AI 워크플로

인공 지능(AI) 워크플로는 AI 기반 기술 및 제품을 사용하여 조직 내 작업과 활동을 간소화하는 프로세스입니다.

최근 AI 기반 앱과 툴, AI 모델의 발전으로 조직은 워크플로 처리 방식을 개선할 수 있는 새로운 기회가 생겼습니다. 조직이 디지털 혁신을 수용함에 따라 자동화 플랫폼과 고급 템플릿으로 구동되는 AI 기반 워크플로는 수동 작업으로 인한 비효율성을 제거하고 파트너, 직원 및 고객 경험을 개선합니다.

IBM 기업가치연구소(IBV) 보고서에 따르면 임원의 92%가 2025년까지 조직의 워크플로가 디지털화되고 AI 기반 자동화가 도입될 것이라는 데 동의했습니다.

Vanson Bourne(ibm.com 외부 링크)에 따르면¹ 현재 80%의 조직이 가능한 한 많은 비즈니스 프로세스를 엔드투엔드 자동화하는 목표를 추구하고 있습니다.

AI 기반 워크플로는 주요 비즈니스 운영을 개선하고, 직원의 업무를 향상시키고, 최종 수익을 개선하는 데 중요한 단계가 됩니다.

조직이 워크플로를 개선하는 데 사용할 수 있는 몇 가지 AI 기술이 있습니다.

• API
• 비즈니스 프로세스 자동화
• 생성형 AI
• 지능형 자동화
• 머신 러닝
• 자연어 처리
• 광학 문자 인식

API 또는 애플리케이션 프로그래밍 인터페이스는 소프트웨어 애플리케이션이 서로 통신하여 데이터, 특징 및 기능을 교환할 수 있도록 하는 규칙 또는 프로토콜의 집합입니다. API는 서비스 연결 기능을 구동하기 때문에 AI 워크플로의 핵심 구성 요소입니다. 예를 들어, 온라인에서 물건을 구매하기 위해 웹사이트에서 은행 계좌로 연결하는 것은 API 연결 사용의 예라고 할 수 있습니다.

비즈니스 프로세스 자동화(BPA)는 소프트웨어를 사용하여 복잡하고 반복적인 비즈니스 프로세스를 자동화하는 전략입니다. 일반적으로 주문 처리나 고객 계정 관리와 같이 비즈니스 운영에 필수적이지만 직원 인력보다 자동화를 통해 더 잘 처리할 수 있는 간단한 작업을 자동화하는 데 사용됩니다. BPA는 직원 온보딩, 급여 및 기타 수동 작업을 쉽게 처리할 수 있습니다. BPA의 하위 집합은 로보틱 프로세스 자동화(RPA)입니다. RPA는 지능형 자동화 기술을 사용하여 반복적인 사무 업무를 수행합니다. RPA는 데이터 추출, 양식 작성, 파일 이동 등을 지원합니다.

Gen AI는 사용자의 프롬프트 또는 요청에 따라 텍스트, 이미지, 비디오, 오디오 또는 소프트웨어 코드와 같은 독창적인 콘텐츠를 생성하는 AI의 한 유형입니다. Chatgpt와 같은 생성형 AI 기술은 기업이 워크플로를 개선하고 올바른 아웃풋을 생성할 수 있는 방법을 파악하는 데 도움을 줄 수 있습니다. 사용자의 프롬프트 또는 텍스트, 이미지, 비디오, 오디오 또는 소프트웨어 코드와 같은 콘텐츠 생성 요청에 응답할 수 있습니다. 생성형 AI는 전략적 목표와 전술을 파악하는 것부터 회의 설정, 마케팅 카피에 대한 피드백 제공에 이르기까지 다양한 AI 워크플로에 힘을 실어줄 수 있습니다. McKinsey는 미국 경제의 모든 업무 중 최대 10%를 생성형 AI가 자동화(ibm.com 외부 링크)할 수 있을 것으로 예측합니다.²

지능형 자동화는 모든 AI 기반 워크플로의 특징입니다. 여기에는 조직 전반에서 의사 결정을 간소화하고 확장하는 자동화 기술을 사용하는 것이 포함됩니다. 예를 들어 보험사는 지능형 자동화를 사용하여 지급액을 계산하고, 요율을 추정하고, 규정 준수 요구 사항을 해결할 수 있습니다.

