Intelligent Automation – RPA의 미래

[wpseo_breadcrumb]

2020. 1. 28

CLIPBOARD

글. 이건영(EY한영 Robotics Automation 리드)

RPA 도입은 수많은 자동화 기회를 창출해 왔고 현재에도 많은 잠재력을 갖고 있다.

그러나 다른 한편으로 전통적 RPA는 디지털 형태로 존재하는 정보(시스템, 스프레드 시트, 웹 등)에 대해서만 프로세스를 다룰 수 있다는 점, “Decision tree”나 정형화된 Rule 기반의 간단한 의사 결정만 가능하다는 점과 같은 한계를 갖고 있다.

이러한 한계는 마켓 선도적인 RPA 솔루션도 특정 process, 또는 sub process에만 적용될 수 있기 때문에 end-to-end 자동화를 구축할 수 없는 이유가 된다.

전통인 RPA의 이러한 한계를 극복하기 위해 AI나 다른 디지털 자동화 툴(광학적 문자 판독(OCR), Digital Form, Workflow, 챗봇, Human-in-the-loop 프로세스)을 적용시키는 시도가 현재 계속되고 있다.

이러한 시도를 통해 기존 시스템 환경의 변수와 관계 없이 모든 프로세스에 RPA를 적용하여 end-to-end 프로세스의 변환 및 자동화를 가능하게 하고 있다.

RPA와 AI는 상호 보완적인 솔루션

Intelligent Automation 주요 항목

RPA의 확장을 가져올 수 있는 AI는 현재 비즈니스 운영모델을 변화시킬 수 있는 실질적인 잠재력을 가지고 있다.

지속적인 기술의 발전으로 인한 “새로운 알고리즘 개발”, “활용 가능한 데이터의 확장”, “클라우드 컴퓨팅 역량” 은 AI 기술을 훨씬 더 현실적인 솔루션으로 만들고 있다.

하지만 AI는 RPA보다 훨씬 다양한 유형의 기술과 수 많은 벤더들을 포함하고 있기 때문에 기존의 RPA를 성공적으로 활용하고 있는 기업들도 AI를 기반으로 확장시켜 나가는 데 많은 혼란을 겪고 있다.

RPA와 AI와의 관계에 대해 많은 오해들이 있다. 예를 들면, AI는 단순하게 RPA를 대체하는 기술이 아니며, RPA는 이미 뒤처진 기술이 아니라는 것이다.

이 두 기술은 개별적 혹은 복합적으로 사용될 수 있다. AI는 RPA의 가치를 향상시킬 수 있으며, RPA는 AI의 적용 가능 범위를 확장시킬 수 있다.

예를 들면, KYC(Know Your Customer: 고객확인제도)와 신용위험 모델링은 RPA 도움없이 AI만으로도 구현할 수 있지만, RPA가 있다면 모델링을 통하여 도출해낸 인사이트들을 즉각 실행할 수 있다.

Intelligent Automation의 단계

성공적인 지능형 자동화 구현을 위한 Top 7 팁

1. 자동화 적용 대상 업무의 탐색

자동화 기술이 모든 유형의 회사, 심지어 가장 오래된 IT 시스템을 보유한 회사들에게도 실질적인 혜택을 제공할 수 있다. 그러나 최적의 프로세스 자동화 포트폴리오를 구성하기 위해서는 적정성에 대한 평가가 반드시 수행되어야 한다. 아주 복잡한 프로세스에 대한 RPA 적용 시도는 비용적 측면에서 형편없는 ROI를 유발하는 가장 흔한 사례이다. 그보다는 차라리 다수의 심플한 프로세스들을 자동화 하는 편이 더 효율적이다.

2. AI 기능 지원을 위한 클라우드 기술 적용

자동화 영역에서 사용할 수 있는 AI 기능의 수가 너무 많기 때문에, 조직의 니즈에 가장 적합한 기능을 정의하기 어려울 수도 있다. 이런 경우, RPA, Digital, AI-as-a-Service 등과 같은 클라우드 기반의 서비스를 활용하면 최소한의 초기비용으로도 목적에 부합하는 기능을 도출해낼 수 있다. 클라우드의 활용이 AI 적용 가능성 검토에 위력을 발휘할 수 있다.

3. 업무 자동화 로드맵 구현의 신중한 검토

개발 초기단계부터 서비스 운영 단계에 이르기까지 머신러닝을 수행하기 위해서는 신중한 계획이 필요하다. 그 과정은 적용되는 기술 및 기능과 사례에 따라 다양할 수밖에 없다. 인프라 구축, 거버넌스 체계 수립, 그리고 요구되는 역량 개발과정을 필요로 하는 RPA 프로젝트 경험들에서 얻은 교훈을 활용할 수 있다.

4. 최적의 운영모델 선택

RPA에서 마찬가지로 CoE(Center of Excellence)와 같은 운영모델을 수립하는 것은 AI 도입시에도 큰 효과를 보여줄 수 있다. IT, 리스크 및 컴플라이언스 관리 등이 뒷받침하는 가상의 자원관리 및 활용에 있어 사업모델 중심의 CoE운영(매번 새로운 CoE를 구성하기보다는, 통합 자동화 CoE의 활용)이 가장 효과적인 방안이다.

5. 인재영입 계획 수립

자동화에 대한 산업 전반에 걸친 큰 관심 속에 특히 RPA 및 AI분야에 숙련된 인재에 대한 수요가 공급에 비해 압도적으로 많은 상황이다. RPA의 가장 흔한 함정은 간단한 프로세스 정도는 누구나 하루 이틀만의 교육만으로도 해낼 수 있다는 것이니다. 그러나 확장 가능하고 탄력적인 프로세스를 만드는 데 필요한 기술은 개념 증명(PoC)을 수행하는 데 비해 훨씬 높은 수준을 요구한다. 프로젝트 수행 팀의 교육과 기술 훈련에 경제적 지원을 아껴서는 결코 훌륭한 성과를 기대하기 어렵다.

6. 지속적인 모니터링 체계 구축

프로젝트 착수 단계에서 수행하는 자동화 적용 대상 검토 과정을 통해 기대되는 효과를 가늠해볼 수 있으며, 프로젝트 수행 과정에서는 실제로 구현되는 성능을 모니터링 해야 한다. 이는 궁극적으로 자동화 프로그램에 대한 노력과 투자를 지속하는 데 필수적인 요소이다. 따라서 경영진에 대해 자동화 프로세스 효과를 측정하고 투명하게 공유하는 것 또한 성공적인 지능형 자동화의 핵심적인 부분이라고 할 수 있다.

7. 위험의 조기 진단 및 통제 시스템 구축

위험 관리체계는 자동화 프로젝트 초기단계부터 일선에서 적극적으로 검토되어야 한다. 프로세스 자동화가 초래할 수 있는 잠재적 위험을 다각도에서 분석할 필요가 있다. 전 세계적으로 RPA와 AI에 대한 윤리 및 규제 이슈가 대두되고 있기 때문에, 위험 관리 및 통제에 관한 중요성이 부각되고 있다.

Intelligent Automation의 5단계 Journey

*Percentage : 기존 프로세스의 영향도

자동화 시장이 2020년까지 19 Bil USD 규모까지 성장할 것으로 전망
현재까지 5% 미만의 회사만 규모의 RPA를 구축했으나 향후 12~18개월 이내 40%의 회사가 규모의 RPA 구축을 계획 중(Everest Research, 2018)
RPA 툴에 이미 투자를 진행한 회사들은 향후 12개월 이내 로봇의 수를 90% 이상 증가할 것으로 계획하고 있음(Horses for Sources, 2018)