<mark id="oztn4"></mark>
0
縱觀各家銀行年報，RPA被提及的次數是越來越多。不談RPA、不聊流程自動化，就等于錯失銀行數字化轉型的一把鑰匙。
究竟RPA和AI，如何優化銀行內部業務流程、加速銀行數智化升級？
適逢跨年之際，雷鋒網以「線上云峰會」的形式，邀請數字化風控、數字化營銷、數字化客服、數據平臺、數據中臺、數據安全、數據庫、銀行云、銀行RPA、銀行業務系統，十大銀行賽道里的科技專家，分享他們對于銀行科技的理解。
其中達觀數據聯合創始人紀傳俊于2020年12月29日做客雷鋒網《AI金融評論》，從技術、業務、行業趨勢等角度，分享他對于「銀行RPA」的洞見。
以下為紀傳俊的演講內容，雷鋒網AI金融評論作了不改變原意的編輯：
各位現場的朋友，大家晚上好，我今天演講的主題是《RPA+AI：賦能銀行數字化轉型的全新引擎》，和大家聊一聊達觀基于RPA+AI技術在銀行業的整體的解決方案。
首先，銀行為什么要進行數字化轉型？
我認為，今天的銀行業面臨著三大挑戰：
第一，中國經濟增速放緩，成本承壓。
銀行業的黃金時間已經過去。在中國整體經濟高速發展的情況下，國家政策對銀行業是比較寬松的，所以它在黃金時間得到了飛速發展。
而如今，無論是國內，還是國外，經濟發展都在放緩。銀行受到大環境的影響，其各項成本實際上越來越高。
第二，客戶期望值日益提升。
現在客戶普遍認為傳統銀行以前的服務體驗較差，流程效率較低。
第三，銀行的競爭對手相繼涌現。
比如微信、支付寶等這種非金融機構，逐步拿到了金融業的牌照。隨著互聯網或者金融科技企業逐漸增多，會給傳統的銀行企業帶來比較大的挑戰。
在這種大背景下，銀行需要自我優化升級，從智能化或者自動化的角度，同時從全鏈路包括內部的業務流程，做一個整體的效率提升。
我們現在需要基于RPA與AI給銀行做數字化的賦能，我們現在用數據驅動智能，總結了一個路徑，以實現銀行全面數字化轉型。
首先，是基于現在銀行收集的各種數據源。數據的來源很多，像是一些銀行企業用戶大量的數據，我們現在的模型算法，包括現在很成熟的深度學習技術，是基于這些數據做一個整體聯動的挖掘和提煉。
其中涉及幾個關鍵技術，比如 OCR圖像識別證件、票據等，在銀行很常見。
其次，是一些NLP的語義理解，包括銀行內部流轉文檔，包括客戶填報的合同、申請書等等。
同時，再加上RPA機器人，替代原來銀行內部業務員需要手工完成的大量重復勞動，并對其進行優化。
最后，是現在比較火的知識圖譜，不僅行內用的制度可以構建這種知識圖譜，行內客戶也可以構建關系圖譜、風險圖譜等等，以推算銀行的核心的信貸業務，它的風險有沒有問題等等。
這四大AI關鍵技術，是在技術和數據的基礎上，我們針對銀行的各種場景以打造智能的銀行機器人，同時結合了RPA和AI的技術，包括企業信貸、國際業務、運營管理、智能推薦和投研分析等等。
這些直接面向銀行某些具體的應用場景，或者面向銀行的某些具體部門的某個具體的操作場景的機器人，以幫助他們實現智能化和自動化的流程。
最終，我們會有一個基于銀行的智能業務系統，比如針對信貸全流程的智能信貸，包括針對銀行的國際審單、國際結算業務的智能審單，針對運營管理的智慧運營，針對客戶終端的智慧營銷，以及針對投研部門的智能投研等等。
達觀在這個行業里積累了比較多的客戶，一個簡單的客戶墻，我們從大型銀行到中小型銀行基本上都有觸達，包括證券保險與其他金融企業也都有所涉獵。
那么，RPA在銀行業有哪些應用場景呢？
