로보틱 프로세스 자동화는 폭주하는 열차입니다. 딜로이트에 따르면 이 기술은 다음을 달성할 수 있습니다. 2025년까지 거의 보편적으로 채택될 것으로 예상됩니다. 하지만 RPA가 비즈니스 세계를 지배하고 있다고 해서 진화가 멈추지 않을 것이라는 의미는 아닙니다.

우리는 흥미로운 기술적 전환점에 서 있습니다. 최근 몇 년간 AI의 발전은 놀랍습니다. ChatGPT와 다른 형태의 생성형 AI는 대중의 의식을 사로잡았습니다. 하지만 이러한 흥미로운 기술은 AI의 잠재력을 보여주는 하나의 표현일 뿐입니다.

RPA는 간단하면서도 효과적인 도구입니다. 하지만 RPA와 AI의 융합은 무한한 혁신의 기회를 제공합니다. 대화형 AI 기반 고객 서비스, 분석 기반 의사 결정, 지식 업무 자동화는 RPA에서 AI를 활용하는 몇 가지 예에 불과합니다.

기술이 발전함에 따라 인지 로봇 프로세스 자동화는 우리가 상상할 수 없는 방식으로 업무의 본질을 변화시킬 것입니다. RPA를 통해 이미 자동화의 한계를 뛰어넘은 AI가 향후 어떤 영향을 미칠지 살펴보겠습니다.

 

RPA의 한계

RPA의 광범위한 채택은 그 유용성을 입증하는 증거입니다. 이 기술은 수작업으로 이루어지던 작업을 자동화하여 수많은 기업이 새로운 수준의 생산, 효율성 및 정확성을 달성하는 데 도움을 주었습니다. 하지만 다른 기술과 마찬가지로 상한선이 있습니다.

 

1. 트랜잭션 자동화는 관리가 어렵습니다.

 

RPA 봇은 프로세스를 충실히 처리하지만, 약간의 관리와 유지 관리가 필요합니다. 예를 들어, 입력 또는 출력이 변경되면 봇을 재구성하여 이러한 미세하게 변화하는 조건을 처리해야 합니다. 역동적인 업무 환경에서는 리소스와 시간이 낭비될 수 있습니다.

 

2. 비정형 데이터로 어려움을 겪는 RPA

 

RPA 도구는 만약/그렇다면/그렇지 않으면 로직을 사용하여 작업을 실행하도록 만들어졌습니다. 따라서 예측 가능한 데이터 구조에 의존합니다. 입력 데이터의 변형이나 변경은 봇이 수신할 것으로 예상되는 정의된 값을 벗어나기 때문에 오류나 예외를 유발합니다.

 

3. RPA의 확장 과제

 

위에 나열한 이유로 인해 RPA 프로세스를 확장하는 것이 어려울 수 있습니다. 각 프로세스는 명확하게 정의, 관리 및 유지되어야 하며, RPA의 적응성 부족으로 인해 문제가 발생할 수도 있습니다.

RPA의 한계에 대해 걱정할 필요는 없습니다. AI 지원 RPA는 이러한 각 한계를 극복하는 동시에 새롭고 흥미로운 자동화 가능성을 열어줍니다.

 

AI가 적용된 RPA가 자동화를 어떻게 변화시켰는지 알아보세요.

 

로보틱 프로세스 자동화 및 인공 지능:

완벽한 매칭

 

RPA는 설계상 적어도 사용자 수준에서는 간단하고 복잡하지 않은 도구입니다. 기술 전문가가 아닌 팀도 쉽게 사용할 수 있도록 제작되었습니다. 따라서 주어진 지시를 통제된 방식으로 수행합니다. 이러한 프로세스를 식별하고 RPA가 명령을 실행하도록 지시하는 것은 사람의 몫입니다.

물론 단계별 지침을 자세히 설명하는 것은 복잡성이 너무 크면 불가능할 수 있으며, 이것이 바로 RPA와 인공 지능을 결합하는 것이 자동화의 미래인 이유입니다.

