RPA가 과장되거나 확장 가능합니까? 아니면 반창고입니까? 다음은 의사결정 엔진입니까?

RPA는 과대 광고입니까, 확장 가능한 솔루션입니까, 아니면 반창고입니까? 의사결정 엔진은 미래인가?

충분히 자주 듣습니다. RPA가 과장되었습니다. 그것은 반창고와 같습니다. 이제 정보 시대는 RPA가 아닌 의사 결정 엔진이 미래라고 주장한 한 비즈니스 컨설팅 전문가와 이야기했습니다. 맞습니까?

북미 지역의 비즈니스 컨설팅을 총괄하는 Albert Rees에게 EPAM의 경우 RPA는 반창고에 가깝습니다.

Rees는 RPA에 두 가지 문제가 있다고 봅니다.

• 구현 비용이 예상보다 훨씬 높습니다.
• 유지보수 비용. "기존 시스템 간에 데이터를 이동하고 있으며 이러한 시스템이 변경되지 않으면 세상 모든 것이 좋습니다. 그러나 실제로는 그렇지 않습니다. 따라서 시스템이 발전함에 따라 백엔드의 사항도 변경되어야 합니다.

Rees는 다음과 같이 말합니다. "자동화가 어디에서 작동하고 무엇을 할 것이며 시스템과 어떻게 상호 작용할 것인지를 실제로 이해하려면 매우 낮은 수준의 세부 사항에 도달해야 합니다." 그렇게 낮은 수준의 세부 사항에 도달하는 데도 비용이 듭니다.

그는 다음과 같이 덧붙입니다. 정보 이동 중 하나가 Excel일 수 있습니다. 그 중 하나에 변경 사항이 있으면 갑자기 다시 돌아가서 업데이트를 구현해야 합니다. 대부분의 조직에서는 자체적으로 그렇게 할 수 없으므로 다시 비용을 지출하고 있습니다."

의사결정 엔진

대신 그는 의사결정 엔진을 핵심으로 봅니다. 하지만 그들은 무엇입니까? 그는 다음과 같이 말했습니다:“나는 의사결정 엔진을 일련의 규칙으로 정의할 수 있는 인간 의사결정의 일부를 자동화하는 데 사용되는 도구라고 생각합니다. 사전 정의된 비즈니스 규칙(종종 '의사결정 트리'라고도 함)을 데이터 세트에 적용하여 작동합니다. 의사결정 엔진은 일반적으로 RPA를 대체하지 않지만 복잡한 데이터 세트에 적용된 복잡한 규칙을 평가할 때 프로세스에 결정이 필요한 경우 RPA를 향상시킬 수 있습니다."

토론

맞습니까?

최근 Information Age는 UiPath의 영국 및 아일랜드 매니징 디렉터인 Bruno Ferreira와 이야기를 나누었습니다. 놀랍게도 그는 다른 관점을 가지고 있습니다.

그는 과장된 주장은 의미가 없다고 제안합니다. "갱신율이 90% 이상입니다."

그는 또한 UiPath의 성장에 대해 언급합니다. 2016년 1천만 달러, 2018년 2억 달러, 이는 정확한 수치가 RPA에 대한 열렬한 욕구를 나타냄을 시사합니다.

그러나 그는 소수의 조직만이 RPA를 사용하고 있으며 이는 엄청난 성장 잠재력을 의미합니다.

Everest Group의 수석 부사장이자 저명한 분석가인 Sarah Burnett은 "우리는 기업이 약 30%의 비용 절감을 달성한다는 사실을 보여주는 연구를 실제로 수행했습니다."라고 말했습니다.

RPA 반창고?

