기술 화요일:지능형 문서 처리를 혁신하는 AI 에이전트 및 LLM

에이전트 자동화가 추진력을 얻음에 따라 조직에서는 에이전트 세계에서 지능형 문서 처리(IDP)가 어디에 적합한지, 그리고 AI 에이전트가 이를 간단히 대체할 수 있는지 점점 더 묻고 있습니다.

짧은 대답은 '아니오'입니다. 하지만 더 흥미로운 대답은 '왜'입니다.

LLM(대형 언어 모델)을 기반으로 하는 AI 에이전트는 인상적인 유창함으로 텍스트를 읽고, 문서를 요약하고, 질문에 답할 수 있습니다. 그러나 엔터프라이즈급 에이전트 자동화는 언어 이해 이상의 것에 달려 있습니다. 대량의 문서와 커뮤니케이션 전반에 걸쳐 속도, 정확성, 구조, 추적성 및 일관성이 필요합니다.

이러한 관점을 통해 보면 IDP의 역할이 더욱 명확해집니다. 교체되지 않고 있습니다. 진화하고 있습니다. LLM과 에이전트는 문서 처리의 필요성을 제거하지 않습니다. 그들은 그것에 대한 기준을 높입니다. 조직이 개별 작업 자동화에서 엔드투엔드 프로세스 결과 추진으로 전환함에 따라 문서를 안정적으로 해석하는 능력은 해석이 발생하는 방식을 관리하고 제어하는 능력과 마찬가지로 더욱 중요해졌습니다.

이 게시물에서는 에이전트적 문서 처리 접근 방식이 실제로 어떤 모습인지, 문서 처리가 여전히 기본으로 유지되는 이유, 에이전트와 UiPath IXP가 협력하여 새로운 사용 사례를 지원하고 의미 있는 비즈니스 성과를 제공하는 방법을 살펴보겠습니다.

문서 처리가 그 어느 때보다 중요한 이유

자동화에 대한 기대가 바뀌었습니다. 조직은 더 이상 개별 작업을 자동화하는 데 만족하지 않습니다. 그들은 전체 프로세스를 자동화하고 비즈니스 성과로 성공을 측정하기를 원합니다.

송장 처리, 청구 처리, 계약 검토, 직원 온보딩, 대출 신청, 주문 관리, 고객 서비스 등의 프로세스를 자세히 살펴보면 모두 한 가지 공통점이 있습니다. 즉, 문서, 통신, 비정형 또는 반정형 데이터를 중심으로 이루어진다는 것입니다.

문서는 단지 자동화에 대한 입력이 아닙니다. 그것들은 우리가 변화시키려는 과정의 결합 조직입니다. 그들은 종종 프로세스를 시작합니다:

• 청구서가 미수금 계정을 시작합니다

• 구매 요청 또는 PO가 지급 조달을 시작합니다

• 대출 패키지가 인수를 시작합니다

• 계약 수정으로 인해 검토 주기가 시작됩니다

일부 문서는 구조화되거나 반구조화되어 있지만 대부분은 그렇지 않습니다. McKinsey는 조직 데이터의 90%가 구조화되지 않은 것으로 추정합니다. 긴 형식의 계약서, 이메일, 첨부 파일, 정책 문서 및 주고받는 커뮤니케이션은 여전히 ​​안정적으로 자동화하기 가장 어려운 작업 중 하나입니다.

이것이 바로 조직이 역사적으로 어려움을 겪어온 부분이며 문서 처리가 그토록 중요한 이유입니다. 문서 기반 프로세스(대부분의 프로세스)에서 문서는 진실의 전달자입니다. 잘못 이해하면 다운스트림의 모든 것이 손상됩니다.

청구서의 결제 조건이나 총액을 잘못 해석하면 재작업만 발생하는 것이 아닙니다. 결제가 지연되거나, 분쟁이 발생하거나, 현금 흐름에 영향을 미치거나, 고객 관계가 손상될 수 있습니다. 그리고 에이전트 AI를 사용하면 위험이 더욱 높아집니다. AI 에이전트는 주어진 데이터를 기반으로 추론하고 행동합니다. 해당 데이터가 불완전하거나 잘못된 경우 상담원은 자신있게 잘못된 결정을 내릴 수 있습니다.