 

1. 광학 문자 인식 기능이 있는 RPA

 

In
비즈니스 프로세스 개선을 위한 AI 및 OCR을 통한 로보틱 프로세스 자동화
(Shidaganti, 2021)에서 저자는 “자동화된 프로세스를 변경하려면 RPA 애플리케이션을 직접 변경해야 한다”고 제안하며 RPA의 한계를 설명합니다. 시다간티는 이 프로세스에 대한 해결책으로 AI를 제안하며 광학 문자 인식(OCR)을 RPA의 근본적인 증강 기능으로 주장합니다.

실제로 OCR은 RPA를 비정형 데이터에 개방함으로써 비즈니스에 영향을 미쳤습니다. AI 기반 RPA OCR 도구는 인쇄된 문서와 서면 텍스트의 정보까지 읽을 수 있습니다. OCR 통합을 통해 얻을 수 있는 RPA의 주요 기회는 크게 세 가지입니다.

• OCR은 정형화된 데이터를 코딩하여 예측할 수 없는 입력에 대해 RPA가 작업할 수 있도록 지원합니다.
• RPA는 각 화면에서 일어나는 일을 해독하여 원격 머신을 자동화할 수 있습니다.
• 머신러닝과 결합된 OCR은 문서를 스캔하여 고객 파악(KYC), 자금 세탁 방지(AML) 및 사기 탐지에 도움을 줄 수 있습니다. 기술의 학습과 결정은 RPA와 통합되어 계좌 개설, 온보딩, 대출 결정 등을 더 빠르게 처리할 수 있습니다.

 

2. 머신 러닝 및 RPA

 

로보틱 프로세스 자동화와 머신 러닝은 RPA의 내재적 한계를 극복하기 위해 AI를 활용하는 또 다른 예입니다. 2016년에 보험 업계의 자동화 전문가들은 다음과 같은 사실을 파악했습니다. 인지 로봇 프로세스 자동화(RPA)의 가능성에 대해 알아보세요. 이 논문에서 저자는 “고객 서비스, 대출 가격, 재무 자문, 클레임 또는 불만 처리의 자체 최적화”를 가능한 범위로 논의합니다.

로보틱 프로세스 자동화 머신 러닝 도구가 단기간에 보편화되었다는 것은 분명 발전의 징표임에 틀림없습니다.

머신 러닝은 어디에나 있습니다. 명시적인 프로그래밍 지침을 통해 기계가 작업을 실행하도록 가르치는 과정을 설명합니다. 아시다시피, 여기에는 알고리즘을 사용하여 데이터 세트 내에서 패턴을 분석하고 찾는 기계가 포함됩니다. 학습이 완료되면 기계는 다른 데이터를 처리하고 인사이트와 예측을 생성할 수 있습니다.

RPA가 더 스마트하고 직관적이며 비정형 데이터를 처리할 수 있게 된다는 점에서 RPA와 머신러닝은 매우 잘 어울립니다.

 

3. 딥러닝이 적용된 RPA

 

머신러닝은 AI의 하위 집합이고 딥러닝은 머신러닝의 하위 집합입니다. 딥 러닝과 머신 러닝의 차이점은 사람에 따라 미묘할 수 있지만 살펴볼 가치가 있습니다. 머신 러닝은 데이터를 학습하여 의사 결정과 예측에 도움을 줍니다.

그러나 이 기술은 일반적으로 시간이 지남에 따라 자체적으로 개선되는 기능이 부족합니다. 반면 딥러닝은 신경망을 사용하여 학습하고 성능을 개선합니다. 즉, 딥러닝 덕분에 RPA와 ML이 결합하여 경험을 통해 더욱 개선되는 자동화를 구축할 수 있습니다.

물론 딥러닝이 이 기능을 수행하려면 엄청난 양의 데이터가 필요합니다. AI와 RPA의 깊은 공생을 보여주는 또 다른 예로, 봇은 이러한 학습 데이터를 수집하는 힘든 프로세스를 지원하는 데 이상적입니다. RPA 도구는 다양한 웹사이트 및 기타 정보 저장소에 액세스하여 이러한 정보를 수집할 수 있으므로 딥러닝 알고리즘이 개선할 수 있는 충분한 데이터를 확보할 수 있습니다.

