RPA 개발자와 데이터 사이언티스트로 자동화 전략 격상하기

당신이 최고재무책임자(CFO)이고 다음 분기가 시작되려 한다고 상상해 보세요. 지난 분기는 좋았지만, 직감적으로 다음 분기가 더 좋을 것 같습니다.

완벽한 세상이라면 본능적 낙관을 데이터 기반 예측으로 전환할 것입니다. 분기 첫날부터 분기 말까지 부서에 얼마나 많은 자금이 있을지 알 것입니다. 다음 분기에 무엇을 예산으로 책정하고 어떤 자원을 전담할지 정확히 알 것입니다.

인공지능(AI)과 머신러닝(ML)의 예측 역량을 자동화와 결합하면 이 고가치 정보를 손끝에 가져올 수 있습니다. 그러나 여기에 격차가 존재합니다: 이러한 복잡한 데이터 과제를 해결할 수 있는 두 팀이 일반적으로 함께 일하지 않습니다. 로봇 프로세스 자동화(RPA) 개발자와 데이터 사이언티스트를 말하는 것입니다.

데이터 사이언티스트와 RPA 개발자의 기술 세트는 상호 보완적입니다. 올바른 거버넌스로 양쪽을 활용하는 새로운 워크플로를 구성할 수 있습니다. 그렇게 하면 ML을 더 빠르게 확장하고, 데이터 사이언티스트를 더 복잡한 작업에 자유롭게 하며, RPA 개발자 역량을 강화하고, 비즈니스 결과 측면에서 두 팀을 온전히 활용할 수 있습니다. 첫 번째 과제는 데이터 사이언티스트를 사일로에서 해방하는 것입니다.

데이터 사이언티스트가 사일로에 고립되어 있습니다

기업에 AI를 실질적으로 도입하고 자동화로 조직을 혁신하려면 RPA 개발자와 데이터 사이언티스트 팀을 하나로 모으는 것이 핵심입니다. 사일로는 대형 엔터프라이즈에서 흔하지만, 이 두 특정 팀을 하나로 모으는 것은 할 수 있는 가장 영향력 있는 변화 중 하나입니다. 두 팀 모두 더 좋고 스마트한 프로세스와 비즈니스 의사결정을 알리는 데 도움을 주고 싶지만, 그게 함께 일한다는 뜻은 아닙니다. 두 팀이 불필요하게 별도 수단을 사용해 유사한 목적지에 도달하게 만드는 조직적 간극이 존재하는 경향이 있습니다.

데이터 사이언티스트를 충분히 활용하지 못하면 상당한 시간과 자원 낭비입니다. 글래스도어(Glassdoor)에 따르면 미국 데이터 사이언티스트 평균 연봉은 $113,309입니다. 순수 연봉을 넘어 데이터 사이언티스트 낭비에는 기회 비용도 있습니다.

현재 데이터 사이언티스트 부족 현상이 있으니, 팀이 있다면 최대한 잠재력을 발휘하게 하는 게 최선입니다. 불행히도 이 희귀하고 비싼 '유니콘'들은 그들을 고용한 조직과 협업할 수 있는 RPA 팀 모두에 의해 종종 오해받습니다.

기업이 데이터 사이언티스트를 오해하는 4가지 이유

기업이 데이터 사이언티스트 가치를 과소평가하는 네 가지 주요 이유가 있습니다:

1. 비즈니스 가치를 명확히 표현하기 어렵습니다. 2020년 아나콘다(Anaconda) 데이터 과학 설문조사에 따르면 데이터 사이언티스트의 절반 미만(48%)이 데이터 과학이 비즈니스 결과에 미치는 영향을 입증할 수 있다고 느낍니다.
2. ROI가 비쌉니다. 이미 비싼 데이터 사이언티스트는 기업이 투자하려는 것보다 더 많은 리소스를 필요로 하는 경우가 많습니다. 우리 제레미 테데리(Jeremy Tederry), UiPath 머신러닝 제품 매니저이자 전 데이터 사이언티스트는 ML 모델을 프로덕션에 올릴 리소스가 없어 회사를 떠난 적 있습니다.
3. 협업 없이 가치를 전달하지 못합니다. 데이터 과학 출력을 비즈니스에 영향을 줄 수 있는 프로덕션에 가져오는 게 항상 간단하지 않습니다. 데이터 사이언티스트는 성공을 위해 교차 조직 지원이 필요합니다. 테데리에 따르면 "ML 모델만으로는 아무것도 할 수 없고, 하지도 않습니다. 다른 팀과 협력하고 더 큰 프로젝트 일부로 포함되어야 성공할 수 있습니다."
4. 노력의 상당 부분이 보이지 않는 작업에 쓰입니다. 앞서 인용한 아나콘다 데이터 과학 설문조사에 따르면 데이터 사이언티스트의 45%가 데이터 준비(로딩 및 정제)에 시간을 씁니다. 데이터 모델이나 시각화에 들어가기 전에. 이는 데이터 사이언티스트에게 엄청나게 좌절감을 줄 수 있습니다(아래 트윗에서 분명).