머신 러닝(ML)은 데이터와 알고리즘을 사용하여 AI가 인간의 학습 방식을 모방하여 점차 정확도를 향상시킬 수 있도록 하는 컴퓨터 과학의 한 분야입니다. ML의 하위 분야 중 하나인 딥러닝은 다층 신경망을 사용하여 인간 두뇌의 복잡한 의사 결정 능력을 시뮬레이션합니다.

자연어 처리(NLP)는 머신 러닝을 사용하여 컴퓨터가 인간 언어를 이해하고 소통할 수 있도록 하는 AI의 한 유형입니다. 예를 들어 금융 서비스 조직은 NLP를 사용하여 긴 재무제표 및 기타 데이터 세트에서 정보를 구문 분석하여 투자 대상에 대한 더 현명한 결정을 내릴 수 있습니다.

텍스트 인식이라고도 하는 광학 문자 인식(OCR)은 자동화된 데이터 추출을 사용하여 텍스트 이미지를 기계가 읽을 수 있는 형식으로 빠르게 변환합니다. 이를 통해 조직은 책, 자료집, 기타 인쇄된 정보와 같은 레거시 정보를 디지털화하여 최신 지식 관리 시스템에 제공할 수 있습니다.

• Apollo.io
• ChatGP는
• Claude
• Google Gemini
• IBM watsonx
• IBM watsonx Orchestrate
• Microsoft Copilot
• Zapier

이 제품은 조직이 AI 기반 워크플로를 통해 리드를 식별하고 이를 매출로 전환할 수 있도록 도와줍니다. 인바운드 최적화, 영업 참여 및 CRM 개선 등 여러 가지 사용 사례가 있습니다.

Open AI에서 만든 ChatGPT는 생성형 AI 혁명을 시작한 것으로 평가받는 챗봇입니다(ibm.com 외부 링크).³ 기본 버전은 모든 사용자에게 무료로 제공되며, Open AI는 유료로 몇 가지 고급 버전도 제공하고 있습니다.

Claude는 긴 문서의 정보를 요약하고, 콘텐츠 제작을 돕고, 언어를 번역하고, 코드 작성을 도울 수 있는 Anthropic AI의 또 다른 인공지능 챗봇입니다.

Gemini는 독립적으로 사용할 수 있는 차세대 AI 기반 어시스턴트이기도 합니다. 또한 Gmail, Docs, Sheets 등의 Google 툴에 내장되어 있어 더 많은 워크플로 기회를 창출합니다. 

이 IBM 기술 제품군은 조직이 비즈니스를 위한 맞춤형 AI 애플리케이션을 구축하고, 모든 데이터 소스를 관리하며, 책임감 있는 AI 워크플로를 가속화하는 데 도움이 됩니다. 콘텐츠 생성, 챗봇 배포, 보다 효율적인 코딩 등 watsonx에는 여러 가지 사용 사례가 있습니다.

IBM watsonx Orchestrate는 조직이 개인화된 AI 어시스턴트와 에이전트를 만들어 작업을 자동화하고 가속화하도록 돕습니다. 자연어 처리를 사용하여 작업을 이해하고 실행합니다. IBM watsonx Orchestrate는 사전 구축된 앱과 기술 카탈로그와 대화형 채팅 경험을 사용하여 확장 가능한 AI 어시스턴트와 에이전트를 설계하고 반복적인 작업을 자동화하며 복잡한 프로세스를 간소화합니다.

이는 사용자의 질문에 답변하는 생성형 AI 챗봇입니다. Copilot은 독립 실행형 앱으로 사용할 수 있으며 Microsoft Teams, Outlook 및 Powerpoint에도 통합되어 있습니다.

Zapier는 이제 AI를 사용하여 다양한 유형의 워크스트림을 구동하는 워크플로 툴입니다. 또한 다양한 서비스를 연결하여 정보와 콘텐츠를 빠르게 공유할 수 있습니다.

AI 기반 워크플로에는 다양한 표준 사용 사례가 있습니다.

• 고객 서비스
• 고객 관계 관리
• 데이터 입력
• 동적 가격 책정
• 재무 보고
• 지식 관리
• 운영 관리
• 예측 분석
• 예측 유지보수
• 모집 및 고용
• 영업 및 상향 판매
• 웹 개발

조직은 AI 워크플로를 사용하여 신규 고객 온보딩부터 구매 관련 정보 전송, 인바운드 서비스 요청 처리에 이르기까지 고객 프로세스를 더 잘 관리할 수 있습니다. 이를 통해 고객 서비스 담당자는 더 높은 수준의 문제에 대해 고객과 협력할 수 있는 시간을 확보할 수 있습니다.

