RPA의 AI 진화: 비즈니스-IT 정렬의 미래를 강화하다

'새로운 AI 기술과 솔루션이 시장에 나오면서 지능형 자동화의 사용 사례도 계속 성장하여 미래의 작업장을 근본적으로 변화시킬 것입니다.'

로봇 프로세스 자동화(RPA)는 지난 몇 년간 수동 프로세스에 묶여 있던 생산성 이점을 풀어주는 데 큰 역할을 해왔고, 대규모 시스템 재엔지니어링 없이도 변화가 가능하다는 사고방식을 고무시켰습니다.

전면적 변화가 조직에 현실적인 옵션이 아닐 때, RPA는 기업이 진행하고 가치를 더하도록 돕는 촉매제 역할을 할 수 있으며, 레거시 시스템에 이미 투자한 것을 중심으로 전략적 계획을 세울 수 있게 합니다.

인공지능(AI)으로의 확장은 이 입자적이고 더 빠른 형태의 트랜스포메이션의 다음 단계이며, 점점 더 정교한 수단으로 더 많은 비즈니스 활동이 완전히 또는 부분적으로 자동화되고 있습니다. 이는 일반적으로 인지 RPA 또는 CRPA라고 불립니다.

그렇다면 RPA와 AI를 더 넓은 지능형 자동화 솔루션으로 결합한 실제 사용 사례는 무엇일까요?

프로세스 디스커버리

새로운 디지털 기술이 시장에 나오면서, 비즈니스 전문가들은 솔루션이 효율성을 높이는 데 어디에서 가치가 있을지 정확히 이해하고 구현을 위한 비즈니스 케이스를 개발하는 과제에 직면합니다.

종종 비효율이 어디에 있는지 직관적으로 알지만, 이는 비즈니스의 IT 시스템과 장치 전반에서 무슨 일이 일어나고 있는지에 대한 더 증거 기반의, 바텀업(bottom-up) 관점으로 뒷받침되어야 합니다. 강력한 투자 케이스를 만들기 위해 — 이것이 프로세스 디스커버리가 매우 중요한 이유입니다. 비효율이 어디에 있다는 인식과 시스템 환경 내부에서 실제로 일어나고 있는 것 사이의 차이는 놀랄 수 있습니다.

분석, 머신러닝, AI를 활용하면 조직의 운영 프로세스에 대한 증거 기반 뷰를 구축할 수 있습니다. 이는 디지털 기술을 어디에 적용할 수 있는지 — 시스템 변경이나 RPA를 프로세스 예외 처리에 적용하는 것 등 — 에 대한 더 깊은 이해를 제공합니다. 또한 배포 후 이러한 솔루션의 혜택을 평가할 수 있게 합니다.

비정형 데이터 관리

디지털과 로봇 솔루션의 부상에도 불구하고, 기업의 중요한 과제는 양식, 서신, 계약, 기타 자유 텍스트 콘텐츠 관리입니다. 이는 특히 고객이나 공급업체 계약 같은 외부 자료의 경우, 고도로 수동적인 케이스 관리의 필요성을 만듭니다.

이것은 현재 기업들이 RPA를 AI 영역으로 확장하려는 주요 영역 중 하나입니다. 이 맥락에서 RPA는 집계자(aggregator) 역할을 하여, 컴퓨터 비전, 패턴 매칭, 분류기, 자연어 처리 기반의 AI 구성 요소에 공급하는 데 필요한 원시 데이터를 얻습니다. AI 모듈이 기능을 완료하면, RPA를 사용하여 답변을 대상 시스템으로 푸시할 수 있습니다.

다양한 AI 모듈의 지원을 받는 RPA는 전통적으로 사람들이 수행하는 주관적 처리 작업을 수행하는 특정 역량을 제공할 수 있습니다.

대화형 인터페이스

Capgemini가 올해 실시한 연구에 따르면, 음성 비서는 향후 3년 내 소비자 상호작용의 지배적 모드가 될 것입니다. 이미 24%가 웹사이트 대신 챗봇과 음성봇을 사용하겠다고 답했습니다. 구글 어시스턴트, 아마존 알렉사, 애플 시리 같은 음성 비서의 급증은 고객 관계를 극적으로 변화시키고 있으며, 기업들은 이를 어떻게 활용할지 고려해야 합니다.

