·中电金信研究院副院长单海军分享了两个观察：通用的基础AI平台已经解决了80%以上的行业需求，但是还有20%的长尾需求难以被解决；企业要数字化转型，有成百上千的AI模型需求，未来要关注AI模型的生产更要关注模型的有效运营，今天小编就来说说关于ai业务识别技术?下面更多详细答案一起来看看吧!

ai业务识别技术

·中电金信研究院副院长单海军分享了两个观察：通用的基础AI平台已经解决了80%以上的行业需求，但是还有20%的长尾需求难以被解决；企业要数字化转型，有成百上千的AI模型需求，未来要关注AI模型的生产更要关注模型的有效运营。

·中电金信金融服务副总经理谢晓全认为，从应用的角度来说， RPA（Robotic Process Automation，流程自动化机器人）目前的发展虽如火如荼，但仍处于起步阶段，面临的痛点是：运行不稳定、场景适应力不够、运维成本高和流程没有遵循统一的标准和规范。

从2020年到2022年，在咨询公司Gartner每年发布的未来重大战略趋势中，人工智能和超级自动化始终位列榜单中。“超级自动化”由Gartner在2019年提出，是机器人流程自动化、流程挖掘、智能业务流程管理等多种技术能力与软件工具的组合，是智能流程自动化、集成自动化等概念的进一步延伸。

有一个有趣的比喻：作为“超级自动化”核心应用的RPA（流程自动化机器人）就好像人的手，人工智能则犹如人的大脑。在企业的数字化转型中，往往是“AI RPA”双管齐下。那么在目前的发展阶段，AI在应用场景中有哪些痛点，未来趋势如何？RPA究竟解决什么问题，如何在数字化转型深水期真正起到“降本增效”的作用？

“AI还只是小baby阶段”

“今天都在讲AI、元宇宙，其实整个中国现在正在经历一个深度数字化转型的阶段。也就是说，随着95后到00后的年轻人成长，我们已经进入到一个数字原生的时代，数字经济将会成为各国未来经济的重要增长点。中国现在是全球第二大经济体，数字经济体量也是全球第二大，是目前全球数字经济增长最为快速的国家。”近日，中电金信副总经理、研究院院长况文川在2022世界人工智能大会“可信AI，创领未来”论坛上说。中电金信定位为基于全栈信息技术的金融数字化咨询及软件提供商、重点行业数字化转型服务专家，为中国电子旗下成员企业。

在论坛现场，中电金信研究院副院长单海军分享了对目前人工智能平台的两个观察。第一个观察是，过去几年，行业内都在打造通用的基础AI平台，这些通用基础AI平台基本上解决了80%以上的行业需求，但是还有20%的长尾需求很难被解决。

为什么会存在这样的长尾需求呢？单海军认为，因为每个行业的业务智能化需要有领域专用的AI模型，如同样是一个预测模型，用于做商品销售额预测的模型，不可以直接做房价的预测。另外，每个领域对模型的实时性要求也不一样，比如在金融领域，模型的更新要求可能是分钟级，甚至是秒级，因为在金融的风控领域，时延越长意味着预警越滞后，这样可能会产生很大损失。但在电力的需求预测领域，模型的更新可能只需要周天级，实时性要求没有那么高。所以不同行业及场景对AI平台的要求差别会很大，通用的AI平台挺难满足，剩余的20%需求需要通过领域专用AI平台解决。

单海军的第二个观察是，过去所有AI平台都在重视模型构建，企业简单认为通过构建各种各样的AI模型，就可以一劳永逸地解决业务问题。但随着大量AI模型的产生，情况已经改变了；每个企业要数字化转型，已产生了成百上千的AI模型，这些AI模型生产后需要考虑如何有效运营。

“我们为什么要重视模型的运营呢？一是因为如果不运营，大量的AI模型无法沉淀为企业资产，无法被企业的各类业务复用。第二个原因是，如果不运营，模型其实会‘变质’。用专业术语来讲，它会性能衰退，性能衰退会对业务造成极大影响。”单海军以风控为例介绍到，如果精准度下降，大量的欺诈业务请求都被审核通过了，那就会给银行带来很大损失，“所以要实时对模型进行管控，实时更新”。

