某头部农商行：RPA×AI全面数智化建设，提效800%

在银行业数字化转型的浪潮中，越来越多的金融机构更加重视自动化、智能化的数字技术在数字化转型中的应用。以RPA为代表的数字技术创新应用正为银行业数字化转型带来新的可能。

在数字化转型过程中，某农商银行积极探索RPA数字员工在运营管理和业务经营中的应用，为传统业务的发展注入新的生机与活力，以此全面推进数智银行建设。

过去3年，某农商银行探索实践出了一条以超自动化驱动数字化转型的有效路径，从单点到业务流程，让数字化转型进入“降本提质增效”的新阶段。其中最具代表性的RPA数字员工每年节省工时9000+，在人行上报、外管局数据抓取等典型场景实现无人值守，0误差自动化运行，为银行数字化转型创造价值。

据该农商银行有关部门负责人介绍，近年来，该行加快推动业务处理模式创新，将RPA×AI技术应用到业务流程中。推动AI×流程挖掘进行“对内瘦身对外提效”，为提升数字化运营体系效率，依据科学、有条理的工具帮助银行从上至下发现亟需优化的流程卡点，还原真实、透明、可视化的业务流程，全面提升银行经营效率、自动化水平和风险合规性。

1 7×24小时稳定运行，人机协作提质增效

在数字化的推进下，银行业快速发展，业务规模不断扩大，随之而来的是监管要求日趋严格、用户体验需求逐步提高，高频、低效手工操作的业务场景已不能满足业务发展需求。如开户审查、监管报送、客户服务、票据管理、反洗钱等业务场景，涉及大量系统和数据，同时业务逻辑清晰、流程固定、重复度高，传统的人工操作会占用大量人力成本。

另一方面，定制化系统开发又面临涉及系统众多、开发周期长、不够灵活的问题。因此，为适应迅速迭代、快速发展的业务需求并有效控制人力成本，银行亟需寻求新的工作模式以提高工作效率。

2020年，某农商行启动了RPA试点项目，积极进行数字化转型，以提高中后台业务的自动化、流程化和专业化管理水平。通过借助RPA技术，银行各个部门的业务效率和准确率得到了显著提升。

例如，每年为该农商行节省2000+工时的人行上报业务，部署RPA前，需要银行业务人员每个工作日无休手动执行约200笔作业，对准确性和及时性有较高要求。

RPA可实现7×24小时不间断工作，且工作状态持续保持稳定，自动从数据源获取信息，并将其填写到相应的表格中，减少人工错误和节省大量时间。通过与弘玑RPA的合作，农商行实现了RPA中控和帐管系统的打通，自动化流程覆盖7大业务场景，保证准确率100% 的同时，有效解放人力。

在金融市场总部、小微金融事业部、财务部和运营管理部等多个部门涉及跨系统的数据操作，运营管理部的政银易企通上报工作，在过去，柜台人员需要手动处理账户管理系统内未上传的账户数据，每笔账户耗时3-10分钟，几乎占据了他们整个工作日的时间。而使用RPA后，管理部业务人员只需在信息校验后，启动RPA数字员工工作，自动完成相关账户资料的上传工作。
在零售部的理财资金归集工作中，涉及资金归集的不同类型产品，业务人员每天需要执行上千笔操作，并进行多张报表的下载和数据汇总。通过RPA的自动化处理，将人工处理的时间从30分钟缩减至3分钟，既保证了数据的准确性和时效性，又节省了人力成本。
在数据处理方面，资管部的估值表生成流程- 需要每天通过该农商行邮箱下载T-1日的南京、宁波、招商银行的估值报表，根据固定的逻辑进行整合最终生成估值表；
小微金融事业部的不良瑕疵核销总表生成流程 – 每月月初都需要收集截止上个月月末小微金融事业部各分中心、分部不良瑕疵核销总表；

以及各分中心风险数据及清收情况表流程 – 每天需要从数据决策系统统计各分中心风险数据及清收情况，并自动发送给相关人员。这些数据处理业务规则明确，且逻辑复杂，人工操作耗时耗力，采用RPA自动化技术后，全部实现定时自动处理，处理时间从原来的40分钟降低至5分钟，效率提升800%。

RPA应用后，农商行的中后台业务实现了全面的自动化和流程化管理，大大提高了各项业务的效率和准确率。数字员工具有高效、准确、可拓展等优势，可以为银行提供更强大的业务支撑能力，成为该农商行的关键提效点。

2超级自动化助力数字化转型加速

除了RPA的推广，某农商行还是超自动化技术的先行者，通过RPA、流程挖掘与AI的多种技术组合方案，为复杂多变的业务一线赋能。

某农商行依托RPA、流程挖掘等超自动化技术，不断提升金融科技价值创造能力和服务能力，快速识别、审查和自动化尽可能多的业务和IT流程。目前已在金融市场总部，小微金融事业部，计划财务部，交易银行部，运营管理部以及人力资源部等多个部门落地使用，赋能效果显著。

超自动化应用于信贷决策场景，智能决策和NLP技术共同作用下加快贷款审批过程。在信贷决策场景，当前银行客户经理的工作流程通常为扫描纸质财报、RPA读取扫描件、使用AI技术识别内容并填入指定系统。然后，由客户经理对企业经营状况和新业务机会做出判断。判断时，客户经理需要获取的信息有订单变动、雇员人数变动、库存变动、纳税变动、担保变动、行业周期、外部评价、还款情况等。

随着大模型的出现，超级自动化迎来革命性升级。超自动化与大模型结合后，超自动化向大模型输送数据，大模型生成分析结论与决策指令。预计大模型将推动超自动化进入全新阶段，在该阶段，AI由工具升级为超自动化“大脑”，用来控制运营自动化阶段的“神经系统”。届时，企业将同人类一样灵活，运营方式变革发展，人效颠覆性提升。

某农商行表示，未来将以RPA作为超级自动化的底座之一，结合低代码、流程挖掘、iBPMS、AI 等技术能力和软件工具打造超级自动化平台。随着数字化转型的推进，超自动化平台将进一步整合更多的生态能力，提供更多的业务拼搭组件，实现更强的组合交付能力。

3人工智能应用逐步深入

未来，该农商银行将更深入地运用AI大模型赋能RPA，通过RaaS（robot as a service，机器人即服务）赋能业务，整合数字员工与业务人员进行流程重塑，实现端到端的超级自动化，强化科技赋能，加快推进数字化转型，将为全行业提供有益参考和借鉴。

AI×RPA的快速发展与应用，有效解决了传统金融服务中信息不对等问题，为金融风险防控向更加精准化、自动化、智能化方向发展提供了动力源泉，为银行智慧金融的发展和进一步数字化插上翅膀。

该农商银行持续引领从RPA提效向超自动化流程进化的创新趋势，融合智能中台的数据分析、智能决策能力，与各业务条线紧密协作推动数字员工与金融行业场景深度融合，提升自动化程度，加速农商银行向数智化、智能化发展。

1.本内容作为作者独立观点，不代表RPA学习天地立场，RPA学习天地仅提供信息存储空间服务。

2.如果对本稿件有异议或投诉，请联系客服微信号。