本报告是虎嗅智库推出的「大鲸榜｜智能自动化技术商评选」的技术落地分析篇，重点关注AI+RPA技术在零售电商行业的落地场景与实施效果等，为技术应用方提供最新的经验参考。
从流程自动化概念的提出至今，RPA技术持续更新迭代，在零售行业应用也颇为广泛。早期的RPA作为自动化脚本的工具，主要应用于数据录入、财务对账等复杂性低、重复性高的流程自动化工作。在大模型兴起前，AI的作用更多是RPA功能的辅助器，而大模型带来了新的机遇，信息处理、内容生成能力远超上一代AI，让RPA变得更智能化，可以应用于更加多样化的业务场景、参与更加复杂的决策和分析工作，如客户服务、财务分析等。
零售电商行业是一个非常注重效率的行业，各产业链环节均涉及大量人力工作，核心痛点是提高人效。目前，RPA在零售行业的应用主要集中在财务+电商两大板块，典型场景是门店财务汇总和对账、电商客服/商品运营，除此之外，企业逐渐开始加强对私域运营、数据运营等场景的关注。
根据虎嗅智库调研，企业通常会从品牌实力和产品能力这两个维度来综合评判RPA厂商，并作为采购决策的关键依据。其中品牌实力涵盖解决方案的先进性、售后服务能力、成功案例数量等方面，产品能力则包含产品的适用性、稳定性、易用性、智能化程度、用户满意度等指标。同时建议企业从内部组织文化、传达机制、数字化能力出发，打磨自身应用落地基础 ，进一步加深RPA应用深度，提高应用成效。
AI与大模型改造了RPA智能化能力，赋予其“认知决策大脑”
RPA，即机器人流程自动化（Robotic Process Automation），是利用软件来自动化执行业务流程的一组技术。从流程自动化概念的提出至今，RPA技术持续更新迭代，在零售行业应用也颇为广泛。
早期的RPA作为自动化脚本的工具，主要应用于数据录入、报告生成等复杂性低、重复性高的流程自动化工作；近几年在AI、大模型等技术的加持下，RPA已经可以应用于更加多样化的业务场景、参与更加复杂的决策和分析工作，如客户服务、财务分析等，成为零售企业数字化转型的重要推动力。大模型的兴起也推动RPA向“AIagent”演变，但本质上技术背后代表的实质上都是自动化、AI等技术如何帮助白领员工解决重复性的劳动。
基于自动化的水平，可将RPA分为基础自动化、智能自动化和超级自动化三个阶段。基础自动化主要是基于标准的RPA产品，帮助用户完成日常运营方面的重复机械的劳动，核心的产品应用逻辑是员工首先需要学习大量的编程组件等相关背景知识，之后员工作为流程的构建者，人工完成参数配置，来实现某些流程的自动化，核心脱离不开人的深度参与。
智能自动化主要基于RPA+AI，在基础自动化基础上，接管更多对非结构化数据的处理能力，对数据录入、审批、风控等岗位进行赋能。具备了一定的智能化属性，RPA核心应用逻辑更类似于“录制”，相当于让员工指导RPA过一遍流程，过程中的每一步操作都会自动生产代码、组件和参数，软件的拾取是默认的，省去大量人工环节，构建流程的效率和用户体验得到提升。
超级自动化主要是基于RPA+AI大模型/低代码/数字孪生等技术的融合，在智能自动化的基础上，完成更多数字化改造，包括建设集中运营系统为企业搭建客服或营销平台等。用户不需要太多的经验和技能知识，大模型可以自行学习复杂的操作流程或产品使用说明，然后通过大模型拆解任务，来预测下一步流程，生成操作流程。
在大模型兴起之前，所谓的RPA+AI的结合，AI的作用更多是RPA功能的辅助器，比如在处理流程过程中，AI帮助RPA处理一些文档信息理解或者OCR这类相对比较简单传统的任务，但其实对RPA功能的加成相对有限。而大模型带来了新的机遇，信息处理、内容生成能力远超上一代AI，让RPA变得更智能化。第一，传统RPA中，所有的流程动作细节还是要靠人来定义或编辑，门槛和成本相对较高，现在可以依赖大模型，通过自然语言的方法理解人类的意图，然后将意图转化成能够自动执行的动作和步骤，甚至串联成一个自动执行的流程。第二，大模型可以自行理解知识和业务逻辑，形成自己的判断，能够执行的任务更多，而不是像传统的RPA一样，机械性地理解和执行固定规则下的重复性工作任务。
AI在RPA发展过程中，使其功能逐渐从“四肢”进化为“大脑”。从智能化的角度看，基于AI的RPA摆脱“机械臂”的定位，作为各类智能化技术的连接器，可以在不改造系统的前提下在流程中得到应用，将不同的数据资源和系统串联起来，变成流程的一部分。从数字员工的角度看，基于AI的RPA泛化能力更强，将数字员工升级为“高阶”形态，其中一方面提升了RPA的能力深度，可以处理更加复杂的任务，提升效率和易用性；另一方面提升了赋能广度，能力由中后台的处理、核对、统计延伸至前台营销，可以更加灵活帮助企业解决问题。
