AI 워크플로 자동화란 무엇인가요? 

인공지능(AI) 워크플로는 AI 기반 기술과 제품을 사용하여 작업을 자동화하고 조직 내 활동을 간소화하는 프로세스입니다. 이러한 구조화된 흐름에서 AI 시스템은 자율적으로 또는 사람과 협력하여 프로세스를 수행, 조정하거나 개선합니다.

이 개념은 매우 광범위한 영역에 적용됩니다. 간단한 AI 워크플로는 언어 모델이 수신된 지원 티켓을 분류하는 수준일 수 있으며, 다중 에이전트 워크플로는 콘텐츠 생성 과정 전반에서 조사, 초안 작성 및 검토를 조율할 수 있습니다.

AI 기반 앱, 툴 및 AI 모델의 최근 발전은 기업이 워크플로를 처리하는 방식을 개선할 새로운 기회를 만들어냈습니다. 조직이 디지털 전환을 수용함에 따라 자동화 플랫폼과 고급 템플릿으로 구동되는 AI 기반 워크플로는 수작업으로 인한 비효율을 제거하고 파트너, 직원 및 고객 경험을 향상시킵니다.

또한 AI 에이전트를 사용하는 자율 지능형 시스템을 통해 조직은 점점 더 엔드투엔드로 복잡한 다중 에이전트 워크플로를 구축할 수 있게 되고 있습니다. 이러한 시스템은 최소한의 개입으로 여러 상호 연결된 프로세스를 처리할 수 있습니다. 최근 IBM 기업가치연구소(IBV)의 연구에 따르면, 다양한 산업의 운영 임원 중 82%가 2027년까지 AI 에이전트로 인해 프로세스 자동화와 워크플로 재설계가 더욱 효과적일 것으로 예상하고 있습니다.

AI 기반 워크플로를 디지털 전환의 핵심으로 채택하면 기업은 AI로부터 실질적인 가치를 실현할 수 있습니다. McKinsey에 따르면, AI 성과가 높은 기업일수록 워크플로를 재설계하고 더 빠르게 확장하는 것을 포함해 AI를 활용한 혁신적인 변화를 추구하는 경향이 있습니다. 요약하면, 특히 에이전틱 자동화를 통한 AI 워크플로 자동화는 핵심 비즈니스 운영을 강화하고 산업 전반의 운영 효율성을 높이는 데 중요한 요소가 될 것으로 예상됩니다. 

AI 에이전트는 자율적이고 규칙 기반의 소프트웨어 시스템으로, 기존 자동화와 달리 환경을 인식하고 정의된 목표를 달성하기 위해 여러 단계와 툴에 걸쳐 행동을 수행합니다. 단일 입력에 반응하는 정적인 모델과 달리, 에이전틱 AI는 일련의 행동을 계획하고 외부 API를 호출하여 특정 목표를 수행할 수 있습니다.

워크플로 자동화 맥락에서 AI 에이전트는 복잡한 다단계 작업을 수행하는 능동적 실행자로서 역할을 합니다. 예를 들어, 단일 에이전트가 데이터 검색을 수행하고 결과를 종합하여 산출물을 생성함으로써 브리핑 문서를 조사하고 작성할 수 있습니다.

AI 워크플로 자동화에서는 다중 에이전트 아키텍처를 통해 여러 전문화된 에이전트가 협력하며, 각 에이전트는 오케스트레이션을 담당하는 감독 에이전트 아래에서 동시에 작동합니다.

API(애플리케이션 프로그래밍 인터페이스)는 소프트웨어 애플리케이션 간 데이터, 기능 및 특징을 교환하기 위해 서로 통신할 수 있도록 하는 규칙 또는 프로토콜의 집합입니다. API는 서비스 간 연결을 가능하게 한다는 점에서 AI 워크플로의 핵심 구성 요소입니다. 예를 들어, 웹사이트에서 은행 계좌에 연결해 온라인으로 상품을 구매하는 것은 API 연결의 한 사례입니다.

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 반복적인 사무 작업을 수행하기 위해 지능형 자동화 기술을 사용합니다. RPA는 데이터 추출, 양식 작성, 파일 이동 등을 지원합니다.

생성형 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 개선할 방법을 식별하고 적절한 결과를 생성하도록 도울 수 있습니다. 사용자의 프롬프트 또는 텍스트, 이미지, 비디오, 오디오 또는 소프트웨어 코드와 같은 콘텐츠 생성 요청에 응답할 수 있습니다.

워크플로 자동화에서 생성형 AI는 요약, 콘텐츠 생성 및 데이터 분석을 수행하며 직원이 검토할 수 있는 자연어 결과를 제공합니다. 예를 들어 생성형 AI는 이메일 후속 응답을 자동화하거나 코드 생성 프로세스를 선택적으로 수행할 수 있습니다.

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 모방하고 점진적으로 정확도를 향상시키도록 하는 컴퓨터 과학의 한 분야입니다. ML의 하위 분야 중 하나인 딥러닝은 다층 신경망을 사용해 인간 두뇌의 복잡한 의사결정 능력을 모사합니다.

