지능형 문서 처리:구축과 구매 – 올바른 전략 선택

비즈니스는 문서와 커뮤니케이션을 기반으로 운영됩니다. 메시지(이메일이나 채팅 등)나 문서를 읽거나 보내는 곳 등 여러분이 생각할 수 있는 거의 모든 프로세스의 기초가 됩니다. 따라서 지능형 문서 처리(IDP) 시장이 매년 28.9% 성장하고 있으며 2032년까지 178억 달러에 이를 것으로 예상된다는 것은 놀라운 일이 아닙니다.

IDP는 일반적으로 자연어 처리(NLP), 이미지 인식 등 다양한 AI 기술을 결합하여 기업이 대규모로 문서와 커뮤니케이션을 신속하게 처리할 수 있도록 지원합니다. 비즈니스 리더들이 AI 에이전트(사람을 대신하여 작업을 완료할 수 있는 강력한 AI 기반 엔터티)를 채택함에 따라 문서 기반 프로세스가 에이전트 자동화의 이상적인 사용 사례로 떠올랐습니다. 루프에서 인간이 감독하는 로봇 및 IDP 기능과 AI 에이전트를 결합하면 빠른 결과를 얻을 수 있으며 효율성에 큰 영향을 미칩니다.

그러나 이로 인해 질문이 제기됩니다. IDP 기능을 구축해야 할까요, 아니면 구매해야 할까요? 모든 옵션을 평가하고 어떤 접근 방식이 가장 높은 투자 수익, 최고의 성능, 가장 빠른 가치 창출 시간을 제공할 수 있는지 고려하는 것이 중요합니다. 대부분의 기업에 적합한 옵션은 기존 IDP 솔루션을 구입하는 것입니다. 그 이유를 설명하겠습니다:

나만의 (BYO) IDP 구축

공개적으로 사용 가능한 LLM(대형 언어 모델)이 증가하고 지원 API의 가용성이 높아짐에 따라 기업에서는 맞춤형 IDP 시스템을 구축하는 데 도움이 되는 도구가 더 이상 없었습니다. 하지만 도구 상자에 들어 있는 많은 도구가 실제 작업을 더 쉽게 만들어 주지는 않습니다.

BYO IDP 시스템에서 각 구성 요소(언어 이해부터 데이터 추출 및 자동화까지)는 처음부터 구축해야 하거나 여러 타사 제공업체에서 제공받을 가능성이 높습니다. 예를 들어 문서와 커뮤니케이션을 이해하는 데 필요한 NLP 구성 요소를 제공하기 위해 기업은 ChatGPT 또는 Anthropic의 Claude와 같은 외부 LLM을 중심으로 IDP 시스템을 구축할 수 있습니다.

BYO IDP 시스템은 공급업체 솔루션에 비해 기업에 엔드투엔드 소유권과 더 큰 맞춤화 가능성을 제공합니다. 그들은 다른 조직과 긴밀하게 협력하지 않고도 변화하는 비즈니스 요구에 맞춰 시스템을 조정할 수 있는 유연성을 갖고 있습니다. 그러나 대부분의 경우 이러한 이점은 BYO 접근 방식의 주요 과제보다 더 중요합니다.

비용

BYO가 IDP를 서비스로 지불하는 것보다 저렴하다는 것은 일반적인 오해입니다. 대부분의 경우 이는 단기적으로나 장기적으로 보면 사실이 아닙니다. 자신만의 IDP 시스템을 개발하고 유지하려면 상당한 시간과 비용이 많이 드는 전문 인재가 필요합니다. 플랫폼과 사용자 인터페이스(UI)를 생성하려면 소프트웨어 개발자, 데이터 준비, 사전 및 사후 처리를 위한 데이터 과학자, 성능 모니터링(자신만의 보고 대시보드를 만들어야 함), 감사 및 로깅과 같은 작업을 위해서는 기타 많은 전문가가 필요합니다.

