AI와 RPA란 무엇인가:차이점, 과장, 함께 사용해야 하는 경우

RPA(로봇 프로세스 자동화) 및 AI(인공 지능)는 전례 없는 생산성, 효율성 및 고객 만족도 향상을 이끄는 능력으로 인해 최근 몇 년 동안 많은 과대 광고를 받았습니다.

실제로 글로벌 RPA 시장은 2027년까지 255억 6000만 달러에 이를 것으로 예상되며, AI 시장은 2025년까지 3909억 달러에 달할 것으로 예상됩니다. 그러나 이러한 신기술이 최근 촉발된 많은 대화에도 불구하고 여전히 많은 혼란이 있습니다. 무엇이 그들을 차별화하는지, 각각이 무엇을 독특하게 잘하는지, 어떻게 점점 더 협력할 수 있는지.

현대 기업은 단순한 프로세스와 복잡한 의사 결정이 풍부한 프로세스로 구성되어 있으므로 전체 워크플로를 처리하기 위해 보완 기술이 필요합니다. 스펙트럼의 한쪽에는 명확한 단계별 흐름이 있는 시스템에서 번창하는 RPA가 있습니다. 다른 한편에는 복잡한 프로세스에서 인간의 의사 결정을 강화하고 개선할 수 있는 AI가 있습니다.

RPA와 AI는 함께 운영 효율성을 높이는 데 중요한 역할을 하며 회사의 업무 방식을 혁신하는 데 중요한 역할을 합니다.

첫째, RPA란 무엇입니까?

RPA는 디지털 시스템과 상호작용할 수 있는 소프트웨어 로봇의 중추 역할을 하는 핵심 자동화 기술로 인간이 반복적이고 시간이 많이 걸리며 부가가치가 없는 작업을 덜어줍니다. 기본적으로 RPA는 싫어하는 작업을 제거할 수 있습니다.

RPA는 시간 경과에 따라 워크플로가 변경되지 않거나 면제 처리를 위해 높은 비율의 사람이 개입해야 하는 규칙 기반 프로세스를 처리하는 데 사용할 때 가장 잘 작동합니다. RPA는 그 자체로 다음과 같이 비즈니스를 지원하는 가장 일반적이고 시간이 많이 소요되는 일부 프로세스를 능숙하게 처리할 수 있습니다.

• 애플리케이션에 로그인

• 시스템 API에 연결

• 데이터 복사 및 붙여넣기

• 문서에서 구조화된 콘텐츠 추출 및 처리

• 이메일 및 첨부 파일 열기

• 웹에서 데이터 스크랩

Smarter with Gartner가 선정한 2020년 최고의 전략적 기술 트렌드인 초자동화의 토대 Gartner 2020년 상위 10대 전략적 기술 트렌드 보고서 - RPA는 AI, 머신 러닝, 프로세스 마이닝과 같은 미래 도구 기술을 위한 기반을 마련합니다.

기업은 처음부터 RPA를 구현함으로써 자동화 도구의 전체 에코시스템을 지원하는 데 필요한 자동화 스캐폴딩을 구축합니다.

AI란 무엇이며 RPA와 어떻게 다릅니까?

간단히 말해서, AI는 우리가 사랑하게 된 RPA 로봇의 보완적인 형제입니다. RPA와 AI는 협력하여 자동화를 모든 종류의 새로운 영역으로 확장하여 더 복잡한 작업을 자동화할 수 있도록 합니다.

AI는 이전에는 인간만이 할 수 있었던 복잡한 프로세스를 쉽게 처리할 수 있습니다. 이는 AI 로봇이 여러 가능한 결과를 예측하기 위해 대규모 데이터 세트를 사용하여 인지적 결정을 내릴 수 있기 때문입니다.

AI는 '실행'을 넘어 '사고'로 확장할 수 있습니다. 예를 들면 다음과 같습니다.

• 문서 이해

• 화면 시각화(가상 데스크톱 포함)

• 대화 이해하기

• 자동화할 작업 및 프로세스 검색

• 처리 언어

• 반정형 또는 비정형 데이터 처리

수년 동안 AI는 공상과학 소설의 세계로 격하된 개념이었습니다. 회사와 업계 리더들은 언젠가는 자신이 수행한 작업에 혁명을 일으키겠다는 머나먼 꿈으로 약속했습니다.

하지만 더 이상은 아닙니다.