출처

이 네 가지 이유가 결합되면 기업은 데이터 사이언티스트를 과소평가하고 과소활용하는 경향이 있습니다. 그러나 그들이 모르는 것은 그들의 가치를 풀어주는 열쇠가 바로 한 팀 옆에 있다는 것입니다.

RPA 개발자도 데이터 사이언티스트를 오해합니다

RPA 개발자와 데이터 사이언티스트의 마인드셋은 워크플로와 타임라인이 다르기 때문에 다르는 경향이 있습니다. 워크플로가 갈리면 마인드셋도 갈립니다. 이건 자연스러운 일이지만, 이 팀들이 부서 간 소통을 어렵게 만들어 사일로를 만듭니다.

MSD 데이터 사이언티스트 쯔엉 응우옌(Trung Nguyen)이 좋은 예입니다. 지능형 자동화 기사에서 RPA와 ML 워크플로를 별도 차트로 분석했습니다. 특히 RPA 개발자가 규칙 작성에 집중하는 반면 데이터 사이언티스트는 ML 모델 훈련에 집중하는 방식을 보세요.

두 팀 모두 공부로 시작하고, 둘 다 솔루션을 평가, 출시, 오류 분석합니다. 그 후 RPA 개발자는 환경 변화를 만나면 전략을 전환하는 경향이 있는 반면, 데이터 사이언티스트는 피드백을 데이터로 퍼널해 ML 모델을 추가 훈련하는 경향이 있습니다.

처음엔 작은 차이처럼 보일 수 있지만, 타임라인을 보면 차이가 연쇄적으로 커집니다.

복잡한 문제 해결(데이터 사이언티스트가 가장 적합한 종류)의 시간 지평은 최소 6개월입니다. RPA 개발자는 애자일 워크플로를 사용해 진척도를 주 단위로 측정합니다. 이는 더 빠른 워크플로에 몰입한 RPA 개발자가 빠른 솔루션 관점에서 생각하는 반면, 데이터 사이언티스트는 더 탐구적인 프로젝트 쪽으로 기울게 만듭니다.

RPA 개발자와 데이터 사이언티스트 기술 세트: 다르지만 상호 보완적

리더가 RPA 개발자와 데이터 사이언티스트를 정렬하면, 그들이 조직에 전달할 수 있는 혜택은 부분의 합보다 큽니다. RPA 개발자는 데이터 사이언티스트와 협업해 혼자서보다 훨씬 더 복잡한 프로세스를 자동화할 수 있고, RPA 개발자와 협업하는 데이터 사이언티스트는 그 어느 때보다 빠르고 집중적으로 일할 수 있습니다.

우리가 설명한 간극에도 불구하고, RPA 개발자와 데이터 사이언티스트는 같은 언어를 말하거나 적어도 코드로 씁니다.

UiPath 2020 RPA 개발자 현황 보고서에 따르면 RPA 개발자의 90% 이상이 대학 학위를 가지고 있으며 파이썬이 이미 RPA 개발자들이 아는 상위 언어 중 하나입니다. 지식 격차는 두려워할 만큼 넓지 않습니다.

이 간극을 넘고자 하는 열망도 있습니다. 우리 연구에서 RPA 개발자들은 이미 데이터 과학 인접 주제에 대해 더 배우고 싶다고 나타냈습니다. UiPath 'RPA가 직원 경험에 미치는 영향'에서 RPA 개발자의 80% 이상이 AI/ML 학습을 원한다고 나타냈습니다. 그리고 UiPath 2020 RPA 개발자 현황 보고서에서 여러 RPA 개발자가 RPA 외에도 ML과 데이터 과학 기술 세트를 추가하고 싶다고 말했습니다.