타사 LLM에서도 AI 전문가와 엔지니어가 선택한 모델을 정확한 비즈니스 요구 사항에 맞게 미세 조정해야 한다는 점을 고려하세요. 가장 인기 있고 강력한 VLM(비전 언어 모델)도 구조화된 문서에서 이미지에 이르기까지 다양한 데이터 유형에 대해 훈련된 기본 모델입니다. 기본적으로 필요한 정확한 문서 유형이나 스키마에 맞게 미세 조정되지 않으므로 정확도가 낮아지고 실수가 많아집니다.

자체 IDP 시스템을 유지하려면 지속적인 업데이트와 리소스도 필요합니다. 데이터 주석이 필요한 모든 BYO 시스템에는 사용자를 위한 교육 자료가 필요하며 이러한 자료는 사용자 인터페이스를 반영하도록 업데이트되어야 합니다.

위험

시스템 운영을 유지하기 위해 희귀하고 값비싼 기술 인재에 의존하는 것은 위험합니다. 비용과 인재 부족으로 인해 이러한 팀은 규모가 작은 경향이 있습니다. 현실적으로 지원할 수 있는 사용 사례 및 사업 단위의 수에 제한이 있을 수 있습니다. 인재 감소는 장기적으로 시스템의 성능을 저하시키거나 실행 불가능하게 만들 수도 있습니다. 프로젝트 자금 조달이 중단될 위험도 상존합니다.

AI 기술과 모델 미세 조정이 필요할 때 이러한 과제는 더욱 복잡해집니다. McKinsey &Company의 최근 연구에 따르면, 최고 경영진 의사 결정자의 거의 절반(47%)이 AI 솔루션 개발이 너무 느리다고 생각하며, 인재 기술 격차가 주요 원인입니다.

복잡성

IDP 시스템을 구축할 때 복잡한 AI 모델 및 플랫폼 거버넌스에 대한 책임은 전적으로 귀하에게 있습니다. 실제로 복잡한 사용 사례를 위해 구축된 시스템에는 관리해야 하는 수백 개의 AI 모델이 필요할 수 있습니다. 예를 들어 대규모 은행에서는 필요한 수준의 정확도를 달성하기 위해 다양한 사용 사례에 맞게 미세 조정된 수백 개의 모델이 필요할 수 있습니다. AI 시스템이 문서와 커뮤니케이션을 '즉시' 처리할 수 있더라도 허용 가능한 성능을 위해서는 여전히 상당한 양의 즉각적인 엔지니어링 또는 컨텍스트 수집이 필요합니다. 이를 수백 개의 사용 사례로 확장하는 것은 데이터에 주석을 달고, 벤치마킹하고, 배포하고, 수백 개의 프롬프트를 유지해야 하기 때문에 엄청나게 어려울 것입니다.

직접 구축한 IDP 시스템에는 숨겨진 비용이 많이 있습니다. 시스템의 모든 구성 요소는 중요한 결정이며 각 기술에는 전문 기술이 필요하고 기술 부채가 증가합니다(위험 증가와 함께). 필연적으로 BYO는 무거운 작업이며 가치 창출 시간이 더 느리다는 것을 의미합니다. 인재, 거버넌스, 유지 관리 요구 사항으로 인해 수명 비용이 더 높아질 가능성이 높습니다. UiPath에 대한 Forrester 분석에 따르면 기술 의사 결정자의 69%가 문서 추출 및 라우팅 사용 사례를 배포하기가 매우 어렵다고 생각하는 것은 놀라운 일이 아닙니다.

IDP 시스템 구매의 장점

자체 시스템을 구축하는 것의 대안은 제3자 공급업체로부터 IDP를 서비스로 구매하는 것입니다. 이에 대한 두 가지 주요 접근 방식이 있습니다:

• IDP를 포인트 솔루션으로 구매하고 이를 기업 기술 스택의 나머지 부분과 통합합니다.

• 더 큰 솔루션이나 플랫폼의 일부로 IDP를 구매합니다. 이를 통해 필요에 따라 자동화 등의 추가 기능에 액세스할 수 있습니다.