Camping World는 IBM과 협력하여 AI 워크플로를 통해 고객 참여도를 40% 개선하고 대기 시간을 33초로 단축했습니다.

고객 관계 관리(CRM) 툴은 조직이 가장 중요한 고객을 파악할 수 있도록 도와줍니다. AI 워크플로는 이러한 툴을 점점 더 강화하여 조직이 데이터베이스에서 더 많은 인사이트를 도출할 수 있는 실질적인 기회를 창출하고 있습니다. AI는 동일한 고객의 여러 인스턴스를 병합하고, 외부 소스의 정보를 추가하고, 구매 데이터를 가져와 실행 가능 인사이트를 생성할 수 있습니다. 또한 이러한 데이터를 분석하여 조직에서 이탈 위험이 있는 고객과 상향 판매 가능성이 높은 고객을 파악할 수 있습니다.

AI는 다양한 형식의 데이터 세트를 수집하고 검토하여 사람이 분석할 수 있도록 정리하고 표시할 수 있습니다. 부정확한 데이터를 제거하고 다른 AI 알고리즘이 이해하고 분석할 수 있는 형식으로 데이터를 처리할 수 있습니다.

AI 워크플로는 복잡하고 방대한 양의 데이터에서 패턴을 인식하여 사람이 식별하기 어려운 인사이트를 찾아낼 수 있습니다. 또한 워크플로는 잠재적 데이터 오류를 식별하여 작업자에게 전달하거나 자동으로 수정할 수 있습니다. 또한 외부 소스에서 데이터를 추출하여 조직의 내부 시스템 내에 깔끔하게 정리할 수 있습니다.

조직은 AI 워크플로를 사용하여 가격 책정 전략을 자동화할 수 있습니다. 예를 들어, Uber와 Lyft의 가격은 수요와 공급, 특별 이벤트, 날씨 문제 등 여러 요인에 따라 변동될 수 있습니다.

금융 서비스에는 여러 가지 AI 워크플로 사용 사례가 있습니다. 조직은 인보이스 발행 및 미지급금 활동을 자동화할 수 있습니다. 또한 AI를 사용하여 다른 방법으로는 발견되지 않을 수 있는 잠재적 사기 또는 재무 관리 사례를 식별할 수 있습니다.

IBM 기업가치연구소(IBV) 연구에 따르면 경영진은 생성형 AI가 이상 징후 예측, 편차 설명, 시나리오 생성(40%) 및 보고서 작성 능력을 향상시킬 것으로 기대했습니다.

AI 워크플로는 다양한 지식 관리 활동을 처리할 수 있습니다. 전화 통화 내용을 기록하고 회의 메모를 요약할 수 있으므로 참석자들은 일단 회의에 집중하고 나중에 요점을 얻을 수 있습니다. 조직 전체 또는 개별 당사자와 정보를 공유하는 방식을 간소화할 수 있습니다. 또한 직원은 AI 어시스턴트와 챗봇을 사용하여 회사 정보를 찾고 분석하여 즉석에서 더 빠르게 정보를 얻을 수 있습니다.

워크플로는 조직이 재고 및 공급망 최적화부터 품질 관리 모니터링에 이르기까지 다양한 운영 프로세스를 간소화하는 데 도움이 될 수 있습니다. 예를 들어 워크플로는 수요와 현재 공급 수준으로 인해 제품이 소진될 가능성이 있는 시기를 식별할 수 있습니다. 그런 다음 사람이 개입할 필요 없이 공급자에게 연락하여 추가 주문을 요청할 수 있습니다.

AI 워크플로는 예측 분석 기능도 강화할 수 있습니다. 머신러닝 알고리즘은 과거 데이터와 외부 요인을 분석하여 미래에 일어날 일을 예측할 수 있습니다. 예를 들어, 소매업체는 날씨가 더워질 것으로 예상되는 시기에 맞춰 더 많은 음료를 주문하도록 자동화된 워크플로를 설정할 수 있습니다.