이러한 솔루션을 비즈니스에 배포하려면 조직의 애플리케이션 자산에 대한 접근을 여는 메커니즘이 필요합니다. 음성봇이나 챗봇은 물론, 사용자에게 추출하여 전달할 수 있는 정보만큼만 똑똑합니다. 이 예에서 이들이 결합되는 방식은 로봇을 사용하여 데이터를 가져와 대화형 인터페이스, 즉 챗봇에 전달함으로써 제기된 질문에 답하게 하는 것입니다.

이는 챗봇이 추상적인 질문을 RPA 시스템이 이해할 수 있는 일련의 쿼리로 변환함으로써 달성됩니다. 로봇은 그런 다음 기록 시스템(system of record)을 쿼리하여 관련 데이터 항목을 검색하고, 패키지화하여 챗봇에 다시 전달하여 자연어 응답으로 재구성할 수 있게 합니다.

RPA는 애플리케이션을 여는 데 필수적인 구성 요소입니다. 특히 통합하기 어려운 애플리케이션을 새로운 대화형 인터페이스 세계에 참여시킬 수 있게 합니다.

인사이트까지의 속도

모든 비즈니스는 공급망과 창고에 공급하는 어떤 형태의 데이터 파이프라인을 가지고 있습니다. 이들은 정기적으로 필요한 데이터의 100%를 제공하도록 설계되었습니다. 보고에는 보통 적절하지만, 분석과 인사이트 생성을 위한 충분히 완전한 데이터 세트는 아닙니다.

특정 인사이트를 포착하기 위해 데이터 세트를 보완하는 '라스트 마일(last mile)'의 보충 분석이 항상 필요합니다. 이는 예를 들어 월말 결산 같은 과제의 근본 원인 분석을 지원하는 데이터로 데이터 세트를 증강합니다.

RPA는 그 라스트 마일의 추출을 지원하는 데 사용될 수 있으며, 기업 IT가 데이터 파이프라인을 확장하기를 기다리지 않고 보고의 동적 요구를 지원하기 위한 집계와 데이터 준비를 제공합니다. 이는 차례로 우리가 역사적으로 인간이 하기 어려웠던 예측과 일을 가능하게 합니다.

우리는 방대한 데이터 볼륨을 다룰 수 없어 예측에 어려움을 겪습니다. 여러 사업부나 부서를 아우르는 방대한 데이터 라인을 서술하는 데 어려움을 겪습니다. AI는 모델링과 예측에 사용되거나, 자연어 생성 기술을 사용하여 생문법적으로 올바른, 원시 데이터 블록 내 발견 사항의 내러티브 요약을 만드는 데 사용될 수 있습니다. 사람들의 군대를 쓰는 대신 말입니다.

위에 요약된 많은 사용 사례에서, 우리는 여전히 RPA의 혜택과 AI로의 확장을 활용하는 매우 초기 단계에 있습니다. 그러나 그것은 RPA가 향후 몇 년간 기업 내에서 계속 진화하고 확장할 것이 얼마나 많은지 보여줄 뿐입니다.

지능형 자동화의 사용 사례는 새로운 AI 기술과 솔루션이 시장에 나옴에 따라 계속 성장할 것이며, 미래의 작업장을 근본적으로 변화시킬 것입니다. 기업이 이 기술을 완전히 활용하려면, 먼저 이러한 솔루션이 프로세스를 어떻게 변화시킬 수 있는지 이해하고, 엄격한 거버넌스를 적용하여 의사결정이 효과적이도록 해야 합니다.

기업이 이러한 연결되었으면서도 입자적인 솔루션을 조직 전체에 구현하려 노력한다면, 이는 이중 속도 트랜스포메이션을 주도하는 데 도움이 될 것이며, 비즈니스와 IT 정렬의 새로운 시대가 뒤따를 것입니다.