비즈니스 자동화의 신화, 당신의 소원이 로봇의 명령인가? 어떤 CIO도 소프트웨어가 쉘프웨어(shelfware)가 되는 걸 원치 않습니다. 시간과 돈을 허공에 날리는 건 고통스럽습니다. 새 기술 구현 계획은 결코 작은 일이 아니며, 그것이 모두 낭비되는 걸 지켜보는 건 아픕니다. 유연하고 사용자 친화적인 도구 선택은 어렵지만 불가능하진 않습니다. 옵션을 저울질할 때 신화나 편향된 시각은 의사결정 과정을 탈선시키고 기회를 놓치게 할 수 있습니다. 비즈니스 프로세스 자동화 같은 가치 있는 기술 도구를 철저히 조사하는 건 계산된 디지털

고객 서비스와 디지털 트랜스포메이션, 오늘날 어떤 기업도 무시할 수 없는 두 가지 용어입니다. 비즈니스 운영의 핵심은 고객을 중심으로 돌아갑니다. 그리고 올바른 현대 기술 활용으로 수익성 목표를 달성할 수 있습니다. 이 두 가지를 분리하는 건 불가능합니다. 사실 이 둘을 결합하면 경이로움을 창출할 수 있습니다. 로보틱 프로세스 자동화란? 이 글에서 다루는 매우 인기 있는 기술 중 하나가 로보틱 프로세스 자동화, 즉 RPA입니다. IEEE 워킹 그룹은 RPA를 이렇게 정의합니다: 비즈니스 규칙과 사전 정의된 활동 안무를 사용해 하

RPA의 혜택 로보틱 프로세스 자동화(RPA)는 점점 더 지능화되는 소프트웨어 로봇의 디지털 인력을 쉽게 통제할 수 있게 해주는 소프트웨어 카테고리로, 규칙 기반 프로시저와 태스크의 자동화에서 사람을 알리고, 보강하고, 지원하고, 돕습니다. 1,000개 이상의 미래 지향적 글로벌 조직이 인간과 디지털 노동자가 협력해 기존 및 신규 애플리케이션과 원활하게 상호작용하고 오케스트레이션하며 직장 운영을 긍정적으로 변화시키고 있습니다. RPA의 혜택은 다방면에 걸칩니다. RPA 혜택 — 도입의 핵심 동인 이 모든 게 훌륭하게 들리지만,

매입채무 자동화는 회계사에게 사기 위험에 대한 안심을 주고, 구매 결정부터 송장 승인, 전자 결제까지 전체 프로세스를 간소화합니다. 회계(accounting)라는 단어만 꺼내도 방이 금세 비거나 청중의 귀가 무뎌집니다. 거의 모든 회사에 결제와 송장이 존재함에도 회계 프로세스는 종종 관심과 혁신에서 소외됩니다. 자동화와 기술 변화가 금융 소프트웨어와 온라인 도구를 개선했지만, 매입채무 같은 표준 회계 절차는 여전히 고통스러울 정도로 지루하고 수동적입니다. 사기성 결제 증가(2018년 63%의 기업이 이전보다 더 많은 사기와 손실

지난 10년간 자연어 처리에서 가장 큰 변화는 단어의 전통적인 패턴 인식에서 벗어나 머신러닝과 딥러닝 접근으로 이동한 것입니다. 자연어 처리(NLP)는 컴퓨터가 텍스트를 읽고, 음성을 듣고, 해석하고, 감정을 측정하며, 어느 부분이 중요한지 판단하게 해줍니다. 오늘날 기계는 인간보다 더 많은 언어 기반 데이터를 피로 없이 일관되고 편향되지 않은 방식으로 분석할 수 있습니다. NLP는 언어의 모호성을 해소하고, 음성 인식이나 텍스트 분석 같은 많은 다운스트림 애플리케이션을 위해 데이터에 유용한 숫자 구조를 더해주기 때문에 중요합니다

디지털 동료는 좋은 때나 나쁜 때나 당신 곁에 있을 것입니다. 최초의 챗봇은 1966년 MIT에서 만들어졌으며, 챗봇의 역사: 어디까지 왔고 어디로 가는가에서 읽을 수 있듯 풍부한 역사를 가지고 있습니다. 하지만 지난 10년간 챗봇은 고객에게도, 조직 내부에서도 점점 더 눈에 띄게 되었습니다. 챗봇은 인공지능(AI)과 자동화의 우산 아래 있습니다. 하지만 진정한 사용자 경험(UX) 향상과 지능형 워크플로 구축을 위해 IPsoft의 트랜스포메이션 담당 이사 요한 톨(Johan Toll)은 기업이 강력한 인지 에이전트(또는 디지털 동

기업들이 미래를 바라보며 RPA와 기타 지능형 자동화를 기하급수적으로 도입하고 있습니다. 하지만 생산성 향상, 비효율 감소, 비용 절감이라는 희망에 부풀어 정작 중요한 핵심을 놓치고 있는 건 아닐까요? 많은 벤더와 서비스 제공업체가 RPA 솔루션을 로우코드(low-code)이고 설치하기 쉽다고 마케팅하지만, 실제로는 그렇지 않습니다. KPMG와 HFS 리서치의 보고서에 따르면 RPA 분야에서 기대와 현실 사이에 상당한 격차가 있습니다. 기업들은 RPA의 이점을 이해하지만, 많은 곳이 아직 효과적으로 구현할 준비가 되어 있지 않으며

