RPA+AI，赋能银行数字化转型的全新引擎

扫描分享

本文共字，预计阅读时间。

文/达观数据陈文彬

（本文为“2020金融文字节——银行数字化创新主题征文大赛”投稿文章。征文截稿时间为9月13日，欢迎踊跃投稿。）

在新一波科技浪潮的冲击下，席卷全球的数字化变革加速了金融业在服务、模式、生态等领域的升级换代，助力金融行业实现深层次数字化转型。银行业金融机构纷纷将流程机器人、计算机视觉、自然语言处理、机器学习、知识图谱等前沿科技融入企业核心竞争力，探索更丰富的落地场景，搭建更高效智能的基层数字化技术工具与解决方案，实现银行业商业模式、运营模式等各领域的创新与重塑，引领现代社会数字化发展潮流。

一、银行业发展现状与挑战

在宏观背景的影响下，金融行业的发展面临着诸多挑战。麦肯锡在《全球银行业年度报告2016》中指出，“在数字化时代，银行正在失去其赖以生存的客户关系。预计到2025年，受数字化技术的冲击，银行的消费金融、支付、财富管理和房屋抵押贷款业务的利润将分别下滑60%、35%、30%和20%。”

2018年，我国的GDP增长了6.6%，虽然达到了政府6.5%的发展目标，但却是全球金融危机以来的最低水平。在我国经济由高速增长阶段转向高质量发展阶段的时代背景下，金融体系在向高质量发展转变的过程中，面临着增长放缓与分化严重的挑战。2017年至2018年，我国商业银行的平均净利润增速远低于2014年之前的水平，大部分银行难以实现双位数增长。此外，国家统计局数据显示，2011年至2018年我国商业银行不良贷款余额与不良贷款率均呈现明显上升趋势。其中，商业银行不良货款余额从4,279亿元增长到20,254亿元，年复合增长率24.87%；不良货款率从1.00%上升到1.83%。如图1-1所示的是2011年至2018年我国商业银行不良贷款余额及不良贷款率的数据[数据来源：国家统计局]。

图1-1 2011年至2018年我国商业银行不良贷款余额及不良贷款率

在数据面前，银行业的发展前景引人深思。具体来说，我国银行业发展面临着三大挑战：

第一，工作效率低。金融行业中针对流程类工作的“传统软件”更多的是对整个工作整体进行设计，数据库操作、报表操作、数据计算等软件依然需要人工操作。人工仍然需要应对软件中大量的事务性流程工作，工作效率亟待提高。

第二，人力成本高。在“人口红利”逐渐消失的背景下，金融行业中仍有许多重复、简单、繁琐的事务性流程工作需要大量的人力来完成，企业的人工成本压力越来越大，需要更多自动化、智能化的技术赋能行业降本增效。

第三，合规需求高。应银保监会要求，在传统的人工业务操作中，包括客户风险等级评估、客户预约、客户信息登记、风险提示、购买、审查审计等业务办理环节，业务合规需求相对较高。

在此背景下，如何把握金融科技发展趋势，将新科技和金融业务有机融合，提升综合实力和科技创新能力，已成为目前金融机构面临的重要课题。

二、RPA和AI自动化技术简介

为适应新形势下的机遇和挑战，国内外领先金融机构积极采用流程机器人、计算机视觉、自然语言处理、知识图谱等新兴技术(如图1-2所示)以更快速、便捷地服务客户，摆脱依靠物理网点和密集人力连接客户、提供服务的局限，将新技术融入到金融机构的核心业务领域，成为新时代的核心竞争力。

图1-2 RPA和AI等新兴技术

01 机器人流程自动化（Robotic Process Automation，RPA）

RPA（Robotic Process Automation，机器人流程自动化）：通过特定的、可模拟人类在计算机界面上进行操作的技术，按规则自动执行相应的流程任务，代替或辅助人类完成相关的计算机操作。与大家通常所认为的具备机械实体的“机器人”不同，RPA本质上是一种能按特定指令完成工作的软件，这种软件安装在个人计算机或大型服务器上，通过模拟键盘、鼠标等人工操作来实现办公操作的自动化。