이것이 바로 IDP가 선택적 추가 기능이 아닌 에이전트 세계에서 여전히 중요한 구성 요소인 이유입니다. AI 에이전트는 제공된 데이터만큼만 신뢰할 수 있습니다. LLM은 언어를 해석할 수 있지만 지저분한 입력을 안정적이고 관리 가능한 출력으로 자동으로 변환하지는 않습니다. 그렇기 때문에 프로덕션급 문서 처리를 통해 단순히 "원하는 대로 지시"할 수는 없습니다.

현대 IDP가 제공해야 할 것

AI 에이전트가 결정을 내리고 조치를 취하려면 문서 계층은 텍스트를 추출하는 것 이상의 일을 해야 합니다. 즉, 프로덕션에서 입증할 수 있는 구조화되고 검증 가능한 증거를 생성해야 합니다. IDP 접근 방식(UiPath IXP 포함)을 평가할 때 CIT 및 IT 의사 결정자에게 가장 중요한 네 가지 기준은 다음과 같습니다.

1. 비즈니스 운영 속도에 따른 신뢰할 수 있는 정확성

"데모에서는 좋지"는 않지만 형식, 스캔, 필기, 표, 이메일 첨부 파일, 특수 케이스 등 실제 문서의 가변성 전반에 걸쳐 신뢰할 수 있습니다. 시스템은 복잡한 구조(테이블, 계층, 관계)를 처리해야 하며 볼륨 및 SLA(서비스 수준 계약) 압력 하에서도 계속 작동해야 합니다.

2. 설명할 수 없는 답변이 아니라 감사할 수 있는 증거

에이전트 워크플로에서 "모델이 그렇게 말했다"는 거버넌스 전략이 아닙니다. 최신 IDP에는 추적 기능이 기본적으로 필요합니다. 즉, 추출된 필드와 해석을 소스에서 원래 위치로 명확하게 연결하고 시스템에서 증거로 사용한 내용을 검토하고 검증하는 기능이 필요합니다.

3. 프로토타입에서 생산까지의 빠른 경로

문서 자동화가 노트북과 일회성 스크립트에 있으면 실패합니다. 팀이 구축 중인 항목을 검사, 관찰 및 관리할 수 있는 공유 환경이 필요합니다. 스키마를 검토하고, 실제 문서에 대한 출력을 평가하고, 추출된 필드 뒤에 있는 증거를 검사하고, 시간 경과에 따른 성능을 모니터링할 수 있는 중앙 집중식 공간입니다.

검사, 검증, 거버넌스가 내장되면 프로토타입에서 생산까지의 이동이 취약하거나 불투명하지 않고 제어되고 반복 가능해집니다.

4. 확장에 따라 위험을 줄이는 수명주기 제어

장기 실행 프로세스에 문서 이해를 포함시키려면 버전 관리, 롤백, 제어된 릴리스 및 명확한 변경 기록과 같은 배포 규칙이 필요합니다. 이것이 바로 "소형 모델 조정"이 대규모 운영 사고로 이어지는 것을 방지하는 것입니다.

이는 문서 이해를 측정 가능하고 관리 가능하며 반복 가능한 것으로 전환하므로 문서 처리를 에이전트 워크플로에 안전하게 포함할 수 있게 해주는 기능입니다. 그리고 일단 기반이 마련되면 AI 에이전트는 문서에서 파생된 증거를 시스템 전체의 결정 및 조치에 연결하는 등 자신이 가장 잘 할 수 있는 일을 할 수 있습니다.

UiPath IXP(지능형 추출 및 처리) 실제 사례 보기:

AI 에이전트가 문서 워크플로우에 가치를 더하는 곳

IDP 시장은 꾸준하게 성장을 이어가고 있으며, 에이전트 AI 시장도 폭발적으로 성장하고 있습니다. 모든 에이전트의 공통점은 문서를 올바르게 이해해야 한다는 것입니다.

UiPath IXP는 문서에서 체계적이고 신뢰할 수 있는 데이터를 잠금 해제합니다. 에이전트는 해당 데이터를 사용하여 시스템과 문서 전반에 걸쳐 추론, 검증, 결정 및 조치를 취합니다.

