AI 기반 자동화는 엔터프라이즈 자동화 2.0입니다

저희의 새로운 표준은 반복적이고 단조로운 작업을 제거하고 인간의 능력을 증강하여 초인적인 결과를 더욱 빠르게 생산할 수 있는 프로세스를 자동화하려는 고객 수요를 촉진하는 것입니다. 이러한 수요를 충족하기 위해 다음 예시에서 볼 수 있듯이 기업이 더 광범위한 작업을 자동화할 수 있도록 인공 지능(AI)을 통해 자동화를 강화하고 있습니다:

• 업무 제거는 비즈니스 및 IT 팀 전반에서 단순하고 반복적인 작업을 대상으로 합니다. 이러한 작업을 자동화하면 직원들이 더 깊은 사고를 요구하는 업무에 집중할 수 있습니다. 예를 들어, 사무실이 폐쇄되어 많은 직원이 일을 하지 못하게 되자 PayPal은 챗봇을 도입하여 최근 몇 주 동안 메시지 기반 고객 문의의 65%를 처리하는 데 성공했습니다. PayPal은 성명을 통해 "AI를 통해 배포할 수 있는 리소스를 통해 직원을 보다 유연하게 관리하고 직원의 안전과 복지를 우선시할 수 있게 되었습니다."라고 말했습니다.   
• 작업 증강은 직원의 효율성을 지원하고 속도를 높이고 개선합니다. 예를 들어, 코로나19 팬데믹 기간 동안 온라인 서비스 사용이 증가하면서 AI 기반 고객 서비스 에이전트를 사용한 결과, 한 명의 상담원이 더 많은 사용자를 돕고, 서비스 대기열을 줄이고, 고객 지원을 강화할 수 있었습니다. AI는 고객이 회사에 해결을 요청하는 문제의 본질과 정보를 파악하고 사용자 의도를 측정하는 데 활용됩니다. 그러고 나면 자동화 워크플로가 사람의 개입 없이 가능한 해결 방법을 검토할 수 있습니다. 그럼에도 불구하고, 가장 강력한 형태의 작업 증강은 인간과 AI 시스템이 함께 협력하여 원하는 결과를 달성하는 것입니다.

이러한 결과를 달성하기 위해 자동화 기술을 AI 기반 자동화로 발전시키기 위해 적극적으로 노력하고 있으며, 이를 자동화 2.0이라고 합니다. AI 기반 자동화는 데이터 패턴을 발견하고 분석하여 데이터에서 얻은 인사이트에 대한 의사 결정을 자동화된 작업으로 변환할 수 있는 지속적인 폐쇄 루프 자동화 프로세스로 정의되며, AI는 프로세스의 각 단계에서 사전 예방적 최적화를 제공합니다. AI 기반 자동화는 실행 가능한 인텔리전스를 사용하여 IT 및 비즈니스 운영을 더 빠르고, 더 낮은 비용으로, 그리고 향상된 사용자 경험으로 제공합니다. 다음 섹션에서는 이 네 가지 단계를 살펴보고 각 단계에서 AI가 어떤 혁신을 이루고 있는지 알아보겠습니다.

알아보기

비정형 데이터와 프로세스를 더 잘 이해하고 분류하면 수동으로 작업을 분석하고 조정해야 하는 부담을 줄일 수 있습니다.

AI가 없으면 자동화와 관련된 데이터 디스커버리는 대부분 구조화된 프로세스와 정형 데이터로 제한됩니다. 비정형 데이터는 본질적으로 노이즈가 많으며, 일반적으로 자동화 프로세스를 느리게 합니다. 머신 러닝(ML)을 사용하면 노이즈가 많은 데이터를 꿰뚫어 보고 패턴을 추출 및 감지하는 모델을 생성할 수 있습니다. 예를 들어, 적절하게 학습된 분류기 모델을 사용하면 문서를 송장이나 보험 청구로 분류할 수 있습니다. 마찬가지로 IT 시스템의 경고를 그룹화하여 특정 문제 티켓에 매칭할 수 있습니다. AI를 사용하면 구조의 부재로 인해 발견 프로세스가 더 이상 막히지 않으며, AI를 지능적으로 활용하여 검색에서 의사 결정으로 전환할 수 있습니다.