그런 다음 RPA가 반창고와 같은 문제가 있습니다. 이는 레거시 시스템으로 귀결됩니다. "그것은 COBOL로 작성되었으며 메인프레임에 설치되어 있습니다. 우리가 이러한 레거시 시스템으로 더 이상 아무 것도 할 수 없는 사용 사례 중 하나라고 Rees는 말합니다. 그런 다음 그는 많은 시스템이 잘 통합되어 있지 않다고 주장합니다. "여러 버전의 진실을 얻게 되며, 이는 예를 들어 다른 시스템에 이미 존재하는 데이터를 입력하는 엄청난 일상적인 수동 작업을 의미합니다." 그는 많은 회사가 이를 돕기 위해 RPA를 사용하고 있지만 "많은 면에서 RPA는 존재할 수 있는 것, ERPS 및 기타 동급 최고의 유형 솔루션 내에 존재할 수 있는 기능에 대한 반창고입니다. "

“내 마음속에 있는 질문은 RPA가 시장에서 실제로 실행 가능한 솔루션으로 얼마나 오래 유지될 것인가 하는 것입니다. 그리고 나는 모른다. 우리가 실제로 보고 있는 것은 RPA의 차세대 진화인 지능형 자동화 및 클라우드 솔루션으로 이동하는 고객이기 때문에 3년에서 5년 사이입니다. "

여기에도 강하게 반대하는 사람들이 있습니다. 예를 들어, UiPath는 모든 책상을 위한 로봇을 달성하는 것을 목표로 하는 것으로 유명합니다. 이 목표에는 장기적인 계획이 내포되어 있는 것 같습니다.

브루노 페레이라(Bruno Ferreira)는 과학자당 로봇 1대를 목표로 하는 유아이패스(UiPath)의 목표를 예로 들었습니다. 그는 "과학자가 매일 연구실에 가지만 준비를 위해 하루에 한 시간을 보내야 한다고 상상해 보세요."라고 RPA를 사용하면 "추정에 따르면 한 달에 9시간을 절약할 수 있다고 합니다. 이는 놀라운 일입니다. "

민감한 데이터

Rees는 또한 프로세스를 엔드 투 엔드로 자동화할 수 있는 무인 로봇에 대해 우려하고 있습니다. 문제의 일부는 규제와 무인 로봇이 오류를 반복할 수 있는 위험에 있으며, 일상 업무와 분리된 운영자는 인식하지 못합니다.

그는 “모든 사람이 애자일을 원한다”며 “개발 관점에서 보면 애자일은 실수를 저지르고 실수로부터 배우고 수정할 수 있을 때 훌륭하다. 하지만 민감한 데이터로는 그렇게 할 수 없습니다.

따라서 방화벽 뒤에 있는 시스템 A에서 시스템 B로 데이터를 이동하는 로봇이 있는 경우 무인이 잘 작동합니다. 문제가 발생하면 어떻게 될까요? 우리는 또 다른 스프린트를 시작하고 수정하고 다시 무인 상태로 돌아갑니다. 일반적으로 다른 사람의 손에 들어가기 전에 잡혀 문제가 발생합니다."

그러나 그는 민감한 데이터에 문제가 있다고 봅니다. 예를 들어, "다른 사람의 당좌 예금 계좌에 대한 은행 거래 명세서. "이러한 상황에서는 무인 상태가 훨씬 더 위험해집니다."

반면 Sarah Burnett은 데이터의 성취 정확도를 RPA의 강점 중 하나로 보고 있습니다.

실수는 사람이 하는 것이라고 말했듯이 RPA는 오류를 제거할 수 있습니다.

“사람이 약간의 데이터를 입력하면 실수로 일부 숫자를 쉽게 바꿀 수 있습니다. 그 오류를 수정하면 할수록 더 많은 비용이 듭니다. 시간이 매우 많이 소요되는 사람들이 이 오류를 추적하고 수정하려고 애쓰게 만들 수 있습니다. 로봇이 올바르게 개발되고 유지 관리되고 원활하게 실행된다면 그런 실수를 하지 않을 것입니다. 우리는 로봇 앱을 계속 테스트했으며 한 번 테스트한 후에는 실수를 발견하지 못했고 100% 정확했다고 말하는 조직의 이야기를 듣고 있습니다.