IDP를 서비스로 구매하면 맞춤형 시스템에 비해 기업이 플랫폼 개발에 대한 통제력이 약해집니다. 그러나 플랫폼 제공업체는 고객과 협력하여 시스템이 고객의 요구 사항을 충족하도록 발전할 수 있도록 노력할 것입니다. 고려해야 할 다른 많은 이점도 있습니다:

가치 실현 시간

기존 IDP 플랫폼을 구현하는 것이 일반적으로 새 플랫폼을 개발하는 것보다 빠릅니다. 확립된 플랫폼은 다양한 사용 사례에 걸쳐 대기업에서 수년간 사용하면서 시험되고 테스트되었습니다. 교육 및 지원 리소스는 이미 생성되어 있으며, 많은 경우 사용자가 성공적으로 실행하고 구현에서 가치를 창출할 수 있도록 전문 서비스 지원이 제공됩니다.

기초 LLM은 비즈니스에 사용할 준비가 되기 전에 비용과 시간이 많이 소요되는 미세 조정과 신속한 엔지니어링이 필요합니다. 그럼에도 불구하고 사용 사례가 너무 복잡하거나 규모가 커서 아무리 많은 메시지를 보내도 정확하고 신뢰할 수 있는 추출을 제공할 수 없는 '막다른 골목'에 도달할 수 있습니다. 이와 대조적으로 서비스형 IDP의 기반이 되는 AI는 일반적으로 신속한 모델 맞춤화 및 로우 코드 교육 경험을 중심으로 설계됩니다. 예를 들어 일반 비즈니스 사용자와 AI 모델이 적극적으로 협력하여 훈련 프로세스를 더 빠르게 완료하는 능동 학습을 활용할 수 있습니다.

위험 감소

IDP를 서비스로 선택하면 다양한 형태의 위험이 크게 줄어듭니다. IDP 시스템 운영을 유지하기 위해 더 이상 값비싼 내부 인력에 의존하지 않아도 됩니다. 공급업체는 시스템 유지 관리는 물론 플랫폼 및 모델 거버넌스도 소유합니다. IDP 솔루션 제공업체는 또한 최고 수준의 엔터프라이즈급 데이터 보안을 제공해야 합니다.

소유 비용도 고려해야 합니다. BYO IDP 시스템의 성급한 개발, 불완전한 코드 또는 곧 구식이 될 기술의 사용은 모두 기술 부채의 위험을 높입니다. 시간이 지남에 따라 이는 비용이 많이 드는 수정 및 시스템 업그레이드를 필요로 합니다.

IDP를 서비스로 구매하면 구매자의 위험과 기술 부채가 크게 줄어듭니다. 공급업체는 경쟁력을 유지하기 위해 기술 업그레이드에 우선순위를 두며 최신 기능을 채택하고 서비스를 지속적으로 반복 및 개선합니다. 이들은 필요한 재작업, 테스트, 업데이트 및 오래된 구성 요소 교체를 처리합니다.

모델을 직접 만들려고 하지 마세요. 주의를 끄는 헤드라인은 실제보다 더 단순해 보이게 만듭니다. LLM이 과대광고되기 전에 AI를 수행하고 있던 공급업체를 찾으십시오. 비지도 학습, 데이터 준비, 기본 ML 계산 등 인접 AI 프로세스에 대한 역량이 필요합니다.

Simon Knowles, Vabble 기술 책임자

확장성

맞춤형 시스템에는 관련 엔터프라이즈 시스템과 통합하기 위해 맞춤형 커넥터와 API가 필요합니다. 비즈니스의 규모와 복잡성에 따라 수백 또는 수천 시간의 통합 개발 시간이 필요할 수 있습니다. 확립된 IDP 플랫폼에는 가장 널리 사용되는 엔터프라이즈 시스템용으로 사전 제작된 커넥터가 있어 빠른 통합과 가치 실현이 가능해집니다. 클라우드 기반 IDP 시스템을 사용하면 이러한 기능을 직접 구축하거나 통합하는 데 드는 비용을 들이지 않고도 최신 AI 업그레이드 및 기능에 대한 액세스를 기대할 수도 있습니다.