AI 워크플로는 예측 유지 관리 팀이 장비 성능 데이터를 모니터링하여 기계에 문제가 발생하거나 고장날 가능성이 높은 시기를 예측하는 데 도움이 될 수 있습니다. 따라서 조직은 비즈니스에 미치는 영향이 가장 적을 때 기계를 서비스하여 유지 관리 일정을 최적화할 수 있습니다. IBM은 Toyota가 AI를 사용하여 예측 유지 관리 능력을 개선하도록 도왔습니다. 그 결과 가동 중지 시간이 50% 감소하고 고장이 80% 감소했습니다.

AI는 조직이 직원을 찾고 고용하는 방법을 개선하는 데 도움이 될 수 있습니다. AI 솔루션 소프트웨어를 사용하여 이력서를 스캔하여 적합한 후보자를 찾고 소프트웨어를 사용하여 후보자와의 소개 전화를 자동으로 예약할 수 있습니다. 또한 AI 워크플로를 사용하여 고용된 직원을 온보딩하고 교육을 설정할 수도 있습니다.

Corning은 IBM과 협력하여 인사 비용을 절감하는 동시에 45,000명의 직원에 대한 직원 경험을 개선했습니다. Corning은 직원 중 밀레니엄 세대의 비율이 점점 더 높아지고 있으며, 이들이 더 많은 기술 기반 셀프서비스 툴을 원한다는 것을 알고 있습니다.

그런 다음 각 직원의 데이터가 미리 입력된 HR 셀프 서비스 포털을 도입하여 직원들이 필요한 정보나 서비스를 더 쉽게 얻을 수 있도록 했습니다. 현재 이 클라우드 기반 플랫폼에는 필요한 정보와 교육을 받으려는 직원과 관리자가 매일 10,000명 이상 방문하고 있습니다.

영업팀은 AI 워크플로를 사용하여 잠재 고객을 식별하고 이들이 진정한 고객이 될 수 있도록 유도할 수 있습니다. 영업 담당자는 리드 스코어링에 따라 구매 가능성이 가장 높은 잠재 고객을 식별하는 데 도움을 받을 수 있습니다(IBM.com 외부 링크).⁴ 또한 영업 전문가는 잠재 고객에게 회사의 솔루션을 구매해야 하는 이유를 더 강력하게 설득할 수 있도록 생성형 AI와 같은 LLM을 활용할 수 있습니다.

AI는 많은 웹 개발 워크플로의 핵심입니다. 개발자가 코드를 작성하고 테스트하고, 코드 기반에 대해 배우고, 코드를 문서화하고, 다른 용도로 사용할 수 있도록 도울 수 있습니다. 2024년 Stack Overflow(ibm.com 외부 링크)⁵ 연구에 따르면 개발자는 내년에 코드 문서화(81%), 코드 테스트(80%), 코드 작성(76%)에 더 많은 AI를 통합할 것으로 예상했습니다. AI 워크플로는 또한 비개발자가 웹 개발 프로세스를 더 잘 이해하고 참여할 수 있는 노코드/로우코드 움직임의 핵심 구성 요소입니다.

• 반복적인 작업 자동화
• 비용 절감 촉진
• 인적 오류 제거
• 의사 결정 강화
• 고객 경험 향상
• 프로세스 간소화 및 최적화

AI 워크플로를 사용하면 직원들이 자동화로 더 잘 처리될 수 있는, 시간이 많이 소요되는 업무에 집중할 필요가 없어집니다. AI는 이러한 일상적인 작업을 처리하고 인간 작업자는 고객이나 파트너에게 더 많은 시간을 할애하고 더 많은 비즈니스 가치를 창출할 수 있습니다.

IBM의 소프트웨어 수석 부사장 겸 최고 커머셜 책임자인 Rob Thomas에 따르면 AI는 '생산성 역설'에 기여할 수 있습니다. 일부에서 우려하는 것처럼 모든 사람의 일자리를 빼앗는 대신, 모든 사람의 생산성을 높여 업무의 질을 향상시킬 수 있다는 것입니다.

AI 워크플로를 사용하는 조직은 직원들이 불필요한 수작업에 시간을 낭비하지 않도록 할 수 있습니다. 이러한 직원들은 추가 수익을 창출하는 고부가가치 프로젝트와 업무에 집중할 수 있습니다. 또한 정보 공유의 마찰과 비효율성을 줄여 더 빠르게 의사 결정을 내리는 더 스마트한 조직을 만들 수 있습니다.