또한 딥러닝을 통해 봇은 예측 분석의 이점을 활용할 수 있습니다. RPA는 예외가 발생하면 예상되거나 예상치 못한 패턴과 일치시켜 사람의 개입에 대한 의존도를 낮출 수 있습니다.

스마트 봇이 데이터 기반 의사 결정을 내릴 수 있으면 최적의 방식으로 고객에게 대응할 수 있습니다. RPA 내에서 이러한 애플리케이션의 예로는 자연어 처리(NLP)를 사용하여 소비자의 기분을 해독하는 감정 분석 도구가 있습니다. 봇은 적절한 음을 치도록 응답을 조절할 수 있습니다. 이러한 역동성은 공감하는 인간 고객 서비스와 기계화된 대체 서비스 사이의 격차를 극복하는 데 많은 도움이 될 수 있습니다.

 

4. RPA 및 이미지 인식

 

이미지 인식 소프트웨어와 RPA를 결합하는 것은 복잡한 데이터나 비정형 데이터를 처리할 수 없는 RPA의 한계를 극복하기 위해 AI를 사용하는 또 다른 예입니다. 논문에서
비즈니스 프로세스 자동화를 위한 RPA 소프트웨어 로봇 분야의 인공 지능 기술 분석 및 적용 가능성
(Kanakov, 2022)에서 저자는 채용 신원 조회 자동화 또는 사기 탐지 지원과 관련하여 RPA 및 이미지 인식의 몇 가지 흥미로운 용도에 대해 설명합니다.

카나코프가 제안한 다른 사용 사례로는 카메라에 연결된 RPA 도구와 함께 건물 보안에 얼굴 인식을 사용하는 것이 있습니다. 활용 분야는 정말 무궁무진합니다. 예를 들어, 드론이나 카메라로 여러 환경에서 이상 징후를 스캔할 수 있습니다. 문제가 감지되면 RPA 시스템이 관련 당사자에게 보고하여 신속하게 문제를 해결할 수 있습니다.

 

5. 생성형 AI를 사용한 RPA

 

포브스의
포브스 기사에서
에서 DELL의 클린트 볼튼은 RPA와 제너레이티브 AI를 비교할 때 환상적인 비유를 사용합니다. 그는 “갈라 이벤트에서 RPA는 게스트 명단을 확인하고 티켓을 세며 객실 수용 인원, 난방 및 조명 등을 모니터링하고 있습니다.”라고 제안합니다. 이어서 그는 “그 사이 제너레이티브 AI는 행사 광고를 제작하고, 수상자를 위한 축사를 작성하며, 모든 게스트와 대화를 나누고 있습니다.”라고 말합니다.

이 비유가 강력한 이유는 지난 1년여 동안 우리 모두가 관찰한 것을 완벽하게 포착하고 있기 때문입니다. 제너레이티브 AI는 매우 흥미롭고 강력하기 때문에 그 결과물에 감탄하지 않을 수 없습니다. 그러나 누군가(RPA)가 백그라운드에서 잡다한 작업을 수행하지 않으면 이벤트가 없거나 적어도 제대로 된 이벤트가 이루어지지 않을 수 있습니다.

가트너에 따르면 제너레이티브 AI는 다양한 옵션을 제공합니다. 서면 콘텐츠, 이미지, 동영상, 음악, 심지어 코드까지 빠르게 생성할 수 있습니다. 대화형 고객 서비스처럼 당장 눈에 띄는 가능성도 있습니다.

하지만 향상된 챗봇은 시작에 불과하며, RPA 및 제너레이티브 AI의 다른 사용 사례에는 RPA가 다양한 형태의 비정형 데이터를 이해하도록 돕고 의사 결정, 데이터 분석 등을 통해 RPA를 보강하는 것까지 포함됩니다.

