1.背景介绍
随着人工智能的兴起和落地应用,人类历史上一些看起来不可能被机器自动完成的工作逐渐变得越来越容易、越来越快。比如从前的绘画、雕刻、烹饪等,但近年来,随着计算能力的飞速发展、大数据分析技术的迅猛进步以及由互联网驱动的商业模式的全面发展,基于计算机技术的自动化已经成为一个具有巨大的市场前景。在这样的背景下,由于工业4.0、5.0时代到来的资本运作效率,以及数字化、智能化生产环节中出现的重复性和高成本,使得一些日益复杂的工作流程可以由人工智能技术替代甚至取代。相对于人工手动完成的一些重复性和低效率的工作流程而言,采用RPA(Robotic Process Automation)机器人流程自动化系统更加适合这种场景。
在这个过程中,根据目标平台和业务需求,使用RPA自动化解决方案可以帮助企业降低成本、缩短产品交付周期、提升用户体验,并实现业务敏捷性的提升。然而,作为一款功能强大、可定制化程度很高的自动化工具,它也存在一些局限性和弊端。其中之一就是“大模型”AI系统的缺失。如果没有充分利用基于大模型的AI系统提供的先进的特征提取、语义理解、推理和分析能力,则无法实现对复杂业务流程的有效识别和处理。因此,如何结合大模型和RPA系统,构建出能够应对复杂业务流程自动化的工具,也是当前需要研究的重点。
事实上,国内外有多篇关于“大模型”的AI相关论文或文章。但真正具有广泛意义的