이러한 모든 이유로 인해 서비스형 IDP는 IDP 시스템에서 빠른 가치 창출, 정확성 및 안정성을 원하는 기업이 선호하는 옵션이어야 합니다. 맞춤형 빌드는 장기적으로 높은 위험과 책임과 함께 상당한 기술적 부채를 초래합니다. 서비스형 IDP는 수년간의 경쟁과 반복을 통해 연마된 전문 플랫폼에 책임을 맡깁니다.

AI 및 IDP 확장을 위한 기업용 플랫폼

UiPath IDP 기능은 최고 수준의 AI 및 IDP를 안전하고 성공적으로 구현하려는 기업에 이상적인 선택입니다. IDP는 엔드투엔드 자동화 프레임워크에 내장되어 있어 문서 및 커뮤니케이션 처리를 자동화할 수 있습니다. 또한 사전 구축된 기능을 활용하고, 맞춤화하고, 필요에 따라 자체 구성요소나 타사 구성요소를 가져올 수도 있습니다.

UiPath IXP(지능형 추출 및 처리)는 IDP에 대한 업계 최고의 솔루션 접근 방식을 제공합니다. 최신 AI 모델 덕분에 UiPath IXP에서는 점점 더 많은 기업 콘텐츠 유형을 추출할 수 있습니다. 송장과 같은 구조화된 문서부터 법적 계약과 같은 복잡하고 구조화되지 않은 콘텐츠까지 모든 것이 가능합니다. 우리는 IXP 모델에 대한 광범위한 플랫폼 기능과 제어 기능을 제공하여 기업 전반에 걸쳐 신속하게 확장할 수 있도록 합니다.

기업용

UiPath IXP는 신속한 가치 창출과 원활한 사용자 경험을 위해 제작되었습니다. 이를 통해 모든 유형의 문서 처리에 따른 어려움을 없애고 배포 시간을 단축할 수 있습니다.

첫째, 추론 우선 학습 프로세스입니다. 복잡하고 구조화되지 않은 문서에서 바로 유용한 데이터를 정확하게 추출하기 위해 교육이 필요하지 않습니다. 대신 사용자는 추출할 내용과 그것이 문서에 어떻게 나타나는지 설명하는 지침(프롬프트와 유사)을 모델에 제공하기만 하면 됩니다. 하지만 UiPath IXP는 사용자가 모델을 더욱 개선하거나 평가를 위한 근거 정보를 제공하려는 경우 주석을 달 수 있는 기능을 계속 제공합니다.

UiPath IXP는 또한 이러한 생성 모델의 스키마에 대한 강력한 제어 기능을 제공합니다. 사용자는 추출하려는 정확한 정보를 지정하는 자신만의 '필드 그룹'을 만들 수 있습니다. UiPath는 후처리 작업의 대부분을 간소화하며, 출력은 구조화된 결과 데이터를 가져와서 자동화에 사용하고 AI 에이전트와 공유하여 가치를 창출하는 데 필요한 정확한 형식입니다.

통제 및 규정 준수

UiPath 자사 모델은 가장 강력한 기업 통제 하에 관리됩니다. UiPath 플랫폼은 자사 IXP 모델을 위한 강력한 규칙 기반 액세스 제어(RBAC), 모델 버전 관리 및 광범위한 성능 가드레일을 제공합니다. 인간 참여 루프(Human in the Loop)도 플랫폼 경험에 내장되어 생성된 출력이 적절하게 검증되도록 보장합니다.  

또한 UiPath는 UiPath AI Trust Layer를 통해 모든 타사 모델을 관리하여 GenAI에 대한 거버넌스, 신뢰 및 보안을 제공합니다. 이는 데이터 보존이 전혀 없고 비즈니스 데이터를 사용한 외부 모델 교육을 의미합니다.

유연하고 개방적인 모델 전략

AI 모델은 빠르게 발전하고 있으며 현재 최고의 모델이 6개월 후에는 사용 사례에 가장 적합한 모델이 아닐 수도 있습니다. 우리는 핵심 비즈니스 프로세스에 대한 최고의 전문 LLM을 만들기 위해 지속적으로 투자하고 있으며 지속적으로 개선하고 있습니다. 복잡하고 구조화되지 않은 문서 처리를 위한 최신 모델 출시가 이를 입증합니다.