首先，一個場景到底是否適用機器人，我們有一個大概的評判標準，主要滿足以下四大特性：標準化、高重復、數據量大以及成本。
因為對用機器或者用AI替代人的工作，或者優化人的工作效率而言，能快速產生效率的場景都是在標準化、高重復的場景里面。
而如果想要產生比較大的價值，肯定是這個場景其數量龐大，或者是流程的工作量以及需要處理的數據量較大。
其次，現在投入的人力成本、人員的數量，包括人的耗時撐起來的成本較高的場景，做智能化或者自動化的替代，其收益是比較高的。
現在需要針對這4個特點以區分一些場景，得到我們的業務場景之后，再用智能機器人的方案結束和解決場景上的問題。
基于前面所提到的幾個場景進行以下分享：
首先，是智慧信貸，它面向的是整個銀行最核心的流程——信貸流程，分為貸前、貸中、貸后三大階段，其中涉及數據查詢、數據處理（包括一些很專業的數據）、財務報表、銀行流水等需要專業人員才能處理的大量的操作。
放貸的流程非常繁瑣，比較原始的操作方式都是由大量的人工完成。它涉及大量的文字處理和手工操作，所以也是一個用RPA加AI這種智能方式替代的一個非常好的場景，其收益也會比較大。
這里舉例了四大場景，比如財務報表的自動解析，操作辦法非常復雜，需要很專業的財務知識才能完成。
其次是基礎信息的錄入，做企業貸款需要錄入相當多的材料，需要客戶經理在很短的時間內將其錄入到系統里，同時還要對企業的經營狀況、信貸的風險進行分析，是工作量大、難度比較高的一個動作。
再次，就是盡調報告的審核，需要對材料進行真正的審核之后生成一個盡調報告。其中大量的重復勞動可以基于AI的技術自動化完成，比如OCR再加上NLP處理之后，再做一個自動錄入的處理。
它的價值可以分為以下三方面：
第一，最明顯的就是減少人工作業，其次是降低人工失誤。當數據量大、東西比較多，在處理比較專業的財報、銀行流水時，人是很容易犯錯的。跟人當時的狀態有很大關系，而用機器替代的好處就是它能保持一個比較穩定的處理水平。
第二，提升效率，這種流程，人需要花費2~3天才能完成，但是機器1~2兩個小時就能做完。反饋到終端貸款用戶，他很快就能收到貸款，原來可能要花費一個星期甚至一個月，而現在的時間則縮短了一半。
對普惠金融和小微企業而言，時間就是生命，越迅速的放貸給他們，對其整個經濟的發展是有好處的。
第三，提高風險的預警和監控能力，面對眾多的材料、專業的數據量，很多時候客戶經理可能會發現不了，或者漏看了一些里面存在的問題、風險，相對而言，機器可能會做錯，但是絕對不會漏判，機器的好處在于能事無巨細的將材料里所有的問題找出來。
有幾個明確的場景，比如原來客戶經理為了查詢一個企業的風險，他可能要到國家企業信用信息公示系統以及海關等十幾個系統里，查詢企業有沒有違規記錄。
這種查詢由機器來完成則很簡單，只要發布一個任務，他都能一鍵幫助執行且在幾分鐘之內完成。
這種由人來完成的比較重復和價值比較低的工作，用機器替代在收益上也會比較好。
其次，財務報表分析，財務報表的分析需要很專業的財務知識，我們將財務報表進行自動化采集與解析，而對于專業的財務知識，我們則把專家的經驗梳理清楚之后構建成模型，再植入到系統里面。
對客戶經理而言，對于一份財報，他只能機械的把一些數字搬到行業的系統里。這個過程不僅費勁，而且會抄錯數字，甚至會遺漏一些財報里面隱藏的問題。我們的系統自動的幫助其完成了數據搬運，包括校驗的操作。