除此之外，单海军认为，AI应用的其他痛点还包括对人才的依赖较高，为满足碎片化需求需要快速生产模型，以及模型构建过程非常复杂。

关于机器学习的发展趋势，单海军认为有三个方面：第一是从有监督学习到无监督学习，从大样本到小样本，即不需要标注数据，或只用少量的数据用于模型开发；第二是AI模型的建设更加自动化，AutoML（自动机器学习）可大幅降低模型研发的门槛，让零基础的人都可以轻松构建出一个AI模型，所以我们也称之为AI智能的普惠化、民主化；第三个趋势跟AI整个发展历程相关，未来将从简单的感知走向更深层次的认知。

“别看现在AI的发展红红火火，他其实还只是小baby阶段。因为AI现在还是基于统计原理的拟合，没有真正的认知推理能力。所以现在让机器看一张图片，只能识别图片中有什么物体，但它还无法理解这张图片里面发生了什么故事，深度语义的视频理解就更难了。”单海军说。

RPA的价值有四点

据管理咨询公司麦肯锡发布的《数字时代：人工智能将改变企业命运》报告，世界500强企业中超过70%的企业都在使用RPA。Gartner预测，2022年RPA软件收入将达到29亿美元，比 2021年增长19.5%。Gartner杰出副总裁分析师凯西·托恩博姆（Cathy Tornbohm） 表示，“通过在2021年实现 31%的增长率，RPA市场的增长远高于全球软件市场16%的平均增长率。”

RPA全称Robotic Process Automation，译为流程自动化机器人，相当于一位数字机器人员工。RPA用软件自动化的方式模拟人工完成计算机终端的操作任务，让这位数字机器人员工自动处理大量重复的、基于规则的工作流程任务。

“RPA一方面能基于明确的业务规则，按照数字指令操控系统，其次能模拟人工，以真实员工的方式去交互、登录系统、打开文件、获取数据等。第三，它能处理大量重复性工作，可以24小时持续工作，或是按照指令定时执行某些任务。”中电金信金融服务副总经理谢晓全解释道。

根据研究机构德勤在RPA行业相关报告中的分析，如果一家收入在200亿美元且拥有5万名员工的财富1000强公司，其中20%的工作流可以用RPA自动化操作完成，那么每年就可带来超过3000万美元的利润。

谢晓全认为RPA的价值有四点，第一是最直接的降本增效。第二是能增强业务连续性，因为RPA可以无缝连接多个系统，打通业务的断点。第三能提高合规性，按照最新合规的要求去配置流程自动执行，也减少很多人为的操作错误。第四即解放人力，让员工去做更有价值的事情，促进企业组织架构的变革。

但目前，RPA还是面临一些痛点。

首先是运行的稳定性。IT分析师杰森·布隆博格（Jason Bloomberg）在《福布斯》中写道，RPA的主要弱点就是鲁棒性差。德勤在一次调查中发现，在使用RPA的400家公司中，30%到50%的RPA项目在一开始便失败了，63%的RPA项目没有按时交付。

业内人士分析，RPA的鲁棒性差表现在两个方面，一是自适应较弱，RPA的工作机制是完全模拟人工操作，一旦用户出现任何细小流程变化、业务系统更新、数据逻辑调整等，就需要工程师重新配置RPA流程；二是依赖性较强，本地化部署是RPA目前主要的实施策略，在本地化部署过程中，客户不同的硬件设备、操作系统、网络环境、业务系统架构、网络安全机制等都可能成为影响RPA稳定运行的因素。在RPA部署实践中，遇到操作系统不兼容、业务系统元素识别冲突、网络延时导致流程死循环的场景非常常见。而复杂的业务流程一旦中断，面对繁复的自动化流程脚本文件，可能很难快速排查问题，人力成本耗费巨大，甚至会影响业务的正常开展。

谢晓全认为，RPA不稳定性的根本原因在于存在逻辑断点。“因为它是用非侵入式的方式，所以目标软件是不会把操作的结果反馈给RPA系统的。这样从业务角度就形成一个逻辑的断点，也就是说没有任何反馈就断在这里。”

怎么续上这个断点？谢晓全介绍，现在RPA采用视觉反馈的技术，获得执行结果的反应，然后根据这个结果再处理，整个业务形成闭环，这样就会使系统的稳定性大大提升。

除了稳定性问题，第二个痛点是场景适应力问题。“我们希望RPA把所有的场景智能化，但事实上现在只能做到50%，因为场景复杂，且有各种各样的不同场景。”谢晓全说。

第三个痛点是运维成本高，因为要处理异常和任务目标变化，导致开发人员、运维人员要适应场景修改机器人，所以应用成本很高。

第四个痛点是，关于RPA目前业界没有遵守统一的标准和规范开发，各个厂商都采用自己的流程规范，所以整个流程资产都不能通用。