02 光学字符识别（Optical Character Recognition，OCR）

OCR技术是指利用电子设备（例如扫描仪或数码相机）将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。通俗地说就是，对文本资料进行扫描，然后对图像文件进行分析处理，以获取文字及版面信息的技术。OCR技术一般可分为图像分析与处理、版面分析、图像分割、文字识别、版面还原等5个阶段。

03 机器学习/大数据分析(Machine Learning, ML)

机器学习/大数据分析是一种用于设计复杂模型和算法并以此实现预测功能的方法，即计算机有能力去学习，而不是依靠预先编写的代码。它能够基于对现有结构化数据的观察，自行识别结构化数据中的模型，并以此来输出对未来结果的预测。机器学习是一种通过“监督”和“无监督”学习来识别结构化数据中的模式（例如日常性能数据）的算法。监督算法是指在根据自己的输入做出预测之前，会从输入和输出的结构化数据集来进行学习。无监督算法是指观察结构化数据，并对已识别的模式提供相关见解。

04 自然语言处理（Natural Language Processing，NLP）

自然语言处理技术是与自然语言的计算机处理有关的所有技术的统称，其目的是使计算机能够理解和接受人类用自然语言输入的指令，完成从一种语言到另一种语言的翻译功能。自然语言处理技术的研究，可以丰富计算机知识处理的研究内容，使得计算机具有与人一样的表达能力和写作能力，它遵循某种规则，将从数据中观察到的信息转换成高质量的自然语言文本。例如，自动识别会议邮件中的主题、数字地名、人名地址并生成行程表备忘录，或者识别出合同条款的关键内容并将摘要的重点生成列表。

05 知识图谱（Knowledge Graph）

知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。自然语言处理技术实现了文字信息的理解，而在此基础上，知识图谱将海量的信息分类整理，以可视化的方式展示信息的关联关系，让计算机模仿人类进行更高维度地决策和分析，很大程度上决定了人工智能水平的高低。

三、银行业RPA常见应用场景

在数字时代，银行正在经历一场史无前例的变革。与过往“数字银行”概念不同的是，这一波变革以用户体验为核心，从业务体验到渠道体验全面优化升级，在支付、信贷等各个方面重新定义银行的服务。在此过程中，RPA和人工智能发挥了极其重要的作用。

银行作为一个强规则领域，业务流程和报告流程的重复性强、规则明确，因此也最易于实现流程自动化；同时，由于RPA还有具有可追溯记录的属性，因此其在合规上具有特殊的优势。

四、 RPA在国内外金融机构的应用情况

RPA在金融机构的应用覆盖了大范围业务场景，例如，流程的自动化和整合，后台自动化，贷款审批，薪资管理，人力资源操作自动化，质量和服务改进，以及标准交易自动化等。银行业庞杂的遗留系统和业务发展需求的不匹配，导致大量系统与系统，数据与数据之间必须通过人工协调，形成许多“衔接性”的工作流程。这些高流量、重复的、趋于风险和失误的流程是RPA应用的首选，它们分布在银行各个业务条线的前、中、后台。根据 Gartner 的研究显示，2018年全球RPA的开支大约为6.8亿美元，同比增长57％，预计到 2022 年将达到 24 亿美元。预计到2022年年底，85％的大型和超大型组织都将部署某种形式的RPA。

（一）国外RPA的金融应用

国外领先金融机构早已在不同的应用领域中尝试了RPA的试点工作，积累了丰富的经验并取得了令人瞩目的成绩，如图1-3所示的是国外应用RPA的部分金融机构。

图1-3 国外应用RPA的部分金融机构

法国兴业银行已将RPA运用于投资银行部、人力资源部、财务部、合规部，将大量常规工作任务自动化，包括从网站上获取信息并自动整理至文件夹中。工作人员可以在白天专注于分析和决策环节的工作，晚间由RPA软件机器人运行自动化工作，提升了流程标准化，降低了运营风险，提升了客户体验。