基本流程是：首先，我們會自動登錄企業的信貸系統，將企業的基本信息錄入之后，找到這個企業提交的財報里的三大報表：資產負債表、損益表和現金流量表，對這三大報表進行自動解析，包括分析其中的財務關系、企業的風險，分析完成后，再將其自動填寫到行業系統里。
分析過程和結果將會呈現給客戶經理。如果企業數據有問題，客戶經理應該如何進行一些相關的操作等等。不只流程自動化了，而且把原來客戶經理不一定會發現的風險、問題自動的暴露出來。
第三，監管報送的場景，為什么要用RPA或者機器人來完成？因為現在每個銀行的系統，跟央行或者銀保監會的系統還沒有完全打通。而監管報送，是每個月甚至每個季度、每一年都要執行的一個動作，要把行內系統的數據匯總之后再填報到央行以及銀保監會的系統。
這個過程很多都是機械式的Excel操作，或者是在網站網頁上的操作，完全可以用機器人自動替代。
而且效率明顯，可以將業務人員從比較簡單、重復的勞動里面解放出來，完成一些更加專業、更加高級的事情。包括房押貸款的快速生成。
首先，國家推行的普惠金融，現在有很多小微企業甚至個體戶都需要小額貸款，原來的審批周期很長，整個流程都是手工操作，效率相對較低。
用機器人的速度對其進行一個流程的自動化之后，則能大大提高放貸效率。
具體例子，在標準的房押貸款合同的生成上面，在機器自動把系統里的數據下載后，直接填錄到標準的合同模板里。直接生成一個有貸款的合同再發給客戶，客戶簽完字之后，業務經理再對其進行校驗，將原來制作合同的標準的動作流程自動化。
接下來的場景是智能審單機器人，應對的就是銀行間在針對國際貿易協會發揮以及外匯交易等業務進行自動化。
這個業務場景也非常復雜，它會涉及辦理很多的國際業務，例如很多單證、單據的處理，包括在信用證、匯出匯款證或出口托收、出口議付等業務中，有大量的信用證、發票、合同、箱單、提單等比較專業的票據。
需要對單據之間進行自動抽取、識別和校驗。而原來人工需要把單據原件擺在面前逐一查看以發現數據的異常。
第二，查驗不同單據之間相同的信息是否吻合。雖然這個動作很簡單，但是如果每天有上百個這樣的任務就會很繁瑣。
由人來完成產生的收益不是很大，但是機器則可以解放大量的勞動力，而且只要有問題，機器都會一一檢查出來，這也是銀行規避風險的的一個收獲。
總之，這種工作避免了人工的疏漏，防止了風險的出現，在整個流程自動化之后，審單業務由原來的3~7天轉變成現在的一天就能結束，對國內企業國際業務的發展也是很有幫助。
由于單據的難度比較大，我們融合了OCR加NLP，再加上RPA的技術構建出這個場景的能力。
功能大概有幾大塊，我們在一些進出口業務比較多的銀行，無論是城商銀行也好，還是五大行都在這方面做了比較多的嘗試并得到一些落地。
首先是單據自身一致性的審核，一個單子里面有很多的關鍵信息，但每個單子可能都不太一樣。
我們會將單子里面的問題識別出來，首先抽取其中的關鍵信息，將這些關系之間不符合行內的審單規則、行業的規矩或者規定的加以提示。然后讓業務經理知道單據的問題。
實際上也是基于圖譜加NLP的技術做的構建?？赡苄庞米C跟相關之間有些這樣的規則，信用證跟發票證件有些校正規則，相當于發票有些校正規則。我們通過這樣的圖譜聯動以實現數據之間、多個業務不同數據之間的自動化校驗。
這個過程由人來做效率非常低，也很容易看漏，而機器則可以完美的解決這種場景。
接下來，面向于銀行內部的運營管理的機器人，完成了很多非常細碎的或者人工操作特別多的工作。
包括以下幾個大項，一個是交互系統特別多，運營管理部要處理信貸系統、運營管理系統、信用卡系統，以及處理征信的第三方產品。業務人員處理的很多動作都是跨系統的操作，這種跨系統的操作非常適合用RPA做一個連接。