팀원들은 특히 복잡한 작업을 수행할 때 실수를 할 수 있습니다. 자동화가 더 잘 이루어진 활동의 경우, AI 기술을 통해 더 빠르고 정확하게 작업을 수행할 수 있습니다.

AI는 사람이 개입할 필요 없이 행동하여 병목 현상을 제거할 수 있습니다. 실시간 데이터 분석을 통해 여러 비즈니스 부서에 영향을 미치는 의사 결정을 내릴 수 있습니다. 예를 들어, 마케터는 AI 워크플로를 사용하여 광고 캠페인을 자동으로 최적화할 수 있습니다. AI 워크플로는 가장 실적이 좋은 세그먼트나 소셜 미디어 게시물에 자금을 배분하도록 지출을 변경할 수 있습니다.

AI 기반의 자동화된 워크플로를 만든 조직은 수동 프로세스에 의존하는 조직보다 더 효율적일 가능성이 높습니다. 조직은 AI를 사용하여 고급 챗봇 및 가상 어시스턴트를 만들고 시작하여 고객 지원을 간소화하여 고객이 문제가 있을 때 더 잘 지원할 수 있습니다. 일부 고객의 경우 사용자 친화적인 챗봇을 제공하는 AI 기반 워크플로를 통해 사람과 대화할 필요 없이 답변을 얻을 수 있어 고객 만족도가 향상됩니다. 예를 들어, Estee Lauder는 챗봇 기능을 통해 음성 지원 메이크업 어시스턴트를 시작했습니다(IBM.com 외부 링크)⁶.

AI 기반 조직 자동화 소프트웨어는 조직이 의존하는 많은 워크플로를 쉽게 관리할 수 있습니다. 조직은 사용자 경험을 개선할 수 있도록 워크플로에서 확장성과 효율성을 원합니다. AI 워크플로는 조직 전체에 정보와 프로세스를 쉽게 라우팅할 수 있으므로 임원과 직원은 필요한 모든 곳에서 실시간 정보에 액세스할 수 있습니다.

조직이 AI 워크플로를 설정할 때 극복해야 하는 몇 가지 과제도 있습니다.

• 직원 우려 사항
• 초기 설정
• 실수 가능성
• 업스킬링 및 리스킬링

직원들은 회사에서 AI를 프로세스에 도입하는 것에 대해 불안해할 수 있습니다. 특히 직원이 하는 수동 작업을 대체하는 경우에는 더욱 그렇습니다. 조직은 이러한 우려를 정면으로 해결하고 AI가 업무에 어떻게 도움이 되는지 설명할 수 있습니다. 또한 직원들에게 업무량에서 이러한 수작업을 제거함으로써 더 의미 있는 업무에 집중할 수 있는 시간을 확보할 수 있다는 점을 교육할 수 있습니다. 결국 직원들은 AI를 긍정적인 힘으로 인식하게 됩니다.

다른 시스템을 도입할 때와 마찬가지로 AI 워크플로를 설정하려면 초기 작업이 필요합니다. 조직은 기존 시스템과 현재 프로세스를 분석하고, AI 워크플로를 통해 개선할 수 있는 영역을 파악하고, 새로운 워크플로를 구현하기 위해 무엇을 변경해야 하는지 결정해야 합니다. 여기에는 인내심과 전략적 사고방식이 필요합니다. 하지만 AI 워크플로가 가치를 창출하도록 최적화된다면 초기 투자에 따른 이점은 비용을 훨씬 뛰어넘습니다.

AI를 많이 활용하면 조직의 인적 오류를 방지하는 데 도움이 될 수 있지만, AI 자체가 완벽한 것은 아닙니다. AI는 실수를 할 수 있기 때문에 조직은 AI가 생성한 데이터를 확인해야 합니다. 이는 AI 워크플로가 생성하는 결과를 최종적으로 결정하는 데 있어 직원과 경험을 바탕으로 한 지식이 얼마나 중요한지 잘 보여줍니다.

많은 AI 워크플로가 직원의 업무 방식을 바꾸지 않고도 작동할 수 있지만, 일부는 직원이 프로세스를 학습해야 합니다. 따라서 조직은 직원에게 AI 사용법을 교육하는 과정에 투자하거나 다른 교육 도구의 라이선스를 구입해야 할 가능성이 높습니다. 이러한 업스킬링은 직원들이 가치 있는 기술을 배우기 때문에 여러 가지 이점이 있습니다. 또한 더 효과적이고 효율적인 업무를 수행할 수 있습니다.