三、功能实现视角
从功能实现的视角来看，RPA技术趋势表现为人机协同技术、流程挖掘技术、语义自动化技术、认知智能技术和API与UI集成技术。
（一）人机协同技术
目前，RPA技术发展还处在起步阶段，人机协同能力还比较弱。例如，人可以手动或者通过条件触发启动机器人，也可以手工停止机器人运行，但是无法干预正在执行的机器人，无法对正在执行的机器人给出即时决策。人们希望未来RPA能够介入机器人的自动化处理过程，能够灵活自主地选择给机器人输入的数据，能够形成人机协同的任务编排以及能够指导或规范人类的业务操作。因此，未来的RPA应具有的技术能力包括：在同一台设备上人机并行的工作能力，能够等待和响应人工处理的能力，人机交互能力，人机交互界面和方式的丰富多样性，基于常用桌面软件的自定义输入能力，与人类团队协作的能力等。
（二）流程挖掘技术
RPA领域一直面临的难题之一是在众多业务流程中很难找到适合自动化的流程。而前期的流程梳理、筛选、分析和设计是RPA应用的基础。因此，流程挖掘也是RPA技术未来发展的热点方向。
根据流程挖掘之父Wil Van der Aalst教授的定义，流程挖掘（Process Mining）是在现有的信息系统中，从日志数据中挖掘知识来发现、监控和改进实际的流程，是一种新兴的跨数据挖掘、机器学习、过程建模与分析等领域的综合应用学科。
流程挖掘可以便捷高效地识别更多的自动化节点，帮助持续维护和发展RPA自动化，特别是能使更复杂和更广泛的流程实现自动化；同时，流程挖掘能够有效解决RPA交付过程中需求梳理复杂的痛点难题，进而加快交付速度；在RPA部署之后，流程挖掘也能在应用过程中持续地监控机器人的工作效率。
未来的流程挖掘应能够提供匹配RPA分析需求的流程设计方法和工具，能够提供定量分析数据的流程挖掘工具，能够提供追踪和支持动态变化的反向流程工具。
（三）语义自动化技术
现阶段，RPA开发者必须一步一步地告诉机器人该做什么：“移动到这里，打开这个，提取那个……”即使在拖放式、低代码环境中，搭建自动化流程也可能非常复杂。而语义自动化可以让开发者摆脱这些规则束缚。
随着文档理解、计算机视觉、机器学习等AI技术的发展，语义软件机器人能够识别流程，了解需要哪些数据，知道从何处获取这些数据并将其移动到何处，而不需要一步一步的指令。开发者只需要求机器人执行任务或完成工作流，即可启动自动化开发。(https://www.daowen.com)
在语义自动化技术支持下的文档理解，无须为每个新文档类型定义模板。通过基于机器学习的各种预训练模型，RPA机器人即可理解并提取新文档字段中的数据。2022年11月开始火遍全球的ChatGPT，实际上就是一种语义自动化预训练模型，业内不少专家也在研究ChatGPT作为前端人机交互、RPA作为后台执行的联合发展模式[7]。延伸到医院统计应用层面的设计思路，ChatGPT聊天机器人收集业务需求、统计口径定义，之后触发RPA软件机器人通过API或其他数据获取手段，自动执行预算、成本、费控行为，汇总统计报表、打印运营分析报告、反馈“危急值”“景气指数”等辅助管理决策。
（四）认知智能技术
RPA与AI技术相融合是RPA与认知智能的加速匹配，认知智能的发展决定了RPA技术未来的发展和应用趋势，AI与RPA的结合主要体现在形成具有自我学习与认知能力的自动化流程。当前的主流RPA主要是具有复制式的学习能力，未来理想的RPA将会与人工智能（AI）、机器学习（ML）、自然语言处理（NLP）、知识图谱以及认知计算（CC）等技术相结合，打造出能够模拟人进行业务决策的智能助理机器人，实现更有深度的业务场景覆盖。
自然语言处理技术和知识图谱是认知智能技术发展的基石，自然语言处理技术的作用是将自然语言转化成机器可以理解的符号，知识图谱的作用是通过语义把各种实体关联起来。知识图谱中数据的主要来源有各种形式的结构化数据、半结构化数据和非结构化数据。日常工作中大多数的信息都是以非结构化文本的形式存在的，而非结构化文本的信息抽取能够为知识图谱提供大量较高质量的三元组事实（实体—属性—实体），是构建知识图谱的核心技术。基于知识图谱内部存储的大量实体以及实体间的关系，RPA在进行业务操作时，一方面，可以根据业务场景准确地操作并返回答案；另一方面，可以对相关体系和发展脉络进行跟踪，提供基于语义的文本内容关联分析，协助业务人员进行符合实际场景特征模型的业务预测。
（五）API与UI集成技术
UI（User Interface），即用户界面，是用户与硬件之间交互沟通的相关软件，通过自动化的流程优化成了RPA进行系统对接的主要方式。但UI自动化的缺点也很明显，那就是高度依赖UI的稳定性，使得UI自动化流程相对脆弱，维护成本比较高，运行时间有时比人工操作长，质量反馈会相对迟钝，投入产出比也可能会低一些。
API（Application Program Interface）[8]，即应用程序接口作为多个软件之间按规则在底层交换数据的中介，API自动化运行速度快，可靠性高，运行稳定且易维护，在校验前后台数据交换上优势明显。API集成比较适用目标系统比较稳定，能够提供API进行对接，或者与无法提供前端操作界面的后台服务进行集成，而API集成的弊端在于无法校验前端页面代码逻辑。对于医院这样运行着上百个软件的机构，复杂的输入和输出解析，穷举各个参数，参数数量超过一定级别后，API自动化写作成本太高，耗时太长，并且各软件厂商之间繁多的技术壁垒和高企的“接口费”，也是倒逼用户选择RPA解决方案的原因。
由此API与UI集成，正在发展成被用户、开发者和RPA厂商都认可的技术。RPA厂商提供API自动化+UI自动化的兼容集成方案，为用户提供了更简单高效的自动化部署方案；用户可在单个自动化中灵活使用UI和API的任意组合；开发者可以像使用UI一样在RPA平台中简单、轻松地使用“API连接器”，从而快速构建需要API的自动化流程，以及跨越API和非API应用和系统的自动化流程。RPA厂商们自有的API资源以及与各系统厂商及API技术供应商达成的战略合作关系，也为用户在API服务方面节省了更多投资。
RPA并不是自动化的唯一途径，BPA、iPaaS、低代码、工作流以及AI等技术，都可以实现自动化，但从成本、效率、实施难度等多个维度来看，RPA是实现自动化的最佳途径。Gartner数据显示，RPA是2019年和2020年增长最快的企业软件，两年时间营收便增长了38.9%。随着RPA功能的发展与完善，包括RPA厂商在内的各机构组织也需要将其与其他技术集成以建立这种优势。2022年开始，机构、用户们更加关心的是RPA如何用得更好，这种需求下RPA必然会集成与融合更多应用。
在卫生健康行业，面临着医院绩效全国性考核、等级医院评审和学科高水平建设等硬性任务，越来越多的医疗机构意识到RPA是保质保量完成任务的重要工具，RPA将继续在智能业务流程创建和优化中发挥关键作用，弥补行业内人力资源不足的窘况，加快“智慧医疗、智慧服务、智慧管理”数字化转型速度，从而稳步实现“健康中国2030”战略目标。