在這些系統改造成本很高的情況下，做RPA的零件是一個成本相對較低的方式，但是審核難度較大，因為任務比較雜，事情比較多，很多事情還是需要一些專業知識才能處理好。希望將人的處理經驗固化到機器人里面。
幾個具體的場景，比如企業開戶。企業開戶是一個很簡單的操作，但是對銀行而言，每天或者從按月甚至一整年來看，實際上整個開戶量是非常巨大的。
這個動作從人的角度而言比較簡單。只要有一個開發申請書，上傳營業執照、法人身份證等等就可以了。但是業務人員要對這些信息進行反復查驗以確定是否對得上。這個動作可以由機器人直接替代，而且做得比人快很多、好很多。
第二，對公開戶，對公開戶之后要進行審核，其目標就是處理。尤其是在O2O這種預約開戶時，審查這個客戶到底有沒有風險？風險對銀行而言是一條不能觸碰的紅線。
銀行對于風險問題是嚴之又嚴。在企業開戶時，銀行要登陸國家企業信用信息系統、人行的賬戶管理系統、機構信用代碼系統中查看企業之前有沒有一些歷史問題，其提供的信息是否準確。
這種審核對人而言也是一個很簡單的查詢操作，都是由人工的多個系統來回查詢，包括客戶提供的引進件，信息輸入系統后進行查詢，這些過程完全可以結合OCR、RPA實現自動化。
達觀在多家銀行里面都已經落地了，包括開戶之后要在銀行做報備，可是報備要跨越行內的系統和央行的系統。
在人行的報備也是一個跨系統的填報動作。這個動作跟前面所講的一樣，因為RPA能很快的處理，自動的將原來行內錄好的信息拿出來，登錄央行的系統再進行入住。
其中也有一些人機交互，比如機器出現異常的時候，會發出警告提醒給到業務人員，需要對其進行處理。
基于達觀近幾年與銀行的合作和RPA+AI給銀行的一些最佳的實踐，總結出以下幾點經驗：
RPA發展到現今階段，應該是融合到智能機器人平臺，而不是純粹的RPA，只有RPA+AI的融合才能真正滿足企業，尤其是銀行的自動化的升級需求。
數字化已經談了很多年，現今階段的核心還是要用 AI的技術真正地賦能企業，尤其是銀行的數字化轉型。
技術模塊包括兩部分，一個是RPA，包括了studio開發平臺用于開發流程，包括控制中心、控制和調度所有機器人，以及流程的定時執行。另外就是真正在終端去執行任務、流程的機器人。
另一個是人工智能組件，包括OCR的、NLP、CV、知識圖譜技術以及推薦，也是達觀積累多年的一個核心競爭力，也會給我們的RPA平臺做一個組合。
AI+RRA對銀行業務，尤其是銀行有大量復雜的文本、影像、數據的場景，非常需要有這樣的能力以解決他們的問題。需要將AI+RPA二者進行一個深度結合。
銀行業務中的復雜流程占到70%，每個復雜的流程都需要有大量的人工操作。這里面簡單的RPA流程只占到30%。
所謂簡單的RPA流程，既不需要AI能力就能完成的流程，一定需要RPA+AI同時完成的復雜流程則占到了70%以上。
所以，為了完成銀行業的業務需要具備幾個重要的能力；第一個就是智能的文本語義、文檔的語義解析的能力，第二是比較復雜的，尤其是對影印件的證照，甚至一些復雜表格、無框表格以及非標準表格的識別能力。
第三，是一些制度和行業的一些復雜的規矩，包括審核的規則等等，需要基于知識圖譜技術以沉淀RPA，沉淀專家的經驗實現這種經驗的沉淀和復用，包括最終以AI的形式賦能的業務流程。
整體而言，從我們的經驗上來講，需要真正解決銀行業的數字化轉型，需要從整體上做一個頂層設計。
