帮企业雇佣机器人“员工”，我们已经做了 18 年 | 专访 RPA 上市公司 Blue Prism

2012 年之前，RPA 概念还不存在。而 6 年之后，RPA 赛道上就诞生了 70 亿美元估值的公司。

这个赛道的增长之快令人瞠目。头部玩家 Blue Prism 已经上市，另一家头部公司 Uipath 从 10 亿美元到 30 亿，再到 70 亿的成长速度则刷新了 toB 企业的增速。

因此 RPA 也在中国迅速升温。但相比海外公司早在 2005 年前后即成立，中国公司普遍起步较晚，并且面临更不成熟的市场，这让海外经验成为了重要的参考对象。

36氪采访了 RPA 赛道内唯一的上市公司  Blue Prism（以下简称 BP），和他们聊了聊 BP 是如何崛起的？他们和其他两个头部玩家的差异化之处在哪？如何看待 RPA 行业的中国对手们，以及整个 RPA 市场的增速和未来。

起步于 2001 年，BP 2016 年正式在英国 IPO，目前市值在 14 亿英镑左右。和其他 RPA 公司都想讲“人手一个机器人”、最终成为像 Excel 一样大规模普及的生产力工具不同，BP 把自己定为于“企业级”的产品。

他们为大型企业提供“中心化”的数字劳动力管控平台，用于企业管理者统一调配、统一管理数字劳动力，帮助企业提升关键生产流程上的核心效率。

强调“企业级”的定位，和 BP 起家的背景不无关系。从服务英国的一家银行开始，BP 十几年来的客户都集中在银行业、金融业、以及电信业。银行业对于 RPA 有着更高的安全性、稳定性的要求，它是必须用长时间的迭代来换取的能力。

这也带来 BP 市场策略的不同，相比于追求尽可能多的客户数量，BP 更加强调在每一家大企业里做“大规模”的深度机器人部署。

作为起步更早的企业，BP 在 2018 年实现了 5520 万英镑的收入，这个数字同比增长了 125%。截至 2018 年，BP 在全球服务了 992 家企业，其中有 528 家客户是 2018 年的新增客户。此外，有超过 50% 的订单数量来自于已有客户的追加订单。

在 2018 财年的财报中，BP 提到了他们对 RPA 行业的看法：市场高速增长、但仍处于非常早期。而不管是美国还是中国，这个早期市场都迎来了多位玩家。这场战争正在变得更加激烈，BP 也为此又于 2019 年初通过发售新股完成了 1.3 亿美元的资金募集，准备迎接全面到来的战役。

以下是36氪和 BP 北亚区 VP 庄敬贤 Victor Chong 的访谈，经过36氪的编辑调整。

我们不单单为个人服务，我们为企业服务

36氪：BP 是 RPA 行业里最先上市的一家公司，我们很想了解 BP 是如何起步的？

Victor：Blue Prism 是在 2001 年成立的，我们基本上是在英国的银行里面孕育出来的一个产品，可以说我们的根是在银行业。

我们是 RPA 这个概念的第一个提出人。我们的定位是“企业级”数字化劳动力平台架构。这意味着企业做既可以做中央化的治理，但同样可以让业务部门自己去做流程的优化。所以，我们是位于业务 & IT 部门中间的一个架构平台。

这个很重要，因为它有别于现在市场上大部分做 RPA 的公司 —— 虽然他们都是用 RPA 这个名词，但是很多还是在做“桌面级的自动化”。

36氪：企业级产品和桌面级产品，有哪些差异点？

Victor：市场上有两种不同的产品：第一种英文是叫 attended robot ，它是一个“桌面级”工具 —— 每个人都可以配一个机器人，用于自己去提高自己的生产力。今天市场上大部分的 RPA 产品都可以归于这一类。

另外一类，就是我刚才说的企业级的数字化劳动力，它是统一管理、统一标配的数字化劳动力平台，它不为个人服务，它为企业服务。这样的企业级平台，才会有企业必须的特性，比方说安全性、合规性。

企业级的数字化劳动力是为整个企业服务，而不是单单为个人服务。所以我们推出 connected-RPA 的理念，在 connected-RPA 的部署下，机器人跟人、机器人跟机器、机器人跟机器人在协同合作，共同成为企业的下一代劳动力。

我们跟合作伙伴在中国市场分享的时候，特别要提到这个区别，虽然都叫 RPA，但其实是两种非常不一样的技术、产品。

Blue Prism connected-RPA

36氪：你怎么看待这两种思路的差异化？

Victor：说到底这是整个企业的效率提升，跟个人员工的效率提升的区别。

我们的理念是要提高整个企业的效率，在提高企业效率的过程中员工也会开心，但这是要企业来中央思考，然后中央部署、中央治理的，而不是每个员工自己随便去决定他有什么需要自动化、什么不需要。

