在数字化转型过程中，企业一直在探索优化业务流程的新途径，以增强市场竞争力。 机器流程自动化（RPA）、低流程自动化和人工智能（AI）等技术的应用，为企业提供了更多样化的自动化解决方案。 然而，随着技术的不断涌现，企业在选择较多的同时，也不可避免地会出现“自动化烟囱”现象：难以与异构应用交互、数据隔离等，使得企业在面对跨部门、跨系统的复杂业务流程时，难以实现从局部优化到全局优化的飞跃。
在更高的转型要求下，超级自动化应运而生。 超自动化的概念最初是由 Gartner 创造的，它被定义为组织用来快速识别、审查和自动化尽可能多的业务和 IT 流程的一组系统方法。 超自动化涉及协调使用多种技术、工具或平台来实现业务成果。
民生**股***
吴哲瑞，信息技术中心总裁。
超自动化降维解决整个业务流程数字化难题
超自动化不是“更智能”的RPA，而是一系列技术的集成，以优化和重塑整个业务流程。 典型的财务业务流程通常需要跨越多个系统，并涉及系统外部的操作。 然而，现有的自动化解决方案往往局限于单个系统中的流程碎片，无法有效解决整个业务流程的自动化以及跨系统的序列化和调度问题。 超自动化的出现解决了这一痛点，强调更长、更全面的流程管理和自动化、跨系统串联和调度，以及多种技术的集成使用。
目前，已有一系列厂商投入到超自动化赛道，其中不乏原本专注于RPA、流程引擎、流程挖掘、流程管理系统（如OA、BPM）、数据和API集成、自动化运维等的公司。 来自不同供应商的超自动化平台是从其原始核心产品（如 RPA、BPM 或 IPAAS 平台）开发的。 虽然这些平台的能力列表定义尚不统一，但可以看出，领先的超自动化平台的核心能力和组件正在趋同。 这种融合并非偶然，而是业务需求的拉动将各大平台的功能特性推向了同一个方向：异构应用的统一编排、调度和控制。 这也证明，超自动化**的流行并非概念上的炒作，而是由实际和充分的业务需求驱动的。
能力分析：推动跨系统、跨部门业务全流程高效对接，杜绝重复建设
超自动化更关注某项业务全流程的优化，甚至整个业务领域的数字化，因此它比流程自动化（RPA）需要更多的能力。 根据业务需求，将强调所需的功能。 我们将典型的超自动化解决方案所需的功能分为三类：核心功能、集成功能和非系统功能。
1.业务编排、控制和分析的核心能力
核心能力至少包括流程编排能力、操作调度、交互控制、规则引擎、数据和流程管控接口、流程执行分析与评估等。 在平台上，用户可以拖拽出复杂的业务流程，实时监控流程的执行情况，并持续分析和评估运营效果，从而实现业务流程的高效管理和持续优化。
2.所有可连接和可配置的集成功能
作为超自动化的重要特性，跨系统调用对于集成能力是必不可少的。 超自动化平台应具有广泛的集成能力，并能够根据需要集成不同的RPA平台和AI服务。 集成低质量应用和自助报表平台，为复杂流程构建数据和流程处理功能; 集成API和数据库，调用外部服务和数据等。 平台作为企业数字化的重要基础，还应与企业的工作平台对接，如OA、钉钉、飞书等移动工具，实现流程无缝对接。 此外，还需要与企业的各种业务系统对接，对不同的对接方式进行统一控制。
一些超自动化平台内嵌了RPA和AI能力，可以帮助提高交付效率，降低整体成本，但不应限制其与其他RPA和AI平台对接的能力。 超自动化的优势之一是它可以快速连接和调用您需要的自动化功能，而不是专注于内生所有权。
值得强调的是，超自动化应该是轻量级的、可配置的和非侵入式的。 与传统的软件开发模式不同，核心能力和集成能力基本都用在流程的设计和运行中，基本上是以无质量或低质量的方式使用。 这样一来，用户就可以通过平台快速方便地对业务流程进行可视化建模，大大提高了生产效率，降低了研发门槛和成本。
3.打破部门壁垒、流程拉通和优化设计的非系统能力
超自动化具有集成异构应用的技术能力，但只有通过对真实业务进行建模和优化，才能实现超自动化的潜力和价值。 因此，超自动化平台要想成功，除了系统本身外，还需要精通流程设计和商业模式、掌握技术应用的金融科技融合人才，以及支持打破部门壁垒、拉动流程的组织文化和氛围。
实施者需要具备流程分析和优化的能力，借助平台进行跨系统、跨部门对接的设计和协调能力，以及根据业务变化快速转换业务流程的能力。 过去，对 RPA 的需求来自于利用可以自动化的业务运营; 对低质量应用程序的需求来自尚未上线的脱机流程。 如今，有了超自动化平台，无论是否有升级或自动化的优化点，都可以首先将整个业务流程编排到平台上。 通过在平台上固化标准操作程序（SOP），业务流程不断优化，甚至根据技术手段的不断丰富进行重塑。