데이터 사이언티스트에게도 간극이 보이지 않는 건 아닙니다. 연구에 따르면 데이터 사이언티스트는 RPA 개발자가 더 잘하고 빠르게 해결할 수 있는 문제에 거의 절반 시간을 씁니다. (위에서 인용한 2020 아나콘다 데이터 과학 설문조사 기준) 평균 45% 시간이 모델과 시각화 개발에 사용하기 전 데이터 준비(정리)에 쓰였습니다.

요약하면:

1. RPA 개발자와 데이터 사이언티스트는 공통 언어로 소통할 수 있습니다.
2. RPA 개발자는 데이터 과학을 배우고 구현하고 싶어 합니다.
3. 데이터 사이언티스트는 종종 RPA 개발자가 도울 수 있는 작업에 발이 묶입니다.

그러면 문제는: 어떻게 이 명확히 상호 보완적인 두 팀을 하나로 모을 수 있을까?

데이터 과학과 RPA 팀 사이의 벽 허물기

리더가 이 팀들 간 장벽을 허물면 회사에 막대한 기회를 열 수 있습니다. 그렇게 하려면 리더는 데이터 사이언티스트가 니즈를 RPA 개발자에게 전달하고, 두 팀을 조정해 복잡한 문제에서 더 큰 결과를 달성하게 해야 합니다.

리더가 협업을 촉진할 수 있습니다

똑똑한 조직은 C-수이트 수준 리더를 두 팀 모두 책임지게 합니다. 헤리티지 뱅크(Heritage Bank) 사례 연구에서 지능형 자동화 및 프로세스 우수성 매니저 데이비드 존스턴(David Johnston)은 "데이터 과학과 자동화 팀은 종종 단절되어 있습니다. 우리 조직에서는 둘 다 우리 CFO에게 보고합니다."라고 말했습니다. 이는 헤리티지 뱅크가 UiPath와 협력해 최근 ML 모델 전반에서 98% 정확도를 달성할 수 있었던 큰 이유였습니다.

조직 보고 구조가 다를 수 있고 항상 가능하지 않을 수 있지만, 각 리더는 두 팀이 서로 대화하고 그 소통이 진정한 양방향이 되도록 보장할 수 있습니다. 그런 수준의 협업을 촉진하기 위해 리더는 두 팀 협업의 혜택을 강조하는 고가치 유스케이스를 추진할 수 있습니다. 창의성이 필수적입니다. 데이터 사이언티스트 부족을 설명했듯, 똑똑한 리더는 데이터 사이언티스트 채용 새 방식을 찾고 RPA 개발자를 업스킬해 데이터 과학 인접 업무를 대신 맡게 할 것입니다.

RPA 개발자가 데이터 사이언티스트를 도울 수 있습니다

데이터 사이언티스트에게 문제가 생기면 RPA 개발자가 구조에 나설 수 있습니다.

인사이드 빅데이터(Inside Big Data)는 데이터 사이언티스트가 겪는 두 가지 주요 문제를 지적합니다:

1. 데이터 사이언티스트는 학습 모델을 가르칠 충분한 레이블된 훈련 데이터가 없는 경향이 있습니다.
2. 데이터 사이언티스트는 실제 유스케이스 데이터 대신 샌드박스 데이터셋의 이론적 데이터를 사용해야 하는 경향이 있습니다.

여기서 RPA 개발자가 나섭니다. RPA 개발자가 데이터 사이언티스트를 도울 수 있는 방법:

• 메타데이터 생성: 소프트웨어 로봇, 특히 프로세스 마이닝과 결합하면 작업을 완료하면서 데이터 흔적을 남겨 프로세스를 데이터 사이언티스트에게 더 이해하기 쉽게 만듭니다.
• 레거시 시스템 접근: 소프트웨어 로봇은 레거시 시스템과 작동해 오래된 도구에 갇혀 있던 데이터에 접근 가능하게 합니다.
• 데이터 활용 가능하게 만들기: RPA 개발자는 큰 데이터셋을 활용 가능한 구성요소로 분해하고, 서로 다른 데이터 조각을 구성, 레이블링, 정제해 일관된 전체로 만듭니다.
• 준비된 AI 모듈 구현: 많은 ML과 AI 유스케이스는 새로운 것이 아니므로, 데이터 사이언티스트가 처음부터 모델을 구축하는 대신 RPA 개발자가 기존 모듈을 배포할 수 있습니다.
• AutoML로 시간 절약: RPA 개발자는 AutoML을 사용해 주어진 유스케이스에 가장 정확한 예측 모델이 무엇인지 찾아, 데이터 사이언티스트가 여러 모델을 만들고 테스트할 필요 없게 합니다. 이는 데이터 사이언티스트가 더 도전적인 작업에 집중할 수 있게 합니다.