명확히 하자면, 저는 AI를 활용하는 물리적 로봇에 대해 말하는 것이 아닙니다. 그리고 나는 Elon Musk가 세계를 장악할 것이라고 말한 인공 일반 지능(AGI)에 대해 말하는 것이 아닙니다. 대신, 보다 효율적인 비즈니스를 위한 머신 러닝 모델을 구축하고 인간 경험을 대체하는 것이 아니라 향상시키는 실용적인 AI에 대해 이야기하고 있습니다. 이러한 종류의 자동화는 직장에서 AI를 가장 실용적으로 적용한 것입니다.

그러나 성공하려면 기업이 RPA와 AI를 모두 파트너로 수용해야 합니다.

AI와 RPA:탱고를 하려면 2명이 필요합니다.

인생과 탱고에서처럼 두 가지가 필요합니다. 자동화 전략의 세계에서는 AI와 RPA가 함께 협력하여 기업 운영 효율성을 높여야 합니다. 이 두 파트너 기술은 함께 작동하여 기업 운영의 절반을 능률화함으로써 공정 지방을 줄이고 인간의 삶을 더 쉽게 만듭니다.

나는 지구상의 거의 모든 산업에서 이것을 봅니다. 예를 들어 2019년 신종 코로나바이러스(COVID-19) 진단을 목표로 하는 병원의 감별 진단 프로세스를 살펴보세요.

RPA를 사용하여 병원은 고열 및 신체 통증과 같은 일련의 COVID-19 증상을 살펴보고 의료 전문가에게 새로운 사례를 알리는 소프트웨어 로봇을 구축할 수 있습니다. 그러나 RPA는 초기의 "예 또는 아니오" 스타일의 섭취 질문으로 제한되며 더 복잡한 기준(의료 환경에 많은 기준이 있음)을 적절하게 평가할 수 없습니다.

그러나 RPA는 이 기준 환자 데이터를 통합하여 AI를 통한 보다 발전된 예측 프로세스 분석을 수행할 수 있습니다.

병원은 RPA 환자의 초기 검사를 완료한 다음 AI를 사용하여 엑스레이를 해석할 수 있습니다. UiPath AI Computer Vision은 환자의 COVID-19 관련 폐렴 지표를 감지하고 치료 권장 사항을 제시하는 데 사용할 수 있습니다.

AI는 COVID-19 외에도 저체중 출생 임신을 정확하게 식별하고 치료 시간을 단축하는 것과 같은 임상 결과를 결정하는 데 사용될 수 있습니다.

의료 분야 외에도 AI 지원 자동화는 수많은 다른 산업에서 운영 효율성 향상, 직원 및 고객 만족도, 규정 준수 개선을 추진하는 데 도움이 될 수 있습니다. 최근에 본 사례 중 하나는 기계 학습 및 UiPath AI Fabric을 사용하여 청구 사기를 예측하는 데 도움이 되도록 보험 업계에 AI를 적용한 것입니다.

이 도구를 사용하여 회사는 사일로 데이터 소스의 데이터를 통합하여 청구의 일부가 사기인지 여부를 예측하고 그에 따라 처리의 우선 순위를 지정하고 플래그를 지정할 수 있었습니다.

RPA와 AI를 실제로 결합함으로써 기업은 역량을 높이고 프로세스를 보다 효율적으로 만들 수 있습니다.

RPA 출시 시기 및 AI 도입 시기

프로세스를 RPA로 처리해야 하는지 AI로 처리해야 하는지 파악하는 데 도움이 되는 좋은 경험 법칙이 있습니다. 먼저 정신적으로 쉽게 맵을 구축할 수 있는 프로세스를 처리하여 자동화 여정을 시작한 다음 너무 복잡한 것으로 간주되는 워크플로에 AI를 추가합니다. RPA 단독. 이를 통해 귀사와 귀사의 로봇 CoE(Center of Excellence)가 혁신 초기에 신속하게 성공할 수 있을 뿐만 아니라 나중에 AI로 확장할 수 있는 자동화 기반을 구축할 수 있습니다.

RPA는 기본 프로세스를 정리하여 기존 디지털 시스템 위에 쉽게 통합되는 프레임워크를 제공합니다. 이러한 기반이 없으면 AI 통합을 위한 진입 장벽이 훨씬 높아집니다. 이러한 기반이 없다면 AI는 핵심 프로세스에 수동으로 짜넣어야 합니다.