在组织层面，使用超自动化平台也可以有效促进高效的跨部门协作。 在打通业务流程上下游的同时，规范业务运作，明确权责，促进信息交流; 在提高运营效率和风险管控的基础上，激发业务创新和灵感。 如果每个部门各自完成自己的工作，就很难达到整个企业的整体最优状态。 这不仅会导致效率低下，而且还会增加由于沟通不畅而导致错误和延迟的风险。 因此，通过推动构建更长、更全面的业务流程，打破部门壁垒，在组织内部建立更紧密的协作和沟通机制，可以更好地协调各部门的工作，提高整个企业的运营效率（图1）。
图1 超自动化解决方案。
实践案例：重塑参数管理全流程，建立平台驱动的跨部门敏捷运营模式
企业内部有效协作和沟通的重要性不断被强调。 如何在组织内部建立更紧密的协作和沟通机制，提高整体运营效率，民生业务参数管理中心提供了新的管理思路（如图2所示）。
图2 业务参数管理中心架构。
在传统模型中，每个业务参数通常存储在不同的系统中，并由每个部门自行管理和设置。 这种管理方式导致参数使用链不清晰、维护成本高、调整同步不及时、人工巡检难以覆盖等一系列问题。 参数中心依托超级自动化能力，综合运用OCR、RPA等智能工具，对接多个业务系统，实现参数标准化、智能识别、协同移动化、依赖可视化、设置自动化、审计常态化。 在提高跨部门、跨系统参数运营效率的同时，也巩固了运营经验，辅以日常参数全程审核，充分保障业务的顺利运行。
在超自动化模式下，协作模型被转化为一个参数中心，支持和驱动整个业务流程，承担繁琐但既定的规则。 例如，参数表识别、跨系统参数设置、审计等，并自动向业务人员发送待办事项和流程信息; 业务人员负责关键参数评审、异常问题排查等，节约能源，更注重业务发展和创新。 参数管理模式也从各部门垂直管理转变为平台统一管理。 面对跨多个部门和系统的业务参数控制，这些参数会不时发生变化，对时效性和准确性有极高的要求，这种平台驱动的敏捷横向管理模式将特别适用。 管理人员和业务人员可以随时随地了解业务进展，同时也为金融产品的全生命周期管理提供了底层自动化能力。
业务建模：超自动化可实现卓越的数字化运营，并适应更敏捷、更灵活的业务升级
从以上例子可以看出，超自动化以低成本的方式打通跨部门、跨系统的流程，对业务进行建模，在全流程治理过程中完成本地数据治理，对非结构化数据进行分析并实现，为自动化执行提供必要条件。 这体现了流程和业务要素的数字化，也是企业数字化转型的关键领域。 凭借超级自动化、轻量化的优势，企业可以跟上业务发展的步伐，在管理和业务运营领域快速提升数字化在数字化过程中的占比，而无需等待业务系统的升级。
在这个过程中，超级自动化平台还可以充当系统之间的“离合器”，不用担心全流程系列导致系统间的过度耦合，将业务系统升级对上下游系统的影响降到最低，只需要更新超级自动化平台上对应的节点即可。 这种数字化运营模式，通过可视化建模和灵活调整服务，有助于提高管理解决率、加快业务流程、增强决策敏捷性，进一步推动领域的数字化转型（图3）。
图 3 超自动化促进数字化运营。
发展前景：超级自动化叠加在大语言模型上，颠覆性企业数字化运营革命
人工智能在自动化中发挥着关键作用。 目前，大型语言模型（LLMs）在超自动化中的应用主要体现在借助智能自然语言处理技术对非结构化数据进行处理和集成，以及利用自然语言构建流程或应用。 未来，大型模型将在流程的设计、执行、分析和优化中发挥更大的作用。
在设计阶段，对规章制度和标准操作手册（SOP）进行智能分析分析，辅以人工检查调整，快速生成可执行的工艺文件。 这将简化流程分析，更准确地识别操作手册中的逻辑错误以及必要的合规审查和风险控制点。
在执行阶段，执行模式从运行固化流程（如使用RPA自动化执行）转变为根据执行目标自行分析拆解任务，并在流程中自主调整优化，大大增加了操作的灵活性。 例如，它无需提前指定即可自动在页面上查找元素，并从规则引擎升级为智能引擎，实现更智能的流程调度，逐渐演变为AI代理。
在分析和优化阶段，根据操作记录和结果，配合原有的工艺设计，自动找到优化点。 由于超级自动化平台可以匹配流程系统、标准操作流程和流程设计并存储在平台中，并随时监控运行状态并分析运行数据，随着AI能力的发展，可以全面管理企业流程的全生命周期。
总的来说，大型语言模型的应用将改变流程设计、流程挖掘和流程执行分离的现状，不再局限于单一流程、单一系统，这将是流程相关管理技术的颠覆性革命，也将迅速提升企业数字化运营水平。