RPA: 과대광고인가 반창고인가? 의사결정 엔진이 진짜 미래인가?

RPA는 과대광고라는 말을 자주 듣습니다. 반창고 같다는 말도 나옵니다. 이제 인포메이션 에이지(Information Age)가 한 비즈니스 컨설팅 전문가와 대화했는데, 그는 RPA가 아니라 의사결정 엔진이 미래라고 주장합니다. 그가 맞을까요?

EPAM 북미 비즈니스 컨설팅 책임자 알버트 리스(Albert Rees)에게 RPA는 반창고에 가깝습니다.

리스는 RPA의 두 가지 이슈를 봅니다.

• 구현 비용이 예상보다 훨씬 높습니다.
• 유지보수 비용. "기존 시스템 간 데이터를 이동하는데, 그 시스템들이 절대 변하지 않으면 세상 만사형통입니다. 하지만 그건 현실이 아닙니다. 시스템이 진화하면 백엔드도 바뀌어야 합니다."

리스는 말합니다: "자동화가 어디에서 작동하고 무엇을 할지, 어떻게 시스템과 상호작용할지 정말 이해하려면 꽤 낮은 수준의 디테일까지 내려가야 합니다. 그 수준의 디테일에 도달하는 것에도 비용이 듭니다."

그는 덧붙입니다: "사람들이 스프레드시트에서 복사-붙여넣기하는 것을 봅니다. 콜센터에 가면 3화면 시나리오가 있습니다. 화면 A에서 B, C로 데이터를 옮기는데, 그저 내부 시스템 세 개 사이에서 정보를 이동하는 것이고 그중 하나는 엑셀일 수 있습니다. 그 중 아무것이나 변경되면 갑자기 다시 들어가 업데이트를 구현해야 합니다. 대부분의 조직은 스스로 할 수 없어 다시 돈을 씁니다."

의사결정 엔진

대신 그는 의사결정 엔진을 열쇠로 봅니다. 하지만 그게 무엇일까요? 그는 말했습니다: "의사결정 엔진을 규칙 세트로 정의할 수 있는 인간 의사결정의 일부를 자동화하는 도구로 생각합니다. 미리 정의된 비즈니스 규칙(종종 '의사결정 트리'라고 불림)을 데이터 세트에 적용해 작동합니다. 의사결정 엔진은 일반적으로 RPA의 대체재가 아니지만, 복잡한 규칙이 복잡한 데이터 세트에 적용될 때 결정이 필요한 프로세스에서 RPA를 강화할 수 있습니다."

논쟁

그렇다면 그게 맞을까요?

최근 인포메이션 에이지는 유아이패스(UiPath) 영국·아일랜드 매니징 디렉터 브루노 페레이라(Bruno Ferreira)와 이야기했는데, 예상대로 그는 다른 관점을 가집니다.

과대광고 논쟁은 말이 안 된다고 그는 제안합니다. "우리의 갱신율은 90% 이상입니다."

그는 유아이패스 성장도 언급합니다: 2016년 1,000만 달러, 2018년 2억 달러. 이는 RPA에 대한 맹렬한 수요를 나타내는 확실한 수치라고 말합니다.

하지만 그는 소수의 조직만 RPA를 사용하고 있다고 말해, 거대한 성장 잠재력을 시사합니다.

에베레스트 그룹(Everest Group) 수석 부사장 겸 수석 애널리스트 사라 버넷(Sarah Burnett)은 "우리는 기업들이 약 30% 비용 절감을 달성한다는 연구를 실제로 수행했습니다."라고 말합니다.

RPA 반창고?

그러면 RPA가 반창고 같다는 이슈가 있습니다. 이는 레거시 시스템으로 귀결됩니다. "그들은 코볼(COBOL)로 작성되었고, 메인프레임에 있으며, 그게 우리가 더 이상 그 레거시 시스템으로 할 수 없는 한 가지 유스케이스입니다."라고 리스는 말합니다. 그는 많은 시스템이 잘 통합되지 않았다고 주장합니다. "우리는 여러 버전의 진실을 얻고, 이는 데이터 키잉 같은 지루한 수작업이 엄청나게 많이 필요하다는 뜻입니다. 이미 다른 시스템에 존재하는 데이터를 말이죠." 그는 다수 기업이 RPA로 이를 돕지만, "여러 면에서 RPA는 오늘날 ERP나 기타 베스트오브브리드 솔루션 내에 존재할 수 있는 역량에 대한 반창고입니다."라고 제안합니다.

"내 마음에 드는 질문은, RPA가 시장에서 얼마나 오랫동안 실행 가능한 솔루션으로 남을 것인가입니다. 그건 모릅니다. 3~5년 사이 어딘가라고 추측합니다. 우리가 실제로 보는 것은 고객들이 지능형 자동화와 클라우드 솔루션으로 이동하고 있다는 것인데, 그게 정말 RPA의 다음 진화입니다."

여기서도 강력히 반대하는 이들이 있습니다. 예를 들어 유아이패스는 유명하게 '모든 책상 위에 로봇 한 대'라는 목표를 내세우는데, 이는 장기적 계획이 내재되어 있어 보입니다.

브루노 페레이라는 유아이패스의 '과학자 1인당 로봇 1대' 목표를 예로 듭니다. "상상해보세요," 그는 말합니다, "매일 과학자가 실험실에 가지만 준비에 하루 한 시간을 씁니다." RPA로 그는 "한 달에 9시간 절약이 예상됩니다. 놀랍지 않나요?"

민감 데이터

리스는 무인 로봇(unattended robots)에도 우려가 있습니다. 이는 프로세스를 엔드투엔드로 자동화할 수 있습니다. 문제의 일부는 규제와, 일상 운영에서 동떨어진 운영자들이 인지하지 못하는 오류를 무인 로봇이 반복할 위험에 있습니다.

"모두 애자일(Agile)을 원합니다," 그는 말합니다. "애자일은 실수하고 배우고 고칠 수 있는 개발 관점에선 훌륭합니다. 하지만 민감 데이터로는 그렇게 할 수 없습니다.

방화벽 뒤에서 시스템 A에서 B로 데이터를 이동하는 로봇이라면 무인 모드가 훌륭하게 작동합니다. 뭔가 잘못되면? 또 다른 스프린트를 던져 고치고 무인 모드로 돌아갑니다. 보통 누구의 손에도 닿기 전에 잡혀 문제가 생기지 않습니다."

하지만 그는 민감 데이터에서 문제를 봅니다. 예를 들어 "다른 사람의 당좌예금 은행 명세서를 얻게 되면. 이런 상황에서 무인은 훨씬, 훨씬 더 위험해집니다."

반면 사라 버넷은 데이터 정확성 달성을 RPA의 강점 중 하나로 봅니다.

실수하는 것은 인간이란 말이 있듯, RPA는 오류를 제거할 수 있습니다.

"사람이 데이터를 입력하면 숫자를 쉽게 바꿔치기할 수 있습니다. 그 오류를 수정하는 데, 프로세스 아래로 갈수록 비용이 더 듭니다. 매우 비싼 시간의 사람들이 멀리 떨어진 프로세스 수영 레인에서 이 오류를 쫓고 고치려 할 수 있습니다. 로봇은 올바르게 개발되고 유지보수되며 원활하게 실행된다면 그런 실수를 하지 않습니다. 조직들이 로봇 앱을 계속 테스트했는데 테스트 후 단 한 번도 실수를 발견하지 못했다고 말하는 것을 듣습니다. 100% 정확... 항상."