 

6. 참석 자동화

 

자동화를 두 가지 범주로 나눌 수 있습니다: 유인 및 무인. 예상할 수 있듯이 무인 자동화는 사람의 입력 없이 봇이 프로세스를 실행하는 것을 의미합니다. 이와는 대조적으로, 참석 자동화는 최소 한 단계 이상 진행되는 동안 사람의 상호 작용이 필요한 작업을 설명합니다.

몇 가지 방법이 있습니다. 예를 들어 자동화된 프로세스에 수동 트리거가 필요할 수 있습니다. 또는 프로세스 중에 단계 중 하나에 보안 자격 증명이 필요할 수 있습니다. 하지만 로봇 데스크톱 자동화(RDA) 덕분에 더 복잡한 오케스트레이션이 가능합니다.

로봇 데스크톱 자동화(RDA)는 참석자 자동화의 한 형태입니다. 하지만 머신러닝 및 광학 문자 인식과 같은 AI 도구 덕분에 이러한 로봇은 여러 워크플로 프로세스를 동적으로 연결하여 개별 사용자를 위한 다양한 작업을 지속적으로 자동화합니다. 이 시나리오에서는 RDA 봇이 가상 비서처럼 작동하여 데이터를 검색하고, 파일을 전송하고, 보고서를 생성하며, 상담원이 고객과 대화하는 동안 업무를 처리합니다.

 

7. 자가 치유 봇

 

A
2022년 RPA 현황 조사
는 RPA 솔루션을 도입한 일부 기업에 영향을 미치는 문제를 밝혀냈습니다. 응답자의 69% 이상이 매주 고장난 RPA 봇을 경험한다고 답했습니다. 더 심각한 문제는 40% 이상이 봇을 수정하는 데 5시간 이상 걸린다고 답했으며, 다른 응답자들은 수정하는 데 하루 이상 걸린다고 답했습니다.

이 수치는 용납할 수 없을 정도로 높습니다. 하지만 이 설문조사에서는 문제의 구체적인 내용은 다루지 않습니다. RPA 실패의 일반적인 원인으로는 입력 변경, 로봇의 예외 발생, 불완전한 데이터, 잘못된 테스트 또는 유지 관리 부족 등이 있습니다.

자가 치유 RPA는 작업자의 입력 없이도 스스로 문제를 해결할 수 있는 시스템을 말합니다.

자동화된 작업의 성능을 모니터링하는 AI 알고리즘을 통해 자가 치유 RPA 봇을 구현할 수 있습니다. 문제가 발생하면 이러한 유용한 도구가 즉시 작동하여 근본 원인을 파악하고 수정 사항을 적용합니다. 장점은 성능 향상과 가동 시간 증가입니다.

 

8. 스마트 프로세싱 마이닝

 

RPA의 맥락에서 프로세스 마이닝에는 기업이 자동화할 수 있는 작업의 발견이 포함됩니다. 팀은 AI의 고급 분석 기능을 사용하여 비즈니스 워크플로를 마이닝하여 자동화할 수 있는 작업을 찾고 이러한 자동화가 미치는 영향을 예측할 수 있습니다.

프로세스 마이닝은 ML과 데이터 분석을 사용합니다. 예를 들어, 화면 녹화 소프트웨어를 사용하여 워크플로 데이터를 캡처하여 단계별로 세분화합니다. 그런 다음 ML 또는 분석 도구가 이러한 작업의 모델을 실행하여 자동화된 프로세스로 전환할 수 있는 영역을 찾습니다. AI 도구는 기업이 작업을 더 잘 감독하고 이해할 수 있도록 지원하여 종속성, 병목 현상 및 비효율성을 파악할 수 있도록 합니다.

RPA와 프로세스 마이닝을 함께 사용하면 기업이 감지하지 못할 수도 있는 프로세스를 발견하는 데 도움이 될 수 있기 때문에 매우 강력합니다. 즉, RPA 투자에서 더 많은 가치를 창출하고 비용 절감 및 생산성 향상과 같은 RPA의 다른 이점을 더욱 강화할 수 있습니다.

여기서 또 한 가지 주목할 점은 프로세스 마이닝을 통해 적절한 RPA 프로세스의 검색 시간을 단축할 수 있다는 점입니다. 즉, 구현을 훨씬 빠르게 시작할 수 있습니다.