以自动化、智能化手段解决零售场景内人效低的问题
RPA适用于流程固定、规则明确、重复性高、附加值低的工作内容。零售电商行业是一个非常注重效率的行业，不管是品牌方、生产制造商、各级供销商还是门店，各产业链环节均涉及大量人力工作，业务侧重点不同决定了各环节细分需求有所差异，但共同需求是提高人效。国内消费零售领域正在面临过度竞争的困境，各消费零售企业在此种情况下，会更加注重用户体验和运营效率。目前，RPA在零售行业的应用主要集中在财务+电商两大板块，典型场景是门店财务汇总和对账、电商客服/商品运营，除此之外，企业开始重视通过自动化的手段，加强对私域运营、数据运营等场景的关注。
用户数据运营
品牌方通常需要了解各个平台渠道上的消费者商品评价信息（VOC）和业绩情况，触达用户的真实需求和感受，这便需要跨平台采集数据，并汇总至同一平台上，对数据处理、分析、价值挖掘、可视化、生成报表等一系列精细化操作的要求更高。通过运用RPA这类自动化工具，企业能够较为直观地感受到效率的提升，第一，RPA能够协助员工自动化进行信息的采集处理分析，最后只需要登台报表即可；第二，当前标准化的产品配置效率高，企业可以根据业务诉求自行配置流程，省去学习培训成本；第三，效率的提升更具启发性，企业会自行探索在更多场景中应用自动化、智能化的工具。
私域运营
当前公域流量红利逐渐消失殆尽，多数企业愈发注重私域流量的价值，关注自己客户长期价值和忠诚度的转化，各种公域转私域、粉团运营、一对一服务、营销号、群服务、舆情运营的场景需求激增。社群运营管理是一个高重复性、琐碎且任务量大的工作，越来越多的企业也开始运营私域运营AI机器人，进行企微客服生成图文内容、内容审核验证、群发消息等操作，降低人工操作的比例来提高效率。
数字化建设
数字经济和数字化转型与数字员工息息相关，企业自动化、智能化是发挥数据价值的必选项。通过AI+RPA的融合建立数字员工，零售企业能够以少量人员+数字员工的形式完成更多工作，人效会非常高。
不同的系统和组织之间存在鸿沟，RPA则天生可以跨越这道鸿沟，相当于一个连接器，不用改造系统就可以串联起各种数据资源、数据中台、算法，在流程里融入一些数字化领域的创新技术、通用引擎、公共数据资源。另外，服务商在提供RPA工具的同时也会提供数字化转型相关服务，包含咨询、宣导、课题研究等，可以帮助企业统一认知、梳理流程、挖掘痛点。
由于RPA能有效直观地帮助零售企业降本增效、优化客户体验，许多企业也正逐渐认可其价值并采用，来应对日益增长的市场竞争和消费者需求。除上述场景之外，随着企业对相关技术的信任，其渗透程度也将逐渐加深，尤其在供应链管理、库存控制、客户营销和数据分析等方面存在很多应用机会。例如，在库存管理中，RPA可以自动跟踪库存、预测需求和优化库存水平；在客户服务方面，RPA能快速响应客户咨询，提供个性化的购物体验。
评判厂商能力维度通常以主观性指标为主
根据虎嗅智库调研，企业通常会从品牌实力和产品能力这两个维度来综合评判RPA厂商，并作为采购决策的关键依据。其中品牌实力方面，企业会从解决方案的先进性、售后服务能力、成功案例数量等方面来衡量厂商的综合服务能力；产品能力则包含产品的适用性、稳定性、易用性、智能化程度、用户满意度等指标，展现厂商的产品技术实力。
品牌实力
1. 解决方案先进性：对于一些企业来讲，产品或解决方案与公司战略目标的契合性尤为重要，这些企业更看重的是能否站在企业未来战略规划和数字化转型的角度， 真正帮助解决业务问题，或者在未来几年内满足其自动化、数字化、智能化的需求规划；
2. 售后服务能力：主要体现厂商的服务能力，例如方案完成交付后，在出现问题时，厂商是否能够快速响应，迅速定位和解决问题；后续是否能够持续进行产品的迭代优化；定期与企业进行沟通等。具体的量化指标有问题响应时长、工单解决时长、解决率、满意率等；
3. 客户成功案例：主要衡量厂商在不同的场景和领域的成功案例数量，以及厂商过往服务过的企业数量规模，看是否具备相对成熟的解决方案或产品，企业可以以此作为方案成熟度的依据，也可以作为教育引导和经验借鉴；
4. 品牌资质：包含一些部门机构或体系协会的技术认证、行业测评证书、发明专利数量、国家级/行业级奖项、资信级别、融资情况等。
产品能力
1. 适用性：产品在多场景下需要具备一定的通用性能力，例如软件通用的拾取能力，在不同场景下避免高度定制化的改造等；