两种思路没有对错，我觉得是让企业思考哪一种是更适合他。

36氪：相对于桌面级的自动化，你们的核心差异优势是什么？

Victor：第一是稳定性。我们在全世界很多大型企业都有大规模的部署（这不是去比客户数量，因为有可能很多客户只是小规模的部署）。经过这么多年的一个调优，我们产品在最看重稳定性的行业，比如银行业、金融业里面，是特别成功的。

第二是合规性。因为 RPA 技术现在是比较新的技术，所以大家都会觉得我可以先试试看用一下，但是客户看不到其中潜在的一些风险。

怎么说？如果在一些机器人流程自动化的过程中出了问题，企业有没有手段可以很清楚地去定位问题出在哪里？是出在机器人身上？还是出在人去安排工作的过程中？还是这个人去解析机器人的流程的时候出了问题？

我们有系统层面的日志，这个日志是不能篡改的，所有发生于平台上面的事情都会被记录下来，且不能篡改。银行客户审计我们的时候，有这个功能他们就会非常有信心，说“好，我相信你的日志”。

对比下来，其他产品也会有日志，但很多都是可以被算篡改的。也有一些是可以选择性记录的日志，如果一个员工要用机器人做些恶意的事情，他会选择要被记录吗？不可能吧？所以有选择性就是代表不合规、不安全。

第三点，也是跟和合规有一点关系的，是整个平台的安全性。现在中国市场 RPA 还并没有广泛应用，但是你可以想象，当它广泛的应用的时候，就会成为黑客的攻击目标。好像你看电影，如果一个黑客有办法可以控制企业里的机器人去做恶意的事情，后果会是多严重。

Veracode 5+ certification 认证我们拿到最高的 5+ 等级，没有任何一个 RPA 厂商能做到。5+ 代表什么？代表每一天我们都要把源代码拿去给他做漏洞测试。如果发现有漏洞，我们 24 个小时必须要解决，不然达不到等级。

第四个很重要的差异性，就是当一个企业大规模部署的时候，数字化劳动力的机器人能不能被有效率地调度？我们技术名词叫「动态调度」，它怎么可以变为真正的劳动力，去处理企业不同的流程的自动化？

我举个例子，假设同一天公司有两个部门需要做自动化流程，可能白天的时候是运维管理部需要做，晚上的时候，财务部需要，那同一批的数字化机器人就能被调到财务部去。

另一个例子就更好玩了 —— 就是机器人管理机器人，一个机器人可以调配别的机器人按优先级来排队列，动态调度所有机器人先把最优先的流程处理完。

36氪：我们了解到能否实现无代码快速部署，也是 RPA 公司的核心能力之一，这点上你们做得怎么样？

Victor：无代码快速部署也是 BP 平台非常大的一个差异性。在 BP 平台上，编写流程是利用简单的流程图拖拉的方法就可以完成的。我们连一些比较例外的状况的编写，以及对第三方 AI 平台的连接，都是可以无代码拖拉的方式来实现的。 

另外，除了无代码以外，BP 还沉淀了一套数字化劳动力的部署方法论，我们叫做 Robotics Operating Model。

这一套方法论是我们这么多年来在这么多大规模的部署当中学回来的。怎么样的部署会成功？怎么样的部署会失败？这跟技术没有一点关系都没有。如果一个企业参考我们方法论来部署机器人，一般来讲需要的时间会短很多。从一开始小规模的部署，一般两三个月就可以上线了，然后从第一次的部署到稍微有规模的部署，是在一年左右的时间段。

如果你对比 ERP 这些软件，他们的部署是以年来算的，RPA 绝对是以月来算的这是 RPA的优势。

从 RPA 到 IPA

36氪：BP 产品目前有没有和 AI 结合？

Victor：我们现在有一个 AI 的平台，类似苹果的 App Store 有很多 App 在上面。我们可以把世界领先的 AI 能力都放到平台上，企业去应用 BP 机器人的时候，如果他发现有机器人本身无法解决的问题，就可以在这个平台上选择 AI 技能。相当于他培训我们的机器人，让我们的机器人可以做更多事情。

而这些 AI 应用并不是只是给你一个简介，你要自己去用代码、API 搞一大堆去整合到自己的流程里，凡是在我们平台上面的 AI 的智能，我们都是无代码编写。可以从技能 Skills 拖拉一个到我的流程图上面，比方说拖拽微软的语文解读，他就会帮我去解决这个问题。

还有，我们有一个观察，就是企业今天在 AI 上面的应用是非常碎片化、零碎的，企业会遇到一个问题就会买一个 AI 方案来处理单一的问题。但是在企业的层面，公司也看不到使用的效能有多高，更谈不上有什么管理。