 

9. 소프트웨어 테스트 자동화

 

소프트웨어 개발자와 퍼블리셔는 지난 수십 년 동안 가장 파괴적인 기술을 제공해 왔습니다. 그러나 이 산업 자체도 혁명을 겪었습니다. 데브옵스와 애자일 방법론은 개발자가 지속적으로 개선되는 빠른 제품에 대한 수요를 충족하는 데 도움이 되었으며, CI/CD 파이프라인은 출시 기간을 단축하는 데도 기여합니다.

RPA는 특정 유형의 소프트웨어 테스트를 위한 환상적인 도구입니다. 맥킨지는 차세대 소프트웨어 개발이 다음과 같은 측면에서 AI에 뒤처져 있다고 말합니다. 2023년 가장 큰 기술 트렌드. RPA와 AI를 기반으로 하는 소프트웨어 테스트 자동화가 이러한 트렌드의 선두에 서게 될 것이며, 생성형 AI가 코드를 작성하고 노코드 툴을 통해 비기술팀도 이에 동참할 수 있게 될 것입니다.

컨설팅 회사의 파트너인 산티아고 코멜라-도르다(Santiago Comella-Dorda)는 “개발자는 현대 디지털 기업의 가장 중요한 자산 중 하나이지만, 최신 도구 세트로 쉽게 자동화할 수 있는 반복적이고 가치가 낮은 작업에 전체 시간의 40% 이상을 소비하고 있습니다.”라고 말합니다.

 

10. RPA 지능형 자동화

 

지능형 프로세스 자동화(IPA)라고도 하는 인공 지능 로봇 프로세스 자동화는 자동화의 다음 단계로 간주됩니다. RPA에 AI를 통한 인지 능력을 추가합니다. 위에 나열된 다른 AI 기술의 전부 또는 일부와 함께 RPA를 포함할 수 있습니다.

IBM의
최고 경영진을 대상으로 한 IBM 설문 조사에서
에 따르면 응답자의 90%가 지능형 자동화가 “새로운 비즈니스 트렌드에 대응하여 조직의 변화를 관리하는 데 평균 이상의 성과를 거두는 데 도움이 되었다”고 답했습니다. 이러한 분위기는 진정한 경쟁 우위를 제공할 수 있는 민첩하고 강력한 솔루션을 개발할 수 있는 RPA와 AI의 능력을 말해줍니다.

조직의 변화를 가져오는 RPA와 AI의 힘에 대한 증거는 코로나19 팬데믹에 대한 비즈니스 커뮤니티의 대응에서 찾을 수 있습니다. 코로나19 팬데믹 기간 동안 비즈니스 프로세스를 보장하기 위한 로봇 프로세스 자동화 기술 도입 (Siderska, 2021)에 따르면 연구 대상 폴란드 기업의 60%가 RPA 도구 덕분에 비즈니스 연속성을 구현할 수 있었습니다. 연구 결과에 따르면 AI와 애널리틱스가 주요 기여를 한 것으로 나타났습니다.

최근의
가트너 설문 조사
설문조사에서 전체 80%의 경영진이 자동화를 모든 비즈니스 프로세스에 적용할 수 있다는 믿음을 드러냈습니다. 이 통계는 AI와 함께 사용되었을 때 RPA의 힘을 보여주는 놀라운 증거입니다. AI에 의한 RPA의 증강이 없었다면 이 수치가 이렇게 높을 수 있다는 것은 상상할 수 없습니다.

미래에 대한 연구는
뉴로모픽 처리
– 뇌 구조에 기반한 정보 처리 시스템으로, 인지 능력과 기계 지능을 향상시킬 수 있습니다. 이 지평에서 가장 흥미로운 점은 이러한 인텔리전스 모델이 훨씬 적은 학습 데이터를 필요로 하기 때문에 기업에서 사용할 수 있다는 것입니다.

 

AI 기반 RPA가 미래를 바꾸는 방법

일과 사회

AI 프로세스 자동화 도구는 이제 막 예열 중입니다. 다음은 AI가 자동화에 더 큰 영향을 미칠 몇 가지 영역입니다.

