人类员工执行各种任务。其本质是RPA技术在融合AI能力之后的一次应用进阶，它的技术基础就是AI、RPA、数据、机器人等多重技术。数字化劳动力能够深入行业领域内，协同组织中的员工共同生产和办公，甚至可以替代部分员工的工作。随着AI技术的不断发展和应用，未来数字化劳动力将更加智能化，AI 的应用使得数字化劳动力能够更准确地理解并执行复杂的任务，甚至在一些领域实现自我优化和迭代。数字化劳动力还将逐渐实现个性化服务，随着消费者对个性化需求的增加，数字化劳动力将更加注重提供定制化的解决方案。通过深度学习和NLP 等技术，数字化劳动力将能够更准确地理解用户需求，提供个性化的服务和产品，从而提高用户体验和满意度。人机协同也将成为数字化劳动力发展的重要方向。

【 主要参考文献】

刘勤，尚惠红.智能财务：打造数字时代财务管理新世界［M］.北京：中国财政经济出版社，2020.

刘勤，陆诗婷.人机协同模式下财务流程优化研究——以K 公司费用报销流程为例［J］.财会月刊，2022（11）：115 ～120.

麦肯锡.数字经济时代的新一代经营模型（The Next-Generation Operating Model Forthe Digital Word）［R］.2017.

前瞻产业研究院.中国RPA（机器人流程自动化）行业市场前瞻与投资战略规划分析报告［R］.2023.

田高良，陈匡宇，周汀滢.智能流程自动化（IPA）技术解读及其应用［J］.财务与会计，2022（10）：28 ～32.

王言.RPA：流程自动化引领数字劳动力革命［M］.北京：机械工业出版社，2020.

杨寅，刘勤，张丹枫等.云南烟草商业基于RPA技术的财务机器人应用［J］.财务与会计，2021（7）：74 ～76.

Gartner.Gartner 2020 年十大战略性技术趋势报告（Gartner Top 10 Strategic Technology Trends 2020）［R］.2019.

IDC.Intelligent Process Automation in Deutschland 2022［R］.2022.