即日起，AutomationAnywhere首席专家王言将在RPA中国公众号和官网同步开设专栏，每周一篇深度专栏文章，为读者深度解读RPA技术以及未来的发展和应用。点击RPA全球生态公众号下方菜单：「深入RPA-王言专栏」即可查看全部专栏内容，欢迎关注！

（21）什么是数字化劳动力（上）

各位听众，大家好，我是王言。上一节我为您介绍了RPA技术的四个不同演进阶段，在最后一个发展阶段中，我们可以看到，当RPA和其他技术，以及人工智能技术结合以后，它会发生很多的变化。

正是基于这样一个未来的智能流程自动化的设想基础，在这一节中，我会和您聊聊关于RPA领域中非常有意思的话题，也是一个非常新颖的概念，就是“数字化劳动力”，英文叫做DigitalWorkforce。当一些朋友在初步学习RPA之后，然后又听到了数字化劳动力这个词的时候，会产生出很多截然不同的反应。

特别是对于一些技术人员来讲，大家觉得RPA就是一种技术实现，有什么劳动力不劳动力的，它不就是一种软件吗？大不了它是一种系统平台，说不要故弄玄虚的玩弄这些无味的概念。

另外，还有一些业务人员，他们对技术细节不是非常了解，但是他们会觉得这些数字化员工未来是不是会替代他们的工作，让他们失业？所以，也就不太敢接近这项技术。而对于企业的高管，或者企业的经营者来说，数字化劳动力这种来自未来的这种理念其实是可以帮助他们解决很大的问题的，给整个企业带来流程和组织的一种变革，以及在运营方式上的一种创新。

这三种说法到底谁对谁错呢？其实我们并不需要评判。当我们有时候看不清未来的时候，我们可以回头看看历史的一个发展过程。比较典型的两个概念，就是我们现在经常谈到的大数据和云计算。可能今天大家谈起这两个概念时都觉得已经习以为常了，每天耳熟能详的能听到这两个词汇。可是，当我们回到十年前的时候，其实这两个概念也是备受争议的。

大数据其实在1980年就已经被提出来了，从2009年开始以后，可能大数据才真正的成为技术行业中比较热门的一个词汇。但其实在大数据之前，行业内已经有了类似数据集市、数据仓库，以及各种商业智能的这样一个工具，也就是我们通常说的BI（Business Intelligence）工具。很多当时的人就认为大数据不过是对于数据存储和数据分析偷换了一种概念，重新在市场做一些营销的广告。而回到今天，大家看看大数据行业的发展情况，就可以看到，其实一些技术的概念不只是限定在技术领域，会延伸到很多商业领域。

云计算也一样，云计算最早是上世纪90年代就被提出来了，最早是亚马逊提出云计算的概念，中国其实直到2012年到2014年之间，云计算产业才算进到筹备阶段，到了2015年前后才真正的被市场上所广为接受。那回看今天的阿里巴巴，当年毅然的进入云服务这个市场显得有多么英明。

所以，从我们去业务角度看这些新兴技术的时候，从来都是会让业务变得更加的智能和敏捷，非但没有觉得大家因此而丢了工作，反而会延伸出很多新的工作机会。像我们今天很多应届毕业生，其实大家都是对云计算和大数据这些概念是非常理解的。

我们言归正传，让我们看看到底什么是数字化劳动力，要先了解数字化劳动力就必须要了解目前存在的主要的劳动力资源，就是“人”。这里的“人”我们特别指的是在办公室中的白领员工。大家可以思考一下，为什么我们经过30多年的IT系统的建设，各种大中小的企业、政府、公共事业单位，已经拥有了成千上百套的IT系统。可是据一项统计调研我们发现，其实现在有80%的工作仍旧是需要人工通过手动去操作，包括对系统的启动、录入、提交、检查等等，只有20%的工作是可以实现自动化的。

其实这就是为什么我们今天的企业里边发现我们的员工会越来越多，很多企业都要不断的租用更多的写字楼空间才能装下新增的员工。我们看看基层的白领员工每天的主要工作内容是什么，然后我们再来去分析数字劳动力的方式是解决什么。比如说，我们每天员工的主要的工作大概我们分成四种工作：第一，做事情；第二，想事情；第三，分析事情；第四，人还要停下来休息，我想没有一个人是可以不休息，一直工作的。

第一，做事情。很多的时候我们就需要和Excel表格、邮件，以及办公系统，各种应用系统来打交道，这就是我们常说的员工做事情的内容。

第二，想事情。在工作过程中，员工肯定会需要经常的进行沟通、讨论，然后对一些文件进行判断识别，然后思考和决策，在工作过程中，这项工作也是占了很大的比例。

第三，分析事情。分析事情的主要工具就是要负责收集各种数据，做统计图表，制作模型和分析。

虽然每个基层员工的工作岗位和工作类型是不一样的，那就会导致这四件事情在每个员工的工作中的分位比例是不太一样的。但是我们总体上，大家基本上是脱离不开这四件事情的。接下来我们就看一下从技术的角度是有哪些技术可以去替代或者协助人去完成以上我们谈到的四种事情。

第一，做事情。这块的内容其实相对是比较容易的，因为我们做事情其实只要把规范化的、规则化的任务交给RPA机器人，或者传统的IT系统，其实就可以去完成。

第二，想事情。想事情会提高了一个技术门槛，因为这部分的能力需要其他几种技术能力的综合应用。例如认知计算，就是Cognitive Computing。认知计算其实包括几种不同的技术，我们经常谈到智能的OCR、计算机视觉、语音识别和转换的技术。除此之外，还需要类似自然语言处理、知识图谱、专家系统等其他技术做辅助。其实确实有一些技术是有待提升的，但是很多技术这些年来随着人工智能的不断发展，也已经变得非常的成熟。至少我们可以看到未来在若干年后，AI技术的不断成熟之后，这部分想事情的工作计算机是能够帮很多忙的。

第三，分析事情。分析事情主要依靠的就是大数据的一些技术。包括统计学模型、机器学习分类，以及其他的类似数据建模、洞察分析类的工具来打造分析结果。

对于计算机来讲，当然它不需要做第四件事情，就是休息。所以，我们可以把机器人流程自动化，然后加上认知计算，以及数据分析，这三项技术共同的结合起来，然后组成一种我们叫做数字化员工的劳动力方式，来完成员工日常所来完成的这样四项主要工作。

我们可以看到，随着人工智能成熟度逐渐的增加，当我们使用人工智能之后，它会随着它的数据和训练量的逐步的累计，其实人工智能的技术它也会不断成熟。这样的技术储备就为整个数字化劳动力奠定了基础。

在这一节中，我们从员工工作内容的角度出发，按照技术分门别类的能力做出了一个对应和映射。下一节我们将从人的角度再次分析数字化劳动力的形成基础，以及未来真实的人类员工和数字化劳动力员工在一起是如何定位和分工的。谢谢您的收听，我们下次再见！

继续阅读：

未经允许不得转载：RPA中国 | RPA全球生态 | 数字化劳动力 | RPA新闻 | 推动中国RPA生态发展 | 流 > 专栏连载 |深度解读RPA：什么是数字化劳动力（上）