RPA에서 R이나 P를 바꿔야 할까요? 어쩌면 약어 자체, 즉 RPA라는 용어가 혼란을 야기하는 것일 수 있습니다. IT 리더의 우선순위는 보통 기술 혁신을 통해 조직을 개선하고, 효율을 높이며, 가치를 제공하는 것입니다. 하지만 모든 비즈니스에는 새로운 기술의 물결이 있고, 직원들은 자신의 역할이 위협받을까 봐 걱정합니다. 몇 년 전엔 클라우드 컴퓨팅이 그런 두려움을 줬고, 지금은 인공지능(AI) 차례입니다. 로보틱 프로세스 자동화(RPA)는 인간의 행동을 모방하는 소프트웨어 로봇인 반면, AI는 기계에 의한 인간 지능의 시뮬레

자동화 챗봇, 과연 무엇일까요? 우리는 자동화 챗봇과 애증의 관계에 있습니다. 가지고 노는 건 좋아하지만, 챗봇이 우리 질문에 답하지 못하거나 요청을 처리하지 못하면 좌절합니다. 챗봇을 만드는 이들은 챗봇을 최대한 인간답게 만드는 도전을 즐기지만, 이를 달성하기 위해 수천 가지 조건부 순열을 작성하는 건 매우 고된 일입니다. 자동화 챗봇과의 상호작용을 인간처럼 만들고자 하는 이 공동의 열망이 자연어 처리(NLP)를 통한 봇 구동으로 이어졌습니다. 챗봇 뒤에 있는 머신러닝은 의사결정 트리 로직에 기반하며, 미리 정해진 입력과 출력의

전통적인 소프트웨어 개발은 느립니다. 근본적인 재고가 필요합니다. 약 3년 전 마이크로소프트의 사티아 나델라(Satya Nadella)는 모든 비즈니스가 소프트웨어 비즈니스가 될 것이라고 유명하게 선언했습니다. 오늘날 5,000억 달러 규모의 글로벌 소프트웨어 시장은 2030년까지 1조 달러로 두 배 성장할 전망입니다. J.P. 모건은 가장 최근 공시에서 40,000명의 소프트웨어 엔지니어를 보유하고 있다고 밝혔습니다(알파벳보다 많음). 모든 주요 엔터프라이즈 기업이 경쟁사보다 더 빠르게 개발하기 위해 엔지니어 채용 경쟁을 벌이고

머지않아 모든 업계의 기업들이 NLP 같은 딥러닝 기술을 활용해 숨겨진 인사이트를 발굴하고, 자사의 비즈니스 경험과 전문성과 결합해 혁신과 차별화를 이룰 것입니다. 자연어 처리 기술의 정체는? 간단히 말해 NLP(자연어 처리)는 현실 세계의 데이터를 컴퓨터가 이해하고 처리할 수 있게 해주는 기술입니다. 그 시작은 1950년대 앨런 튜링(Alan Turing)의 논문 컴퓨터 기계와 지능(Computer Machinery and Intelligence)으로 거슬러 올라갑니다. 그는 기계가 생각할 수 있을까?라고 물었습니다. 즉, 기

데이터를 자산으로 전환하는 것은 비즈니스 최우선 과제가 되어야 합니다. 데이터를 보여주세요! 일반적으로 조직은 방대한 양의 데이터에 접근할 수 있습니다. 새로운 원유라 불리는 데이터를 확보하는 것 자체가 문제는 아닙니다. 진짜 어려움은 그 데이터를 어떻게 활용하느냐에 있습니다. 직접적인 고객 데이터든 IoT 기기 데이터든 말이죠. 이 소중한 자산을 어떻게 최적으로 활용하고 실질적인 업무에 적용할 수 있을까요? 어떤 조직이든 할 수 있는 가장 중요한 일은 효과적이고 전체적인 데이터 관리 전략을 수립하는 것, 즉 이를 최우선순위에 두

RPA 시장의 진정한 가치는 무엇인가? RPA 시장에 대해 말해줄 수 있나요? RPA는 오늘날 기술에서 가장 흥미로운 성장 영역 중 하나입니다. 글로벌 2000대 기업의 RPA 채택이 확대되고 있으며, 이 성장은 많은 산업과 기능 영역 전반에서 촉진되고 있습니다. 포레스터(Forrester)는 최근 모든 기업의 85%가 이제 디지털 워커로서의 로봇이 자사 조직에 좋다고 믿는다고 기록했습니다. RPA는 정부 부문에서도 높게 채택되어 유아이패스가 23개 이상 정부 기관에서 가장 높은 채택률을 보이고 있습니다. RPA의 TAM(총 가용

새 RPA 우수 센터로 트러스트는 재무, HR, 조달, 정보학 등 분야에서 직원들을 지원하기 위해 대량 반복 업무를 자동화해 백오피스 활동의 효율성과 생산성 향상을 달성하길 희망합니다. RPA 혜택이 더 널리 입증됨에 따라, 이 기술은 현금 부족하고 위험 회피적인 공공 부문에 매력적인 도구가 된 것으로 보입니다. 이에 첼시·웨스트민스터 병원 NHS 재단 트러스트(Chelsea and Westminster Hospital NHS Foundation Trust)는 전국 트러스트의 RPA 모범 사례 모델이 되겠다는 계획을 발표했습니다.