所以我们的理念是整合整个企业 AI 的应用到机器人流程自动化上面，让企业有统一的平台，可视化地去看到 AI 用在了哪里？用得好不好？有没有提高生产力？

36氪：主要的 AI 能力有哪些？

Victor：我们有六大类的能力：

第一是 Knowledge Insight，比方说 AI 可以解读邮件，解读出客户邮件语气是不开心的，那就要提醒企业赶快处理。

第二个是 Visual Perception，就是视觉判断。怎么去把收据上面的编号提取出来？就是 OCR 一类的智能。

第三个就是学习，机器人可能会从跑流程过程中，学到一些比较特别有意义的数据和建议，比如在流程处理中，企业是怎么去下决定的？以及学习怎么去做动态调度能更成功？哪些流程是没法自动化的？

另外一大块是机器人和人之间的互动，以及机器人跟机器人中间的互动。

Blue Prism 六大项 AI 能力

如何看待中国市场？

36氪：中国市场现在是你们的战略重心吗？

Victor：中国是我们全球五大最关键的市场之一。我们整个产品都已经本地化了，有中文界面，这也是我们对中国市场重视的证明。

36氪：在你看来，中国市场和全球市场有何不同？

Victor：首先中国市场的起步时间没有发达国家那么快，发达国家 RPA 的部署已经有 3 年了，2015、2016 年开始，已经有企业做规模化的部署了，所以两边的起步点不一样。

另外，双方市场 RPA 兴起的诱因也有区别：欧洲、日本人口老化非常严重，人力成本高，招不到人，所以 RPA 会变为劳动力的替代。

中国 RPA 兴起的诱因是想提升企业的效率，是劳动力的升级、再培养，让劳动力不需要再做一些繁琐的事情，而是可以去做更复杂、更创造价值的事情。

我们还看到中国的客户没有砍掉人力的要求，但是比较看重机器人不会出错的特点，有很多财务的流程出错的话会面临银监会严厉的罚款，但用机器来替代劳动力就不会出错。

最后，中国企业也比较关心敏感的流程和数据。比如银行会担心它的员工会不会把分享到别的竞争企业里去？但机器人没有这个问题。

36氪：BP 目前在中国的客户也以金融业客户为主吗？

Victor：都有。我们很多国外大规模的部署、包括中国比较有规模的部署都是在金融业、银行业、保险业，这可以说是我们最强的行业。但是没有局限于金融业，我们在  TMT 比如电信业、科技公司、生产业都会有应用。

36氪：BP 在中国区大概有多少客户？

Victor：我们是上市公司，所以数据可能会比较敏感。可以说大概是一个双位数字吧。

策略上，我们专注每一个客户的成功、单客户大规模的部署，以及最终在有规模的部署 RPA 下的效率回报，所以说我们并不是要去卖到客户遍地开花，而是要做深，协助每个客户尽量去部署 RPA。

36氪：有没有个大概的数字，比如说你们去进入到企业去部署的时候，第一年会有多少需求？

Victor：按我们在国外的经验，其实基本上起步点都会在 10 个到 30 个机器人的数量，因为这样才能显现出回报。中国市场大家可能会比较保守一点，起步的量会更小一些。

36氪：从去年年底开始，中国有蛮多本土的创业公司在做 RPA，不知道你对现在本土市场怎么看？

Victor：大家定位不太一样，我看到国内很多创业企业的定位更偏向 Uipath。

36氪：你认为 BP 和 Uipath 这两种不同思路的产品，在企业里可以兼容吗？

Victor：这个问题问得很好，说实话也有企业是会两者具备。在企业的中央架构平台他们可能会选 BP，然后在一些员工的桌面应用上，他们有可能会选另一个品牌。

36氪：你觉得客户们采购 RPA 的时候会更看重是否是本土公司，还是会看产品层面的优势？

Victor：我觉得两者都有，考量到在本地的服务能力，这方面国内的企业会占优。

但很多的产品现在还需要大量的编码、定制化的部署，那么对我们来讲，我们平台是有无代码的独特性，并不需要大量的编码人员来部署，所以部署时间来讲我们更占优。

36氪：最后一个是和财务相关的问题：我们看到 BP的营收是每年增长的，但是成本也是逐年变高，目前来看比较烧钱的是哪个部分？

Victor：我觉得这比较适合在股东大会上公布。但是这个市场是一个正在增长的市场，我们还是关注总体的增长。以及我们一定要给到客户足够的服务跟支持，所以我们的成本也会增加。

——————————————————————————————————————————

36氪正持续报道和关注 RPA 行业，相关交流欢迎联系作者，微信：369727385（加我请备注任职公司及职务）