 

1. 인더스트리 4.0

 

첫 번째 산업혁명은 증기에 의해, 두 번째 산업혁명은 전기에 의해 추진되었습니다. 3차 산업혁명은 1970년대 디지털 기술을 통해 가능해졌습니다. 인더스트리 4.0이라고도 하는 4차 산업혁명과 관련해서는 디지털 트윈, 가상 현실, 사물인터넷(IoT), AI 및 머신러닝, 심지어 3D 프린팅과 같은 여러 가지 기술 후보가 있습니다.

그러나
IMD 글로벌 공급망 조사
2022년부터는 걱정스러운 진실이 드러납니다. 인터뷰에 응한 200여 명의 제조업 임원 중 인더스트리 4.0 관련 기술을 최우선 순위로 꼽은 사람은 극소수에 불과했습니다. 이는 2019년과 비교하면 맥킨지 설문조사 응답자의 68%는 인더스트리 4.0을 최우선 전략적 우선순위로 꼽았습니다.

연구 논문에서 산업 분야의 로봇 프로세스 자동화 및 인공 지능 4.0 – 문헌 검토 (Riberio, 2021)에서 저자는 “AI의 적용 범위를 고려할 때 RPA는 분류, 인식, 분류 등을 위해 특정 컨텍스트(예: 전사적 자원 계획, 회계, 인사)에 적용되는 알고리즘 또는 AI 기술의 구현을 자동화 기능에 점차 추가하고 있다”고 언급합니다.

기술이 계속 발전함에 따라 새로운 도구와 가능성은 인더스트리 4.0이 AI를 기반으로 현실화되는 데 도움이 될 것입니다.

 

2. 초자동화

 

하이퍼오토메이션은 자동화의 자연스러운 진화입니다. 그러나 특정 작업이나 비즈니스 프로세스의 자동화가 아니라 조직 전체로 자동화 기능을 확장하고자 합니다. 최종 버전은 워크플로와 의사 결정이 간소화되고 민첩하며 탄력적인 완전히 연결된 자율적인 비즈니스가 될 것입니다.

 

초자동화에는 여러 기술이 혼합되어 있습니다. 여기에는 다음이 포함됩니다:

• RPA
• AI
• 비즈니스 프로세스 자동화(BPA)
• ML
• 지능형 문서 처리(IDP)
• 워크플로 오케스트레이션
• 프로세스 마이닝
• 자연어 처리(NLP)
• 조직의 디지털 트윈(DTO)
• 대화형 RPA
• 컴퓨터 비전 RPA

 

논문에서 제기한 바와 같이 산업 자동화 향상을 위한 하이퍼오토메이션 (Haleem, 2021), “초자동화는 자동화 기술의 혼합을 통해 단일 자동화 장치 방법의 일부 제약을 극복할 수 있습니다. 이를 통해 기업은 각 프로세스의 한계를 뛰어넘어 거의 모든 까다롭고 확장 가능한 작업을 자동화할 수 있습니다.”라고 말합니다.

 

3. 전문가에 대한 의존도 감소

 

최근 몇 년간 소프트웨어 개발 붐이 일면서 한 가지 문제가 드러났습니다. 앱과 모바일 기술에 대한 수요는 증가하는 반면 공급은 이를 따라잡지 못했습니다. 소프트웨어 개발자의 공급이 부족하여 많은 자리가 수개월 동안 공석으로 남아 있었습니다.

자격을 갖춘 지원자를 기다리는 6자리 숫자의 권위 있는 일자리가 기다리고 있는 상황에서 사람들이 단순히 재교육을 받고 보상을 받을 것이라고 생각해도 용서받을 수 있습니다. 학교와 대학도 조사를 받았는데, 정부는 학교와 대학이 STEM 과목 수강을 장려하는 데 충분한 노력을 기울이지 않고 있다고 지적했습니다. 하지만 현실적으로 코딩은 어렵습니다. 인구의 일부만이 이 직업에 적성을 가지고 있습니다.