波兰银行通过RPA应用，实现了银行系统的流程自动化和整合。波兰银行通过RPA技术和解决方案，使流程管理得到了改进，降低了运营风险，在未改变现有IT系统的基础上成功实施了RPA。实施后流程的执行速度提升了2~5倍，个人成本节省达85%以上，有望节省16%~20%的全职员工人力。

澳新银行是澳大利亚的四大银行之一，业务遍布全球33个国家。在发展中，澳新银行也曾遇到过面临海量的运营流程缺乏灵活的管控机制，员工聘用及后续的入职、培训等任务极大地消耗了高层管理者的精力等问题。澳新银行引进RPA，旨在解决运营流程缺乏处理工作量变化弹性的问题，提高数据输入的正确性，使员工从单调重复的事务劳动中得以解放。应用RPA后，机器人一年节约的工作量相当于300位全职员工的年工作量总和；降本幅度高达每年300万美元；在多达20个领域实现了整体作业流程自动化能力。澳新银行在其贷款业务、薪资管理、人力资源操作等方面实现了高效应用，推动了整体后台流程的优化，获得了立竿见影的效益。

印度AXIS银行已经将RPA运用到ATM/POS运营、零售贷款、结算等业务场景中。其整体数字化转型采取了三步走的发展策略，优先进行流程优化，再进行移动办公改造，最后进行自动化及人工智能变革。印度AXIS银行通过RPA应用，ATM对账从T+2变成T+0日常对账，并且能够实时解决交易纠纷，更快地响应客户；零售信贷支付周转时间降低了10％，并能够实时设置核准贷款的担保、费用等；实现7×24小时无缝批量处理公司客户大规模资金的业务请求；清算处理涉及的ECS内部授权实现批量请求及异常报告的实时处理；全面实现人力节省、营收提升、客户满意度提升的三大目标。

在新西兰合作银行的RPA应用中，在12个月内挑选10个流程并实现自动化，员工需求从11个降低到2个，审计流程用时从传统人工操作6~7小时降低到机器人1分钟内完成，每小时销户数从12个提高到200个，实现了客户服务水平、流程速度、准确率的提升。

此外，德意志银行、巴克莱银行、摩根斯坦利等银行也先后将RPA技术运用到实际银行业务场景当中。德意志银行在贸易金融、现金运营、贷款运营领域进行了流程自动化的改造。各大领域整体作业流程超过30%实现了自动化，大幅降低了员工培训时间。巴克莱银行将RPA应用于欺诈识别、风险监控、贷款申请，节约了大约120位全职员工一年的工作量，坏账准备金减少了1.75亿英镑。在摩根斯坦利银行个人房屋贷款和小企业贷款放款业务场景的RPA实践中，80%的交易流程由原来的3周缩短至几小时内即可完成。渣打银行对公开户业务的客户录入时间由原先的20天骤减至5分钟。

（二）国内RPA的金融应用

目前，国内银行在流程机器人方面还普遍处于探索、尝试的起步阶段，但是也将RPA技术积极应用于零售金融、企业金融、同业金融、风险管理、运营管理、人力资源、信息技术等不同的业务场景（如图1-4所示），实现运营的自动化和数字化升级。在零售金融方面，RPA技术涵盖了贷后催收、贷款产品推荐、个人失信查询等业务场景；在企业金融方面，RPA技术涵盖了对公开户、授信业务、财务报表采集与分析、电子催收等业务场景；在同业金融方面，RPA技术涵盖了同业拆入存放、余额调节表制作等业务场景；在风险管理方面，RPA技术涵盖了监管报送、信用审批、合同合规审核等具体业务场景；在运营管理方面，RPA技术在指标统计、费用报销、合同报备等业务场景中有着良好的应用；在人力资源与信息技术领域，RPA技术也有着不同程度的应用范围。

