AI가 로보틱 프로세스 자동화를 혁신하는 방식

다양한 AI 모듈의 지원을 받을 때 RPA는 전통적으로 사람이 수행하던 주관적 처리 작업을 수행하는 특정 역량을 제공할 수 있습니다.

AI와 로보틱 프로세스 자동화는 종종 같은 문장에 묶여 언급되지만, 대다수 RPA 이니셔티브는 지능과 아무 관련이 없습니다. 현실에서 RPA 이니셔티브는 일반적으로 직원들이 진정한 '지능적' 작업, 즉 고객 중심 작업에 집중할 시간을 확보하기 위해 반복적이고 지루한 규칙 기반 프로세스를 자동화하려는 시도입니다.

RPA는 본질적으로 '원숭이 보고 원숭이 따라 하기(monkey see, monkey do)'입니다. RPA 소프트웨어는 왜 작동하는지 이해하지 못한 채 프로세스를 학습합니다. 예를 들어, RPA 소프트웨어는 사용자 인터페이스를 준수하는 방법을 알려주는 것에 의존하며, 커서 이동과 클릭 같은 수행되는 작업을 기록한 다음 이를 코드로 변환합니다. 따라서 프로세스에 대한 업데이트나 수정은 이를 무효화합니다.

현재 조직들은 이러한 종류의 문제를 수동으로 유지보수하기 위해 사람들을 배치하는 데 의존하고 있는데, 수동 작업을 하는 사람들을 수동 작업을 요구하는 기술로 대체한다는 점에서 아이러니합니다.

"AI"가 도울 수 있는 방법

좋은 소식이 있습니다: RPA 시장이 성숙하고 있습니다. 기업들은 RPA가 무엇이고 무엇이 아닌지 깨닫기 시작했습니다. 또한 데스크톱 RPA나 UI 기반 RPA가 모든 조직의 모든 프로세스 문제에 대한 은탄환이 아님을 이해하기 시작했습니다.

이 맥락에서 기업들은 봇을 더 똑똑하게 만들기 위해 AI를 바라보고 있습니다.

이것을 파고들기 전에, AI 과대광고를 좀 걷어내고 체스 그랜드마스터가 될 수도 있는 지각 있는 기계라는 개념에서 물러서 봅시다. 학문적으로는 흥미로울 수 있지만 비즈니스 혜택과는 상관관계가 없습니다.

RPA와 가장 관련이 깊은 AI 분야는 머신러닝, 예측 분석, 정교한 인지 컴퓨팅입니다. 예를 들어, AI가 UI 업데이트와 변경을 감지하고 RPA 소프트웨어가 그에 따라 행동하도록 지시하는 것을 상상해보세요.

더 광범위하게, 비정형 데이터 관리는 기업들이 RPA를 AI 영역으로 확장하려는 핵심 영역입니다. 이 맥락에서 RPA 소프트웨어는 집계자(aggregator) 역할을 하며, 컴퓨터 비전, 패턴 매칭, 분류기, 자연어 처리 기반이든 AI 구성요소에 공급하는 데 필요한 원시 데이터를 얻습니다. AI 모듈이 기능을 완료하면 RPA를 사용해 답을 대상 시스템으로 푸시할 수 있습니다.

다양한 AI 모듈의 지원을 받을 때 RPA는 전통적으로 사람이 수행하던 주관적 처리 작업을 수행하는 특정 역량을 제공할 수 있습니다.

AI에 원스톱 숍은 없습니다

기술 시장에서 많은 'AI 워싱(AI-washing)'이 있었고, 이로 인해 비즈니스 리더들은 AI가 적용 가능한 영역과 진짜 실력 있는 벤더를 식별하기 어렵습니다.

AI 역량과 관련해 일부 RPA 벤더는 다른 벤더보다 더 진보해 있으며, 일부는 특정 영역이나 산업에 더 적합합니다. 그러나 어느 한 벤더가 가장 인지적(cognitive)인지 묻고 있다면, 잘못된 질문을 하고 있을 수 있습니다.

대신 조직은 시야를 넓혀 더 다양한 AI 솔루션 조합을 수용하려 노력해야 합니다.

"어떤 단일 RPA 벤더도 최고의 챗봇, 최고의 OCR/ICR 문서 캡처, 최고의 자연어 처리기가 될 수는 없습니다."라고 레드우드 소프트웨어(Redwood Software) 수석 스태프 닐 킨슨(Neil Kinson)은 주장했습니다. "기본적으로 그 모든 매우 좁은 AI 사용 사례는 고도로 타겟팅되고 큐레이션된 데이터 세트, 엄청난 볼륨, 전문성을 요구합니다. RPA 플랫폼은 결코 그 모든 것에서 탁월할 수 없습니다.

"많은 조직이 RPA의 최고 역량에 도달했다고 느끼며, 이제 단일 도구로는 해결할 수 없는 프로세스가 있다는 것을 이해하고 있습니다. 실제로 여러 프로세스 과제를 해결하기 위해 여러 기술을 가져와야 합니다."