다양한 유형의 AI 기술 간의 미묘한 차이에 대한 자세한 설명은 'AI, 머신 러닝, 딥 러닝 및 신경망 비교: 어떤 차이가 있나요?'를 참조하세요.

결정

IT 자동화의 정밀도와 잘 정의된 비즈니스 자동화 방법론을 결합하여 IT와 비즈니스 모두에서 더 빠르고 정확하게 자동화할 수 있습니다.

AI 기반 자동화는 비즈니스 작업자, 솔루션 아키텍트, 소프트웨어 엔지니어, IT 운영, SRE, 보안 및 규정 준수 엔지니어를 포함한 광범위한 노동 유형에 걸쳐 운영되는 컨버지드 비즈니스 및 IT 자동화 시스템을 포괄적으로 제공하는 것을 목표로 합니다. 비즈니스 및 IT 팀 전반에서 데이터 패턴을 발견함으로써 이제 기업의 특정 부분에 사일로화된 시스템보다 더 영향력 있는 의사 결정을 내릴 수 있습니다. 예를 들어, 소프트웨어 개발과 IT 운영 전반의 활동을 상호 연관시킬 수 있습니다. 이 경우 개발 중 소스 코드 및 구성에 대한 변경 사항을 실행 중인 IT 시스템에서 발생하는 인시던트와 대조하여 해당 코드 또는 구성의 향후 변경 사항과 관련된 위험을 예측할 수 있습니다. IBM은 AI를 자동화에 적용함으로써 기업이 발견한 새로운 패턴에 대응하는 속도를 크게 향상시키고 있습니다.

행동 취하기

소프트웨어 봇을 보다 자연스럽고 협업적으로 참여시키면 참여가 더욱 자발적이고 생산적인 방향으로 전환됩니다.

자동화 프로세스는 자동화된 작업이 수행되는 방식에서 더욱 차별화됩니다. 작업 자동화 부문에서 최고의 표준은 로보틱 프로세스 자동화(RPA) 기술입니다. IBM은 AI의 강력한 힘을 활용하여 RPA를 단순한 로봇 스크립트에서 벗어나 직장의 디지털 직원과 같은 역할을 수행하는 기술로 진화시키고 있습니다. 가상 세계와 물리 세계 간의 이러한 결합을 통해 문제가 발생하기 전에 예방하고, 다운타임을 방지하고, 새로운 기회를 개발하기 위한 조치를 시뮬레이션할 수 있습니다. 또한 자동화 2.0은 고급 자연어 처리를 사용하여 AI와 직원 간에 보다 협업적인 관계를 형성함으로써 하이브리드 인력을 구현합니다.

최적화

잠재적인 사고를 조기에 예측하여 시스템이 정상 운영에 영향을 미치기 전에 문제를 선제적으로 해결할 수 있습니다.

최적화는 발견, 의사 결정 및 조치 단계에서 지속적으로 적용되며, 새로운 인사이트를 활용하여 폐쇄 루프 피드백을 통해 비즈니스 및 IT 팀의 운영을 자율적으로 개선합니다. 자동화 2.0에서 최적화는 사후 대응에서 예측 및 사전 예방적 대응으로 전환됩니다. AI 기반 자동화는 비즈니스 및 IT 팀 전반의 데이터에 대한 엔드투엔드 보기를 통해 변동을 예측하고 과잉 대응을 방지하는 데 도움이 될 수 있습니다. 예를 들어, 과거 변경 사항의 정형 및 비정형 속성과 엔터프라이즈 IT의 인시던트 기록을 결합함으로써 변경 인시던트 간의 연관성을 추출하여 경험적 증거를 생성하고, 이를 변화 위험 모델에 대한 새로운 입력으로 활용할 수 있습니다. IT 부서에서 새로운 변경 사항을 적용하면 과거의 증거를 바탕으로 이러한 변경 사항이 매우 위험한 이유를 설명하는 예측을 기반으로 실시간 사전 경고를 발행할 수 있습니다. Gartner의 AIOps 플랫폼 시장 가이드에서는 이러한 사전 예방적 위험 관리 방식을 가장 정교한 자동화 단계로 정의하고 있습니다.