图1-4 RPA应用于银行业的核心业务场景

（1）监管报送

在某银行监管报送领域，各银行分支机构的风险经理需要每月定期统一业务报表，系统下载原始数据，并整合手工台账数据，按照监管要求制作数十张监管报表(比如，GF0102贷款五级分类月报表、GF1101行业贷款情况表、G12贷款质量迁徙表)，并向属地监管机构报送。传统人工处理面临着监管报表数量多、计算规则复杂、人工制作非常耗时、易出差错的痛点。在RPA监管报送机器人的技术支持下，实现了监管报表科目的自动计算及一键生成，全流程从12个小时降低至1.5小时以内，效率提高了7倍。

（2）贷后资金流向监控

某银行的贷后资金流向监控业务领域中，各银行分支机构贷后管理人员需要定期排查个人贷款流向，用于检查贷款用途的真实性，并对可疑贷款提前进行结清处理，以满足监管合规的要求。但是在操作中，个人贷款资金流向数据量大，筛选规则复杂，人工筛选耗时较长，且容易遗漏。应用RPA之后，可以根据交易金额、资金流向、交易时间等规则，自动筛选个人流水数据，生成可疑用户名单，以待进一步排查，提升工作效率和监控频率，以保证监控质量。

（3）征信信息查询

在某银行征信业务发展过程中，该银行也引入了RPA征信查询机器人协助进行授信审批。在银行对企业或个人授信审批的过程中，分支机构客户经理需要登录法院、工商、税务、裁判文书等20多个企业和个人征信信息相关系统网站，汇总查询结果信息，并截图保存。这一过程业务量大，涉及外部系统多，费时费力。借助RPA技术，征信查询机器人可以自动登录外部多个征信系统或网站，获取、汇总并截图保存查询结果信息，提升工作效率，保障征信数据的完整性，从而大幅降低人力成本，实现降本增效。

（4）对公开户审核

在某银行对公开户领域，运营管理部在集中处理O2O预约开户审核时，需查询客户在国家企业信用信息公示系统（工商网）、人行账户管理系统、机构信用代码系统中的信息，并对信息的一致性进行比对。业务操作工作量大，每月需处理上万笔业务。季末、年末开户量比平均多出大约20%~40%，人力负担较重。对于公开户机器人，可以自动查询客户的人行账户管理系统、机构信用代码系统信息，并实现人行账户管理系统、机构信用代码系统、企业工商系统三者之间的信息比对。单笔业务审核时间从5分钟降低至1分钟以内，效率提高了4倍。

（5）合同信息采集

在某股份制商业银行的内部合同处理领域，采购部门需要将合同信息录入至合同管理系统，并比对扫描件合同与电子版合同是否一致，比对无误后，提取合同关键信息填入该系统。人工比对扫描件与电子版费时费力，容易出错。RPA合同信息采集机器人可以通过智能文本审阅平台抽取供应商合同中的关键信息，然后利用RPA自动填入合同管理系统，并校验是否有单号重复录入的情况，最后结合人工处理异常情况，以实现流程自动化，从而大幅提升工作效率。

（6）信贷产品营销

在某银行信贷业务中，基于筛选的客户白名单，信用卡中心客服人员以对外电话呼叫的形式触达客户，由于呼叫成本较高，因此业务规模受到限制，触达客户数量少，营销成功率低。借助RPA技术，当出现意向客户进线时，流程机器人将自动抓取关联业务系统数据，实时计算客户最大授信额度，并在财务系统自动下单，进行放款（如图1-5所示）。在RPA赋能下，潜在客户触达率可达100%，营销成功率可提升50%。

图1-5 信贷产品营销流程

（7）APP功能智能推荐

在某全国性股份制商业银行中，手机移动客户端的国内日活跃用户高达几百万到上千万。在引入RPA+智能推荐技术后，手机移动客户端增加了基于用户画像的精准推荐系统，能够构建单个用户的个体画像和具有相同属性的群体画像，打造基于手机移动端线上和线下一体化的金融产品与服务的标签体系，进一步增加用户、产品、内容之间的关联，提升用户粘性。智能推荐机器人将银行手机移动端APP从单纯的基于金融属性的APP，逐步转变成具备一定社区属性的综合金融APP。