그러나 우리의 AI 전략은 여전히 열려있습니다. 우리는 귀하가 선호하는 제3자 또는 독점 LLM을 통합하고 UiPath AI 신뢰 계층에서 관리하는 데 필요한 도구를 제공합니다. UiPath를 사용하면 사용 사례 전반에 걸쳐 모든 작업에 대해 동급 최고의 모델 조합을 유연하게 사용할 수 있습니다.

정확성과 신뢰성 향상을 위한 최적화

당사의 IXP 기능은 RAG 및 선별된 시스템 프롬프트와 같은 기술을 사용한 고급 데이터 추출에 최적화되어 있습니다. 컨텍스트 기반은 더 안전하고 성능이 뛰어나며 정확한 IXP 모델을 의미합니다. 검증 스테이션 인터페이스는 추출된 정보가 문서에서 발견된 위치에 대한 증거를 보여줍니다. 즉, 생성된 출력을 증거로 쉽게 확인할 수 있습니다.

프로젝트 기반 경험

우리의 혁신은 주요 기업의 실제 현장 IDP 배포를 기반으로 합니다. 사용자는 문서 유형을 정의하고 여러 모델을 활용할 수 있습니다. 또한 성능을 평가하고 모델 버전을 모니터링 및 관리할 수 있습니다. 이는 모두 AI 배포, 유지 관리, 비즈니스 전반에 걸쳐 확장을 위한 핵심 기능입니다.

UiPath IDP 기능의 이점을 경험하고 있는 고객 중 하나가 상위 20개 상호 보험 회사인 Encova Insurance입니다. 청구서 발행을 자동화하기 위해 Encova는 처음에 전통적인 광학 문자 인식(OCR)과 언어 이해를 위한 제3자 AI 모델을 기반으로 구축된 자체 IDP 솔루션을 개발했습니다. 그러나 IDP용 UiPath 플랫폼을 채택한 후 정확성이 즉각적으로 향상되었습니다.

문서 이해와 관련하여 기존 광학 문자 인식을 사용하면 문제 없이 40%를 달성했고 30%는 부분적으로 완료했습니다. 이 새로운 [UiPath] 프로세스를 사용하면 성공률이 99%입니다.

Jeffrey Martin, 솔루션 설계자, Encova

UiPath IDP 기능은 Encova의 재무, 영업, 인수, 운영 및 고객 지원 부서의 가치 실현 시간을 단축하고 효율성을 크게 향상시켰습니다. 예를 들어, 보험 가입 프로그램에서 수동 데이터 입력 시간이 98% 단축되었습니다. 상용 라인 승인에서도 마찬가지로 연간 처리 시간이 95% 단축되었습니다.

UiPath는 또한 IDC MarketScape:전세계 비정형 지능형 문서 처리 소프트웨어 2024 공급업체 평가에서 리더로 인정받았습니다. 보고서에 따르면:

"UiPath는 GenAI와 LLM을 중요한 기술 도구로 보고 IDP, 커뮤니케이션 마이닝, 자동화 포트폴리오의 모든 단계에서 이들을 점점 더 통합하고 있습니다. 또한 UiPath는 GenAI 모델과 서비스가 미션 크리티컬 사용 사례를 지원하는 데 안전하게 활용될 수 있도록 엔터프라이즈급 보안, 개인 정보 보호, 액세스, 컨텍스트 기반 및 제어 기능에 계속 우선 순위를 두고 배포하고 있습니다."

보고서는 또한 다음과 같이 설명합니다. "UiPath의 다중 모드 AI 초점은 비정형 IDP를 위한 기존(예:예측 AI) 및 GenAI의 가치를 극대화하기 위한 새로운 방법과 접근 방식을 지속적으로 추진할 수 있는 전략적 유리한 지점을 제공합니다."

UiPath 플랫폼의 IDP 기능이 어떻게 가치 실현 시간을 단축하고 최첨단 AI를 기업 전체로 확장하는 데 도움을 주는지 알아보세요.