이 접근 방식에는 주목할 가치가 있는 예외가 있습니다. 과거에 이미 비즈니스 프로세스 자동화에 막대한 투자를 한 경우(즉, 프로세스 위생을 보장하기 위한 작업을 이미 완료했음을 의미함) AI와 RPA의 기회를 동시에 볼 수 있습니다. .

그럼에도 불구하고 간단한 프로세스의 첫 번째 계층을 선택하고 자동화한 후에는 RPA만으로는 "너무 복잡한" 것으로 간주되는 워크플로를 살펴볼 때입니다. 이들은 AI의 후보자가 될 것이며 다음을 포함해야 합니다.

• 결과를 100% 예측할 수 없는 워크플로 시간(예:자산 평가, 대출 채무 불이행 및 재고 예측을 지원하는 프로세스)

• 매우 가변적인 프로세스 명확한 규칙 집합(예:이력서 매칭, 구매 결정 및 언어 번역)에 의존하지 않는 것

• 구조화되지 않은 데이터에 의존하는 프로세스 문서, 기사, 이미지, 비디오 및 이메일(예:인보이스 추출, 이메일 라우팅, 음성을 텍스트로 변환)

권장 자료: AI가 더욱 쉬워졌습니다:더 복잡한 프로세스를 자동화하는 UiPath 스타터 모델

실제 세계에서 이러한 AI 지원 프로세스는 다음과 같을 수 있습니다.

• 의료 분야의 재입원 예측

• 소매 가격 최적화

• 금융 서비스의 사기 감지

• 프로세스 서비스의 거래 지침

이는 몇 가지 예일 뿐입니다.

또한 점점 더 많은 작업을 자동화함에 따라 워크플로를 통해 이동하는 데 더 높은 수준의 판단이 필요한 병목 현상을 알게 될 것입니다. 이것은 AI를 위한 더 많은 기회입니다. 또한 AI를 시작하는 데 데이터 과학 기술이 필요하지 않습니다.

다음은 고객과 공유한 요약입니다. 우리는 많은 씨앗을 뿌렸고 그 위에 자라날 모든 숲은 자체 개선 엔터프라이즈 애플리케이션의 숲입니다.

이러한 기술은 혁신적이며 기업이 이전과는 다른 방식으로 투자 수익(ROI)을 유도하는 최적의 자동화 지원 비즈니스를 달성할 수 있는 새로운 비즈니스 미래를 지원할 수 있는 독보적인 위치에 있게 된 것을 기쁘게 생각합니다.

AI와 RPA를 모두 갖춘 엔터프라이즈 플랫폼의 중요성

우리가 RPA를 좋아하는 만큼 플로차트 친화적인 프로세스 자동화로 자신을 제한할 때 얼마나 효율적일 수 있는지에 대한 상한선이 있습니다.

반대로 AI만 통합하면 확장을 위한 인프라 및 수명 주기 지원이 부족하고 느린 통합 및 확장에 직면하게 됩니다.

그렇기 때문에 UiPath와 같이 두 가지를 모두 제공하는 공급업체를 선택하면 부서, 프로세스, 업종 간의 격차를 극복하고 AI 기능을 출시할 때 RPA의 스캐폴딩을 활용하는 데 도움이 됩니다.

귀하를 위해 통합을 처리하고 이미 당사 플랫폼에 기본으로 제공되는 RPA 기능을 기반으로 하여 AI와 RPA의 통합을 쉽게 만듭니다.

다른 회사는 기본 데이터 레이어로만 작업하고 프론트엔드 앱 간의 전이중 통신을 지원하지 않지만 UiPath 플랫폼을 사용하면 기본 RPA 기반을 사용하여 기계 학습 모델을 원활하게 도입할 수 있습니다.

위의 이미지를 클릭하면 차트를 크게 볼 수 있습니다.

이를 통해 AI 및 RPA를 지원하기 위해 전체 데이터 과학 실무를 고용하지 않고도 AI 및 RPA의 ROI를 쉽게 구현하고 완전히 실현할 수 있습니다. 또한 사내 데이터 과학 기능이 이미 있는 경우 해당 팀을 보다 효율적으로 만들 수 있습니다.

AI와 RPA가 결합하여 현대 기업을 혁신하는 방법에 대해 자세히 알아보려면 주문형 웨비나 AI-Enhanced Automations – Combining Transformative Capabilities를 시청하십시오.