2. 稳定性：企业需要保证自动化软件流程能够持续稳定的运行，例如可以衡量方案完成部署后产品持续稳定运行的时长等指标，这对于企业业务的稳定性至关重要；
3. 易用性：使用门槛和易用程度是企业落地RPA智能化应用的关键因素之一。在实施过程中，IT人员或业务人员能够快速学习，低成本、有效地掌握工具本身，让使用人员尽快上手，一定程度上可以推动方案的成功落地以及工具在企业内部的应用普及；
4. 智能化程度：AI与大模型的加持可以让RPA产品更加智能化，核心体现在企业的数据驱动决策优化、个性化用户体验和效率提升这三方面。第一，通过大数据分析，AI可以帮助零售商更准确地预测市场趋势和消费者需求，优化库存管理和供应链；第二，AI通过客户数据分析，可以进行个性化商品推荐，提供更优的购物体验；第三，AI在自动化和智能化方面的应用，如智能客服、智能物流和智能仓库管理等工具，能够提高零售商运营效率，降低管理成本；
5. 用户满意度：净推荐值（NPS），是自开发者对产品的评分，体现用户对于产品的获得感、满意度以及推荐产品的意愿。
6. 生态建设：众多的合作渠道和合作伙伴能够有效降低产品的落地部署成本，同时也体现出厂商行业内的影响力和认可度；
根据上述分析我们可以看出，衡量品牌实力的指标大多带有主观性，而对于衡量产品能力的指标，多数可以量化，能以更客观的视角看待。在选择RPA厂商时，不同规模客户的侧重点不尽相同。根据调研，通常大型企业更看重品牌实力，需要厂商提供更为全面的服务，价格分占比不高，评估维度更为主观。而中小型企业多以产品能力为衡量标准，更关注价格成本和场景现成性，有时候价格甚至是唯一考虑因素，客观性判断占据主导。
建议从内部传达机制、数字化能力等角度出发，修炼内功
对于企业的数字化转型，RPA是内外核心主办系统的辅助，系统需要自动化的工具来提高人员操作效率，而RPA可以满足企业自动化的诉求；另外，落地自动化工具出的时间周期相对较短，给企业带来的效果也比较立竿见影。从现状来看，零售行业整体对RPA已有一定认知度，大型零售电商企业的应用渗透超50%，由于其劳动密集型工作多，降本增效的需求更为迫切，但部分企业的应用仅浅尝辄止，应用深度仍有提高空间。
在解决方案实际落地过程中，认知和沟通方面的难点通常是最大障碍。在认知层面，首先需要转变管理层的固有认知，现如今AI和大模型为RPA带来了翻天覆地的变化，RPA已不再是以原有的运行方式。其次需要突破部分决策领导的偏见，例如技术人员不认可技术价值，拒绝学习和投入；害怕数字员工引入系统性风险的深层次担忧；业务部门思维定势固化，拒绝进一步优化流程等。另外，业务人员可能担心工作会被机器人接管，有一些客观上认知的阻碍，影响配合。沟通层面上，自上而下的有效沟通和共识是RPA成功实施的关键，这需要确保所有相关部门，包括管理层、业务团队和IT部门，在RPA实施的每个阶段都保持良好的沟通和协作，并能根据不同层级的人员提供差异化的宣导模版。在实际成效层面，RPA实施需要可量化的流程分析和优化，确保实施后能够为企业带来预期的效益。
为解决上述痛点，建议企业从内部组织文化、传达机制、数字化能力出发，打磨自身应用落地基础，进一步加深技术应用深度，提高应用成效。
第一，建立良好的组织文化，从管理层到业务员工，拥抱新技术、新工具来提高自身业务效率的意愿度都比较高，这样能分摊应用过程中的适配成本和学习成本，是在企业内部取得应用成功的重要因素之一。
第二，具有正向的传达机制，RPA是一个效率型工具，不是主干管理系统，自上而下或自下而上的实施均可，但推荐内部建立起正向循环的传达机制，这样既能安排专门的负责人在内部推动，促进在企业内部得到大规模、深入的应用，又能够让RPA产品快速地在企业内部找到合适的场景，在产生价值后有传播推广的渠道。
第三，企业最好具备一定的数字化基础，可以利用自身IT能力来开发掌握自动化工具，也可以通过自身数据资产进行价值挖掘。
第四，提高工具的智能化程度，因为第一，智能化会降低员工的学习上手成本、部署实施成本；第二，智能化的提升推动RPA在企业内部的应用深度和广度，解决的问题更多，ROI也会随之攀升。
落地路径上，推荐企业首先充分明确业务目标和预期成果，以确保RPA实施与企业战略相符；其次，选择合适的业务流程进行优化，可以优先考虑一些大量重复、规则明确且易于量化的流程；另外，企业还需要培养员工对RPA的理解和接受度，确保技术投入与人员培训并行；最后，需要对自动化流程的运行保持持续监测和定期优化，以确保RPA运行发挥最大效益。
文章来源：虎嗅智库服务