데이터 사이언티스트는 데이터 사이언스 프로젝트 성공에 필수적입니다. 하지만, 그들은 혼자 할 수 없습니다. 다른 기술 세트의 도움과 자동화 솔루션이 필요합니다. 데이터, 현대 기계의 톱니바퀴에 기름을 바르는 오일(oil). 하지만, 문제가 있습니다. 조직들은 이 새로운 힘에서 비즈니스 인사이트를 얻는 데 어려움을 겪고 있습니다. 공급 부족 시장에서 많은 엔터프라이즈 고객이 매우 큰 데이터 사이언스 팀을 구축하려 합니다. 일부는 고객 입력부터 IoT 디바이스까지 — 이것이 주요 채널이 될 것입니다 — 데이터 폭발을 다루기 위해 수백

초기 오케스트레이션과 튜닝과 함께, 자동화 규칙은 라이트원스-디플로이-애니웨어(write-once-deploy-anywhere) 모델을 따르며 적응성을 위한 여지를 거의 남기지 않습니다. 새 엔터프라이즈 앱이 추가되거나, 워크로드가 클라우드 간에 이동하거나, 회사의 전반적 전략 계획이 변경될 때마다 규칙도 바뀌어야 합니다. 1947년, 제너럴 모터스(General Motors)는 최초의 현대 자동화 부서를 설립했습니다. 목표는 시간 소모적이고 자원 집약적인 작업(일반적으로 시급 직원이 처리)을 대체하기 위해 기계, 유압, 컴퓨터

지능형 자동화는 혁신적일 수 있습니다... 조직이 기술을 도입한다면 말이죠. 앱피안(Appian)의 미래의 일(Future of Work) 설문조사 3부에서 초점은 지능형 자동화(intelligent automation)입니다. 이는 신흥 인지 및 로봇 컴퓨팅 기술을 인간 주도 비즈니스 프로세스와 고객 상호작용에 통합하는 것으로 정의됩니다. 이 기술들에는 인공지능(AI), 머신러닝(ML), 로보틱 프로세스 자동화(RPA)가 포함됩니다. 데이터는 지능형 자동화의 기대되는 비즈니스 혜택과 일반적인 조직이 그 혜택을 실현하는 능력 사이

RPA 혜택 계획과 실현은 그 자체로 프로세스입니다 — 그리고 그 과정에서 고려할 가치가 있는 세 가지가 있습니다. RPA 솔루션에서 최대한을 얻으려면, 어떤 프로세스를 자동화할지 결정하는 데 많은 생각이 필요합니다. 가장 가치를 제시하는 자동화 기회를 정확히 파악하고 혜택을 측정해야 합니다. 재규어 랜드로버(Jaguar Land Rover)와 컨설팅 역량으로 협력하며, 회사 내 자동화 기회의 지속적인 백로그를 보았습니다. 사람들이 우리에게 프로세스 자동화를 요청하러 옵니다 — 그리고 예라고 말하기 전에, 재규어에 어떤 혜택이 있

그러나 비즈니스 리더들은 인력에 대한 RPA의 심리적 영향을 극복해야 합니다. 대다수 조직은 RPA가 직원들이 더 많은 인간적 상호작용을 경험하게 한다고 믿습니다. 일부는 창의적인 작업에 집중할 수 있게 해 직원들이 일을 더 즐기도록 돕는다고 말합니다. 포레스터 컨설팅(Forrester Consulting)의 연구, 유아이패스(UiPath) 의뢰에 따르면. 연구 에 따르면, 92%의 사람들이 더 빠른 효율성 결과를 목격했다고 인정했습니다. 86%는 RPA가 효율성을 증가시켰다고 믿으며, 66%는 RPA가 기존 업무를 재구성해 직원

당신과 나 사이에 걸림돌이 있습니다: 우리는 둘 다 한 가지 조건, 즉 인간 조건(human condition)을 겪고 있습니다. 그것은 우리가 실수를 한다는 뜻이며, 우리가 돕는 데이터가 오류를 범하기 쉽다는 뜻입니다. 그곳에 RPA가 이야기에 들어올 수 있습니다. 기술을 적용한 수많은 조직이 환멸을 경험했습니다. 로봇이 은유적인 찬장 속에 앉아 에테르로 만든 먼지를 모으며, RPA가 과대광고되었다는 주장으로 이어집니다. 하지만 에베레스트 그룹(Everest Group) 수석 부사장 겸 수석 애널리스트 사라 버넷(Sarah Bu