AI+RPA是一個基礎能力，但是從組織架構,包括從規劃上而言，需要構建機器人卓越中心。
從宏觀的角度，比如從全銀行的角度推動這個項目，從組織架構上、技術沉上的配套。
所以我們要構建一個RPA卓越中心，賦能業務單位的需要提供這種基本的功能，包括對一些業務流程的處理，一些能力的共享，服務中心等四大塊。
這四大塊包括了三大支持，第一個是人員，需要一個專業的團隊的建設，可以由企業幫助銀行一起構建這個團隊。
第二個是我們的流程，即平時的作業流程的再造和優化。
第三個是技術，引入AI+RPA的能力，需要將這三大塊結合以構建RPA儲備中心，才有可能真正實現銀行業的數字化、智能化的轉型。
對于智能RPA的規劃與未來展望，我們有一些自己的想法，跟大家探討一下。
第一，為什么現在智能辦公的價值很高，尤其在對銀行業務梳理完之后，發現它的替代或者它的賦能，成效是比較高的。人在處理日常作業的流程中，有三大比較突出的弱勢的地方。
首先，人的記憶力肯定不如機器，計算機是用數據來存儲所有的數據和細節。
第二，處理效率，人閱讀文字可能會挺快，但是計算機還能更快，在生成文檔時，人會更慢。如果是一個標準模板，讓機器協助生成一些文檔可以快得多。
第三，做不細，人在審核大量的文檔時，很容易出現遺漏，尤其是一些局部的錯誤，甚至細微的處理錯誤，可能對銀行也是一個很大的風險。
而計算機的處理則事無巨細，它一個事情都不會漏過，特別適合在這方面對人進行補充。
在這三點上，機器不一定能完全替代人，但是他可以在人的能力范圍之外進行補充，甚至優化和賦能。
應用RPA+AI技術，總結出以下三大價值，尤其在銀行業，甚至在金融領域，以及在其他的行業都是類似的。
第一，更快速，機器處理的效率會比人高很多，尤其是對于重復性的工作，能縮短70%左右的耗時。
第二，更準確，只要將機器人的模型和規則設定好，其他的動作都是非常標準的，能降低95%的以上的人的遺漏的錯誤。
第三，更便宜。當應用到一定規模時，計算機的邊際效應會直線下降。而現在的人力成本在不斷提升。
尤其是現在考慮到國內的情況，由于人力的用工成本一直在提升，所以也是推動銀行進行智能化轉型的一個內在動力。
另外一個效果就是計算機的處理能力，近幾年，尤其是隨著深度學習的高速發展，許多原來覺得很難解決或者達不到生產上應用的一些問題，現在算法的效果已經是能直接上生產應用了，而人工處理能力則沒有發生多大改變。
計算機跟人的處理能力的Gap越來越小，導致現在用計算機替代人的收益是大于我們的成本的。
關于機器人的未來方向，也是基于一些Gartner的比較宏觀的全球化的分析，我們來看到在RPA的應用中，5%是基礎的應用場景，還有25%是實現跨系統和跨媒介的搬運工作。
2020年的報告顯示，原來的應用場景還是屬于基礎運維到數據填寫搬運的比較低端的，或者覆蓋面還沒有那么廣的一些場景。
接下來，包括達觀從事的很多事情，是幫助人優化、提效、增速，甚至是一部分的替代人的高級判斷分析的內容。
未來70%的工作量，它的更高的價值是在幫助人提升判斷、分析、理解寫作的效率，或者幫助提高準確率，是機器所能發揮更大價值的場景。
未來RPA+AI的應用會更加廣泛，所產生的價值也會越來越大。
達觀現在也是在不斷的努力以優化我們的技術能力，包括跟銀行業務進行一些更深入的場景對接。希望能以更有效的方式幫助真正的提高終端的業務價值，這是我們對未來的一個判斷。 （雷鋒網）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