대출 개시 프로세스를 고려하십시오. 에이전트 문서 처리 전 분석가는 다음을 수행합니다.

• 대출 패키지의 문서를 수동으로 색인화합니다.

• 각 문서를 열고 필요한 정보를 추출합니다

• 문서를 분류하여 올바른 폴더에 저장합니다

• 문서 데이터를 대출 시스템 및 체크리스트와 비교합니다.

• 시스템을 업데이트하고 인수를 위한 사례를 제출합니다.

이는 느리고 수동적이며 오류가 발생하기 쉽습니다.

에이전트 문서 처리:

• AI 에이전트가 대출 패키지를 수신하고 대출 상황을 식별합니다

• 문서는 IXP 및 LLM을 사용하여 전체적으로 분류, 추출 및 해석됩니다.

• 상담원은 문서와 시스템 전반에 걸쳐 추론하고 정책과 체크리스트를 확인합니다.

• 불일치 사항이 표시되고, 다음 조치가 결정되며, 사람의 검토를 위해 예외가 전달됩니다.

• 기록 시스템이 업데이트되고 완전한 감사 준비 사례가 자동으로 제출됩니다.

차이점은 단순한 자동화가 아니라 의사 결정입니다.

아키텍처 수준에서 이는 일반적으로 다음과 같습니다.

• 스트림 기반 분류 및 높은 신뢰도의 추출을 처리하는 UiPath IXP

• 구조화되지 않은 언어를 해석하고, 맥락을 합성하고, 복잡한 문서 전반에 대한 추론을 지원하는 LLM

• 비즈니스 로직을 적용하고, 추론하고, 검증하고, 시스템 간 작업을 수행하는 AI 에이전트

• 장기 실행 프로세스와 예외를 조정하는 프로세스 오케스트레이션 레이어인 UiPath Maestro™

IDP, AI 에이전트, 오케스트레이션의 가치를 확인하세요.

각 계층은 서로 다른 역할을 하며 함께 새로운 사용 사례 패턴을 드러냅니다.

1. 처리 유형:스트림 대 코퍼스

2. 상호작용 모델:참석 vs. 무인

3. 이해 수준:추출 및 추론

기존 IDP는 주로 스트림 처리, 무인, 추출이라는 한 가지 조합에서 탁월했으며 이는 송장, 청구 및 양식에 여전히 중요합니다.

AI 에이전트와 LLM을 사용하면 복잡하고 구조화되지 않은 문서와 커뮤니케이션 사용 사례를 다룰 수 있습니다.

• 계약 Q&A:스트림, 참석, 추론

• 고객 지원 문서:말뭉치, 참석, 추론

• 규제 요약:스트림, 무인, 추론

• 실사 추출:코퍼스, 무인, 추출

변화는 "어떤 데이터를 추출할 수 있나요?"라는 질문에서 비롯됩니다. "이 문서는 어떤 결정이나 행동을 촉발해야 할까요?"

추출부터 결과까지

IDP는 사라지지 않습니다. 확장되고 있습니다.

UiPath IXP, AI 에이전트, LLM을 함께 사용하면 문서 처리가 필드 추출을 넘어 문서에서 의사 결정까지의 워크플로로 이동합니다. IXP는 신뢰할 수 있고 구조화된 데이터를 제공합니다. LLM은 복잡하고 구조화되지 않은 콘텐츠에 대한 상황별 이해를 추가합니다. 에이전트는 두 가지 모두를 사용하여 시스템과 프로세스 전반에 걸쳐 추론하고 검증하고 조치를 취합니다.

이러한 조합을 통해 조직은 더 높은 정확성, 적응성 및 제어 기능을 통해 문서 중심 프로세스를 더 많이 자동화할 수 있습니다. 문서는 자동화에 대한 입력일 뿐만 아니라 지능적이고 능동적인 프로세스의 기반이 됩니다.

이러한 아이디어를 더 자세히 살펴보려면 다가오는 웨비나 "AI 에이전트 시대의 지능형 문서 처리"에 참여하세요. 여기서는 문서 처리 사용 사례 패턴, 아키텍처 및 실제 에이전트 문서 처리의 예를 살펴보겠습니다.