（8）财务报表采集

某大型国有银行在其财务报表分析领域，已经引入RPA应用并初见成效。在传统业务处理流程中，各银行分支机构客户经理需要将大量财务报表上的数百项信息手动录入至相应的企业金融系统，并将财务信息填写至尽职调查报告，该流程存在财务报表数量多、会计科目数值大、人工采集非常耗时、易出差错的问题。通过RPA软件机器人的应用，全流程业务操作时间从之前的4小时缩短到10分钟以内，效率提高了23倍。

图1-6 财务报表采集与分析场景流程

（9）账管系统代填

在某银行内部，已经开立的账户信息需要手工同步录入银行结算账户管理系统，包括基本信息、账户信息等字段，凭借人工切换不同系统进行录入相对来说既费时费力又容易出错。通过RPA技术，账管系统代填机器人自动读取待填写账户列表，获取账户信息并自动上传，通过OCR模块进行影像信息抽取后，再自动登入账管系统中完成录入提交。高效快速完成多系统间的数据迁移，大大提升了操作效率，降低了出错率。

（10）同业对账

在某大型国有银行的同业对账业务中，基于RPA技术开发的同业对账机器人取得了良好的应用效果。在业务场景下，同业业务部对账人员需要下载多个不同的银行账户和金融机构自身财务核心系统的众多流水文件，并逐条比对这繁多的条目，将校验不符的账目录入余额调节表，查明差额原因。在传统的人工操作下，银行账号及流水信息数量较大，耗时多且易出差错，资金风险高，审计和监管风险大。RPA同业对账机器人通过部署USB Hub（免USB插拔），对U Key进行集中管控，实现流水文件自动下载、文件格式自动转换、账目流水自动比对，从而大幅度节省管账人员的工作量，百分百保障账单数据的准确性，提高资金的安全保障，满足监管和审计的要求。

（11）信息设备运维

在某银行信息科技部，运维人员需要定期登录安管设备管理系统，获取安全设备管理信息，填写安全运行报告，以确保设备能够正常运行。传统人工操作无法做到全天候监控，存在一定的安全隐患。RPA设备运维机器人可以自动登录系统，实时监控安全设备状态，如发生设备异常，则可通过短信或微信渠道发出预警，实现7×24小时全天候监控，降低运营风险。

五、“RPA+X”五大赋能要素，助力银行数字化转型

RPA机器人作为一个数字化转型的技术工具，可以给企业带来效率提升、人力释放、成本降低、服务提升等多元化的价值创造。对于银行业来说，通过RPA机器人的建设，对外可以助力产品服务的自动化，对内可以提升运作管理的智能化、自动化。但是，如何体系化、规模化地推进RPA机器人部署，实现企业级的自动化升级，在未来相当长的时间，都是一个重要的问题。本文建议商业银行必须在价值、组织、人才、规范和文化五大赋能要素上勤练内功，从而在银行数字化转型的赛道中获得领先优势。

(一) RPA+价值：以企业价值为导向，规划企业级自动化路线图

从国内外领先金融机构的实践来看，流程自动化、计算机视觉、自然语言处理、知识图谱等自动化技术将成为推动商业银行数字化转型的全面引擎，商业银行管理者必须认识到RPA和人工智能对于企业战略的重要意义，需从顶层加强设计，规划企业级自动化路线图。具体来说，一是通过高层会议，结合本行科技战略方向，明确RPA实施战略目的和重点方向；二是全面梳理内部流程，对银行运营的核心流程进行全面扫描，并从流程的技术可行性和业务影响力两大维度进行评估；三是充分了解RPA发展趋势，借鉴业界最佳应用案；四是结合内部梳理和外部对标，制订企业级自动化路线图规划。