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.

광학 문자 인식(OCR)은 텍스트 인식이라고도 하며, 자동화된 데이터 추출을 통해 텍스트 이미지 파일을 빠르게 기계가 읽을 수 있는 형식으로 변환합니다. 이를 통해 조직은 책, 프레젠테이션 자료 및 기타 인쇄된 정보와 같은 기존 데이터를 디지털화하여 최신 지식 관리 시스템에 활용할 수 있습니다. 문서 처리에서 OCR의 역할은 IT 팀이 내부 지식을 빠르고 효율적으로 쉽게 활용 가능한 비정형 데이터로 변환할 수 있도록 합니다.

다중 시스템 에이전틱 AI가 복잡한 워크플로 자동화에 사용되는 최첨단 기술로 자리 잡으면서 오케스트레이션 레이어의 중요성이 더욱 커지고 있습니다. 이러한 툴은 AI 에이전트, API 및 데이터 파이프라인을 조율하는 지휘자 역할을 하며, 워크플로 순서를 관리하고 어떤 툴을 언제 어떤 조건에서 실행할지 결정하도록 프로세스를 라우팅합니다.

AI 워크플로는 자동화하는 것이 더 적합한 시간 소모적인 작업에 직원이 집중할 필요를 줄여줍니다. AI는 직원들이 고객이나 파트너에게 더 많은 시간을 할애할 수 있도록 하며, 더 많은 직무를 서비스 또는 관계 중심 역할로 전환하도록 돕습니다. 예를 들어 최근 IBM은 초급 채용 공고 수를 세 배로 늘리고, 초기 경력 인력을 보다 직관적이고 인간 고유의 역량 중심으로 교육할 계획입니다.

AI 워크플로를 사용하는 조직은 직원들이 불필요한 수작업에 시간을 낭비하지 않도록 할 수 있습니다. 이를 통해 직원들은 추가 수익을 창출하는 고부가가치 프로젝트와 업무에 집중할 수 있습니다. 또한 정보 공유 과정의 마찰과 비효율을 줄여 더 빠르게 의사결정을 내리는 스마트한 조직을 구현합니다.

팀 구성원은 특히 복잡한 작업을 수행할 때 실수를 할 수 있습니다. 자동화가 더 적합한 작업의 경우, AI 기술은 더 빠르고 높은 정확도로 이를 수행할 수 있습니다. 

AI는 사람의 개입 없이 작동하여 병목 현상을 제거할 수 있습니다. 여러 비즈니스 부문에 영향을 미치는 실시간 데이터 분석을 수행할 수 있습니다. 예를 들어 마케터는 AI 워크플로를 사용하여 광고 캠페인을 자동으로 최적화할 수 있습니다. 

AI 워크플로는 성과가 높은 세그먼트나 소셜 콘텐츠를 우선순위로 설정해 펀딩을 최적화할 수도 있습니다. 많은 AI 에코시스템에서 대시보드는 이해관계자가 핵심 지표를 실시간으로 모니터링할 수 있도록 하여 예상치 못한 상황에 빠르게 대응할 수 있게 합니다. 

AI 기반 자동화 워크플로를 구축한 조직은 수작업 프로세스에 의존하는 조직보다 더 높은 효율성을 보일 가능성이 큽니다. 조직은 AI를 활용해 고급 챗봇과 가상 비서를 구축하여 고객 지원을 간소화하고 문제 발생 시 고객을 더욱 효과적으로 지원할 수 있습니다.

일부 고객의 경우 직관적인 툴을 제공하는 AI 기반 워크플로를 통해 사람과 직접 대화하지 않고도 답변을 얻을 수 있어 문제 해결 속도와 고객 만족도가 향상됩니다. 예를 들어 연구개발 기업인 Avid Solutions는 에이전틱 AI를 활용해 신규 고객 온보딩에 걸리는 시간을 25% 단축했습니다.

AI 기반 자동화 소프트웨어는 조직이 의존하는 다양한 프로세스를 손쉽게 관리할 수 있습니다. 조직은 사용자 경험을 개선하기 위해 워크플로에서 확장성과 효율성을 확보하고자 합니다. AI 워크플로는 조직 전반에 걸쳐 정보와 프로세스를 손쉽게 전달하여 임원과 직원이 필요한 곳에서 실시간 정보를 활용할 수 있도록 합니다. 기존의 성장이 인력 증가를 필요로 하는 반면, AI 워크플로는 최소한의 추가 투자로도 처리량을 확대할 수 있게 합니다.

AI를 활용해 고도화되고 자동화된 워크플로를 구축할 수 있는 주요 툴과 워크플로 자동화 플랫폼이 여러 가지 있습니다. 대표적인 예는 다음과 같습니다.

