喝点VC｜a16z：RIP到RPA：智能自动化的崛起

a16z 2024-11-17 11:55 北京

在过去的十年中，RPA 成为自动化这类工作的流行词。

图片来源：a16z

随着人工智能将劳动转化为软件，将外部专业服务（例如法律或会计）产品化的机会已成为热门话题。然而，我们认为在组织内部产品化工作也有相当大的机会。这些职责通常被统称为“运营”，可以从全职数据录入和前台角色，到嵌入在其他角色中的日常运营任务。这项工作产生的媒体头条较少，但它是将公司紧密联系在一起的内部缝合。

这些运营角色涉及关键但往往重复和单调的任务。公司历史上曾试图通过使用机器人流程自动化（RPA）来自动化这些任务，但随着生成性人工智能的发展，我们相信通过代理实现真正的自动化现在是可能的。我们已经看到代理在生产中工作的早期示例，例如 Decagon 的自动化客户支持。随着像 Anthropic 这样的公司推出计算机使用等功能，使模型能够与现有软件进行有意义的互动，创始人们可以构建垂直化智能自动化应用程序的基础设施堆栈正在清晰地出现。

这些例子预示着一个世界，在这个世界中，人工智能代理能够实现 RPA 的最初承诺，将原本的运营人力转变为智能自动化，使工人能够专注于更具战略性的工作。

RPA 的最初承诺与人工智能的影响

运营工作广泛而多样，包括数据录入、文档提取、信息传输、系统迁移和网络抓取等任务。这些任务至关重要，但它们通常缺乏传统软件高效管理所需的 API 或直接集成。尽管向软件吞噬世界的转变，仍有大量工作通过电话、电子表格、传真线路和纸质表单完成。

在过去的十年中，RPA 成为自动化这类工作的流行词。像 UiPath 这样的公司成立于 2005 年，承诺实现“完全自动化的企业”，并通过“自动化赋能员工”。但尽管它在 2021 年上市并且目前的估值很高，这些上一代 RPA 公司却无法实现真正自动化的承诺。当时的技术还不够先进。

因此，这些公司观察了客户如何导航一个过程，然后构建了模仿人类确切按键和点击的“机器人”，而不是实现真正的自动化。虽然这些机器人在正常运作时常常提供有意义的商业价值，但如果流程不够严格和明确，或者在发生变化时，它们就会出现问题。此外，实施这些机器人需要昂贵的顾问，这意味着 RPA 仅对足够大、能够承担这种强硬方法的公司可用。

然而，随着LLMs的出现，我们相信原始的 RPA 愿景现在是可能的。AI Agent 将不再是硬编码每个确定性步骤，而是根据最终目标（例如，为客户预约，或将此文档中的数据转移到此数据库中）进行提示，并获得适当的工具和上下文，以代表公司采取这些行动。它们将能够适应各种数据输入，并能够处理业务流程中的变化。正因为这种灵活性，它们将比传统的 RPA 系统更容易实施和维护。

人工智能运维的未来及其机会所在

我们对这个智能自动化的机会感到兴奋，主要有两个原因：

潜在市场巨大。对于当前软件能够处理的所有工作，还有数量级更多的工作是它无法处理的：这些工作通过笔和纸、电子表格、电话和传真进行。智能自动化可以解决与这些工作相关的当前劳动成本——根据劳工统计局的数据，这些工作包括超过 800 万个操作/信息文员角色。此外，还可以解决与外包这些工作相关的支出，这占据了 2500 亿美元业务流程外包（BPO）市场的一个重要部分。

初创企业在这个领域有很大的机会。由于这些工作流程的定制性质，通常没有现有的软件产品：人们就是产品。因此，这些角色从未像其他角色那样发展出“记录系统”（例如，销售的 Salesforce，人力资源的 Workday），这意味着没有软件公司可以将“人工智能”添加到他们现有的产品套件中。这个市场对初创企业来说是完全开放的。

具体来说，我们将市场机会视为集中在两个主要领域：通用人工智能工具，它为广泛的行业执行特定功能，以及垂直自动化解决方案，它构建针对特定行业的端到端工作流程。

通用人工智能工具

今天，每个智能自动化公司都在构建一套类似的能力和内部工具。这为初创公司提供了一个完美的机会，通过专注于一个特定的基础组件来简化流程。

例如：几乎每个智能自动化公司都必须解析非结构化数据并输出上下文化的结构化数据。许多公司已经在内部构建了这一点，而像 Reducto 和 Extend 这样的公司正在努力成为解决这一特定需求的横向支持者。

我们认为复杂智能自动化需要许多其他核心构建模块——包括但不限于构建网络数据爬虫、从非结构化来源构建数据或将数据写回遗留系统。

端到端垂直自动化

我们之前写过我们对投资垂直软件（针对特定行业销售的软件）的兴奋之情。我们认为这与智能自动化特别契合，因为运营代理需要具备更狭窄的上下文和深度集成，以实现客户所期望的准确性和一致性。

每个行业都有可以自动化的后台操作，我们已经看到初创公司使用LLMs来自动化一个流程，作为战略杠杆以满足特定行业的需求。

在医疗保健领域，例如，Tennr 已经自动化了转诊管理流程。转诊是任何成长中的医疗实践的命脉，但接受转诊过去需要大量的手动劳动（例如，接收传真，让前台从传真中提取信息，并手动将患者信息输入他们的系统）。Tennr 构建了智能自动化来解决这个信息传输问题——使用 LLMs 从 PDF 和传真中提取非结构化数据，对信息进行验证，然后将这些信息自动写回记录系统（EHR）。这大大减少了接受转诊所需的时间，使客户能够更快地获得新业务。

在物流行业，货运经纪人花费大量时间处理入站订单和跟踪货物。现在，借助智能自动化，像Happyrobot这样的公司可以通过人工智能驱动的语音助手自动检查货物状态和更新，而像Vooma这样的公司能够处理非结构化的电子邮件数据，以自动化报价和订单录入到货运管理系统（TMS）中。

这些公司通常专注于自动化各自行业中非常狭窄但非常常见和重要的工作流程，通常涉及数据和信息传输。他们并不寻求成为“记录系统”——至少在最初——因此可以绕过对遗留系统进行彻底替换所带来的困难问题。他们还通过自动化产生收入的工作流程开始，使自己成为客户的首要任务。由于这些自动化从工作流程的开始阶段开始，这些初创公司获得了前期数据和下游工作流程的权利。

我们相信这种方法是智能自动化初创公司的成功公式，我们渴望与那些在不同行业中追求这一机会的公司合作。