(二) RPA+组织：建设RPA卓越中心，承接企业自动化规划落地

在企业级自动化的建设过程中，国内外领先金融机构往往会建立专门的组织机构，即RPA卓越中心（Center of Excellence，CoE）来管理和推进组织的自动化转型。作为组织实施RPA项目的核心，RPA卓越中心（CoE）负责统筹、执行、监督并改进整个RPA战略推进的全生命周期。通常来说，企业CoE包含以下五个维度的职能，如图1-7所示：

图1-7 企业CoE职能

(三)RPA+人才：配备完备的RPA人才体系，是企业自动化部署的关键所在

为RPA CoE配备齐全的技术和运营人员有助于确保跟踪、管控和评估自动化流程带来的流程改进和财务效益。具体而言，RPA CoE应具有项目发起人、主管、项目经理、业务分析师、解决方案架构师、开发人员、运营支持等关键角色，不同角色的职责划分如下：RPA项目发起人：在企业层面的高管级别需要一位机器人流程自动化发起人为企业推进RPA战略全面负责，同时负责确保RPA卓越中心（CoE）在公司范围内的成功建设；CoE主管：负责RPA卓越中心（CoE）的统筹运作、各业务模块管理层的沟通，以及向集团公司领导层报告整体项目绩效；RPA 项目经理：按照CoE预设的方法管理机器人项目的交付，确保项目效益并在预算范围内按时完成；RPA业务分析师：负责识别自动化机会，收集需求，结合战略目标对流程自动化的潜在收益进行自上而下的详细分析并出具意见；解决方案架构师：统筹全CoE的整体解决方案设计，参与创建并更新RPA解决方案架构设计文档，协助RPA项目的开发和实施；RPA开发人员：团队成员负责技术解决方案的设计、开发和测试，对RPA项目提供长期的技术支持；运营支持人员：该团队是在CoE实现过程中遇到任何问题时的第一道支持线，目标是确保业务照常进行。

(四)RPA+规范：建立RPA实施全流程规范体系，保障企业自动化进程稳步推进

为全程保证遵循组织目标以达到一定的业务目标，RPA卓越中心需要在自动化机会识别、开发、测试、上线以及运营等各个环节建立标准和规范，以确保机器人无故障地运行，持续地识别自动化机会并且完成流程的自动化，同时对流程以及系统进行持续的维护和改进。例如，流程机器人运营规范(图1-8)如下：

图1-8 流程机器人运营规范(点击图片看大图)

(五)RPA+文化：积极拥抱新兴技术，推动全员理念变革

社会上普遍存在一种忧虑观点：“RPA会抢走我们的工作、我们会被机器人取代”。出于这种顾虑，员工一定程度上对RPA等技术存在排斥情绪。为此，需要在企业内部加强宣传和培训，RPA的主旨是解放劳动力，让员工从单调重复、枯燥乏味的操作型工作中得以解放，使其能够从事更多具有更高价值的工作。就像我们目睹计算机出现时的变化一样，计算机带来了工作方式的改变，从纸质处理到数字化处理。与三十多年前个人计算机时代开启时类似，今天，机器人和人工智能技术也将改变人们的工作方式，同时增加员工队伍并提高生产力，因此，现在可以算得上是科技史上的重要时刻。如今数百人手动执行的某些任务，在未来则是需要更多的“机器人训练师”去教会RPA软件机器人完成这些任务，使专业人员摆脱平凡的任务，转而专注于更复杂的任务，如创造性思维、管理和其他。

六、结语

随着人工智能技术的快速发展，RPA将逐步具备决策和分析能力，从而远远超出现有的基于规则的自动化范畴，在效率提升、风险降低、成本节省、用户体验改善等方面具备巨大潜力，无疑将成为赋能未来银行业的全新引擎。然而，同其他新兴技术一样，RPA并非万能，若商业银行需要持续地推进自动化升级，商业银行不仅需要制定清晰的战略目标和规划，也需要在组织架构、人才建设、文化宣贯、制度规范等具体措施上制定变革管理计划，以应对新技术对现有组织和员工带来的冲击，更好地帮助商业银行实现数字化转型的美好愿景。