세상이 점점 더 디지털화됨에 따라 코더 부족 현상은 우리가 귀 기울이지 않은 경고로 여겨질 수 있습니다. 다행히도 AI 기반 자동화가 이 문제에 대한 해독제를 제공할 수 있습니다.

리더십 직책에는 관리 기술과 심도 있는 주제 지식을 겸비해야 합니다. 독서와 학습은 경영진과 고위 팀원을 조직에 가치 있는 사람으로 만드는 요소 중 하나에 불과합니다. 그러나 더 많은 산업에서 기술을 수용함에 따라 이러한 인재 풀은 고갈될 것입니다.

AI 분석은 방대한 양의 과거 데이터를 사용하여 인사이트와 기본 관계를 찾고 예측할 수 있습니다. 이러한 도구는 경험 격차를 해소하는 데 도움이 됩니다. 또한 막대한 예산을 가진 기업의 전유물이었던 신중한 의사결정을 민주화하는 데 기여할 수도 있습니다.

숙련된 의사 결정자와 전략가의 역할은 변하지 않겠지만, 머신러닝(ML)과 데이터 분석에 기반한 초자동화된 비즈니스는 24시간 내내 가동되며 사람이 의식적으로 고려할 수 없는 요소에 기반하여 선택을 내릴 것입니다.

맥킨지는 지식 업무의 자동화가 가시권에 들어왔다고 말합니다.. 이전에는 숙련도가 낮은 일자리를 위협하는 것으로만 여겨졌던 법률, 경제, 교육, 예술, 기술 분야 모두에서 혼란을 겪게 될 것입니다. 그러나 이것이 일반 직원에게 어떤 의미가 있는지는 아직 결정되지 않았습니다.

 

4. 정부 효율성 향상

 

정부 지출은 매년 논란이 되는 문제입니다. 전 세계적으로 민주적 행정부는 부풀려진 예산과 잘못된 지출로 악명이 높습니다. 당
저명한 브루킹스 연구소의 연구
에 따르면 미국 정부 기관은 AI와 RPA를 수용하고 있습니다.

식품의약국, 사회보장국, 국방물류국, 재무부 등 다양한 부서에서 생산성을 높이고 필수 서비스 비용을 절감하기 위해 AI와 RPA를 도입했습니다. 또한
미국 기술 및 산업 자문 위원회(ACT-IAC)의 설문조사에 따르면
는 약 12개 정부 기관의 사용 사례를 보여줍니다.

보다 효율적이고 비용 효율적인 정부는 사회 전체에 혁신적인 영향을 미칠 수 있습니다. 서비스가 더욱 효율적이고 효과적이 될 수 있으며, 세금이 수백만 명의 삶을 변화시킬 수 있는 프로그램에 투입될 수 있습니다. 그러나 이러한 광범위한 채택은 다음을 제거하는 것의 중요성을 강조합니다.
AI의 편향성,
특히 전 세계 정부가 정책 결정을 내리는 데 이 기술을 사용하는 경우 더욱 그렇습니다.

 

마지막 생각들

AI는 RPA 기술에 지대한 영향을 미쳤습니다. 초기의 자동화 도구는 업무 환경 내에서 반복적이고 일상적인 작업을 많이 처리할 수 있었습니다. 그러나 자동화에 대한 집단적 욕구가 커지면서 RPA는 한계에 부딪혔습니다. AI는 이러한 장벽을 허물고 있습니다.

RPA와 AI를 결합하면 두 도구의 잠재력이 확장됩니다. 이미 많은 기업이 고객 서비스 개선, 조직 효율성 증대, 운영 비용 절감 등 지능형 자동화의 이점을 누리고 있습니다. AI는 불과 10년 전만 해도 불가능해 보였던 방식으로 RPA의 범위를 넓혔습니다.

하지만 로보틱 프로세스 자동화와 AI의 이야기는 여기서 끝나지 않습니다. 초자동화 시대로 나아갈수록 더 많은 이점을 얻을 수 있습니다. 험난한 여정이 될 것이니 뒤처지지 마세요.

Download post as PDF