이 혜택들이 결합되어 데이터 사이언티스트 삶을 더 쉽게 만들 뿐만 아니라 이전보다 더 많은 것을 달성하게 돕습니다. RPA 개발자는 데이터 사이언티스트가 업무를 더 빠르고 잘하게 하고, 최종 솔루션 배포를 더 쉽게 만듭니다.

UiPath가 귀사의 데이터 사이언티스트와 RPA 개발자가 함께 새로운 높이에 도달하도록 돕습니다

미래 지향적 기업의 목표는 자주 갈라지는 두 팀 사이의 타협점을 찾는 게 아니라, 둘 다 재정렬해 따로 할 때보다 함께 더 많이 달성하게 하는 것입니다. 데이터 과학은 정확하고 깨끗하고 검증된 데이터가 필요합니다. RPA 프로세스는 깨끗한 데이터를 생성하고 종종 엉망이고 비정형인 데이터로 시작합니다.

비즈니스 프로세스와 자동화 워크플로에 대한 데이터를 표면화하는 올바른 도구 세트 없이는, 최고의 리더도 두 팀을 협업하게 만들기 어려울 것입니다. UiPath 플랫폼은 기업이 데이터 과학과 RPA 팀을 하나로 모으는 데 필요한 도구를 제공합니다.

UiPath가 데이터 사이언티스트를 돕는 방법:

• 데이터를 한곳에 모으는 소프트웨어 로봇 생성
• UiPath AI 센터로 MLOps '라스트 마일' 전달 및 모델 프로덕션 배포
• 구축한 모델 ROI 입증 개선으로 데이터 탐색과 실제 문제 해결 모델 정제에 대부분의 시간 집중 가능
• UiPath 도큐먼트 언더스탠딩, AI 도큐먼트 언더스탠딩 같은 즉시 사용 가능한 AI 솔루션 활용

UiPath가 RPA 개발자를 돕는 방법:

• AI 모델 빠르게 테스트 및 배포
• 즉시 사용 가능한 AI 모델 사용으로 데이터 사이언티스트가 처음부터 모델 구축할 필요 없어 새로운 문제와 솔루션에 집중 가능
• AI 센터로 드래그앤드롭 편의성으로 AutoML 역량 활용
• UiPath 마켓플레이스로 ML 포함 재사용 가능한 RPA 구성요소 배포

마지막 예로 생각해 보세요: 회사가 감성 분석을 시작하려 한다면, RPA 개발자가 스타터 모델 중 하나를 구현하고 작동에 필요한 데이터를 줄 수 있습니다. 회사가 감성 분석을 더 정확하고 견고하게 만들거나 주어진 알고리즘을 조정하려 한다면, 그때 데이터 사이언티스트가 필요합니다.

또 다른 생각: 수학으로 문제를 풀면 RPA 개발자 역할, 수학을 찾아내면 데이터 사이언티스트 역할입니다. UiPath는 두 유형 작업을 모두 포함하는 플랫폼을 제공합니다.

데이터 과학과 RPA를 결합하면 상상 이상으로 훨씬 더 많은 것을 할 수 있습니다. UiPath AI 센터는 데이터 과학 배경이 있든 없든 AI를 비즈니스 프로세스에 드래그앤드롭할 수 있게 합니다. 실전 관점을 위해 오늘 UiPath AI 센터 체험판을 시도해보세요.

UiPath AI 서밋에서 AI 리더들과 UiPath 전문가들과 함께하세요!

가상 이벤트는 2021년 2월 24일 시작해 4주간 진행됩니다. AI 입문자든 경험 많은 AI 실무자든 로봇을 슈퍼차지하려는 분이든, 여러분을 위한 세션이 있습니다.