발견, 결정, 조치 및 최적화의 자동화 프로세스를 보면 자동화가 순차적이고 시간이 많이 걸리는 프로세스라고 생각할 수 있습니다. 자동화 프로세스를 완성하는 데 몇 주 또는 몇 달이 걸릴 수 있다는 것은 사실이지만, 이러한 시간을 단축할 수 있는 방법이 있습니다. 예를 들어, RPA 사용과 로우코드 개발은 모두 '소규모' 활동 또는 프로세스의 자동화 속도를 높이기 위해 설계되었기 때문에 고객이 전체 엔드투엔드 프로세스가 자동화될 때까지 기다릴 필요 없이 즉각적인 ROI를 얻을 수 있습니다. 또한 빠른 처리 시간 덕분에 비즈니스 팀과 IT 팀이 신속한 반복 수행과 외부 요인에 대한 실시간 대응을 통해 빠른 실패를 실천할 수 있습니다.

AI 기반 자동화를 위해 관련된 모두가 데이터 과학자가 될 필요는 없습니다. 그와 반대로, AI를 사용하면 자동화 기술이 IT 개발자, 고도로 숙련된 지식 근로자, 데이터 과학자뿐만 아니라 일반 비즈니스 사용자에게도 자동화 기술을 적용할 수 있습니다. 기업 전반의 사용자들은 전문가가 미리 준비한 사전 학습된 모델의 혜택을 누리며, 심층적인 AI 기술 없이도 AI를 즉시 활용할 수 있습니다. 자연어와 챗봇을 사용하는 AI 기반 자동화를 제공하면 자동화 시스템이 사용자가 일하는 장소, 일하는 방식에 맞춰 사용자를 만날 수 있는 환경이 조성됩니다. 이렇게 하면 보다 자연스러운 상호 작용이 가능하므로, 기업 전반에서 더 많은 작업자들이 자동화에 기여하고 그 이점을 누릴 수 있습니다.   

AI 기반 자동화에 대한 IBM의 접근 방식은 기업 전반의 프로세스를 자동화하는 수단으로서 발견, 결정, 조치를 통해 지속적으로 최적화하는 기능을 갖춘 융합된 비즈니스 및 IT 자동화 시스템의 형태를 취합니다. 이러한 자동화에 대한 엔드투엔드 관점을 바탕으로, IBM은 직원들이 디지털 트윈과 협력하여 비즈니스 전반에 걸쳐 더 깊은 효율성을 확보하고, 새로운 비즈니스 기회에 집중할 수 있도록 시간과 리소스를 확보하는 하이브리드 인력 구조를 구축하기 위한 과감한 발걸음을 내딛고 있습니다. 

이 게시물에서는 AI 기반 자동화를 소개해 드렸지만, 이제 시작에 불과합니다. 다음 글에서는 아키텍처와 기능으로 관점을 확장하여 AI 기반 자동화의 프로세스를 더 자세히 정의하고 들여다볼 예정입니다.

또한 제가 운영하는 'The Art of Automation'이라는 새로운 팟캐스트도 들어보세요. 여기에서는 주제 전문가를 초빙하여 자동화가 일상 생활을 어떻게 더 나은 방향으로 변화시키고 있는지에 대한 사례를 공유합니다.