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 AI가 개발한 ChatGPT는 생성형 AI 혁신을 촉발한 것으로 널리 평가받는 챗봇입니다. 기본 버전은 모든 사용자가 무료로 이용할 수 있으며, Open AI는 유료로 제공되는 여러 고급 버전도 함께 제공합니다.

Claude는 긴 문서의 정보를 요약하고, 콘텐츠 제작을 돕고, 언어를 번역하고, 코드 작성을 도울 수 있는 Anthropic AI의 또 다른 인공지능 챗봇입니다. Claude는 최근 사용자가 에이전트 AI에 작업을 위임할 수 있는 Claude Cowork를 출시했습니다.

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 맞춤형 AI 애플리케이션을 구축, 조정 및 배포할 수 있도록 지원합니다. 또한 기업이 데이터 소스를 관리하고 책임 있는 생성형 AI 워크플로를 가속화하도록 지원합니다. watsonx의 활용 사례로는 비즈니스 데이터에서 인사이트 추출, 챗봇 및 음성 에이전트 배포, 효율적인 코드 작성 등이 있습니다.

IBM® watsonx Orchestrate는 조직이 개인화된 AI 에이전트를 생성하여 업무를 자동화하고 가속화하도록 지원하며, 복잡한 워크플로를 오케스트레이션할 수 있는 시스템도 제공합니다. 사전 구축된 에이전트와 툴 카탈로그를 포함하고 있으며, 에이전트 및 툴 빌더를 통해 확장 가능하고 통합된 에코시스템을 설계할 수 있습니다. 

Microsoft Copilot은 사용자 질문에 답변하는 생성형 AI 챗봇입니다. Copilot은 독립형 앱으로 제공되며 Microsoft Teams, Outlook 및 PowerPoint에도 통합되어 있습니다.

Zapier는 다양한 유형의 워크스트림을 지원하기 위해 AI를 사용하는 워크플로 툴입니다. 또한 다양한 서비스를 연결하여 이들 간에 정보와 콘텐츠를 빠르게 공유할 수 있도록 합니다. 이 소프트웨어는 비기술 팀이 AI 에이전트와 트리거-액션 워크플로를 생성할 수 있도록 지원합니다.

AI 기반 워크플로에는 다양한 표준 활용 사례가 있습니다. 대표적인 예는 다음과 같습니다.

조직은 신규 고객 온보딩부터 구매 관련 정보 제공까지 고객 프로세스를 보다 효과적으로 관리하기 위해 AI 워크플로를 활용할 수 있습니다. 또한 이러한 워크플로를 사용하여 수신 서비스 요청을 보다 효율적으로 처리할 수 있습니다. 이를 통해 고객 서비스 담당자는 보다 고차원적인 문제 해결에 집중할 수 있습니다.

예를 들어 한 주요 은행은 최근 고객 통화 중 콘텐츠를 분석하고 컨택 센터 상담원에게 “다음 최적 질문”을 제안하는 AI 기반 가상 비서를 도입했습니다. 그 결과 평균 처리 시간이 6% 감소하고 교육 요구 사항도 줄어들었습니다.

고객 관계 관리(CRM) 툴은 조직이 주요 고객을 지속적으로 관리할 수 있도록 지원합니다. AI 워크플로는 점점 더 이러한 툴을 구동하며, 조직이 데이터베이스에서 더 많은 인사이트를 도출할 수 있는 기회를 제공합니다.

AI는 동일 고객에 대한 여러 데이터를 통합하고 외부 소스 정보를 추가하며 구매 데이터를 결합하여 실행 가능한 인사이트를 생성할 수 있습니다. 또한 해당 데이터를 분석하여 어떤 고객이 이탈 위험이 있는지, 어떤 고객이 업셀링에 긍정적인지 파악할 수 있도록 돕습니다.

AI 기반 자동화는 조직이 다양한 형식의 데이터 세트를 수집하고 분석하며 이를 정리하고 시각화하여 사람이 쉽게 분석할 수 있도록 합니다. 또한 데이터의 오류를 제거하고 다른 AI 알고리즘이 이해하고 분석할 수 있는 형식으로 처리할 수 있습니다.

AI 워크플로는 복잡하고 방대한 데이터에서 패턴을 인식하여 사람이 찾기 어려운 인사이트를 도출할 수 있습니다. 이러한 워크플로는 잠재적인 데이터 오류를 식별하고 이를 사람에게 전달하거나 자동으로 수정할 수 있습니다. 또한 외부 소스에서 데이터를 추출하여 조직의 내부 시스템 내에 체계적으로 정리함으로써 사람이 단독으로 수행하기 어려운 강력한 데이터 처리 역량을 제공합니다.

조직은 AI 워크플로를 활용해 가격 전략을 자동화할 수 있습니다. 예를 들어 Uber와 Lyft의 요금은 수요와 공급, 특정 이벤트, 날씨 등 다양한 요인에 따라 변동됩니다. 항공사와 식료품점 등 점점 더 많은 기업이 동적 가격 전략을 활용하고 있습니다.

금융 서비스 분야에서도 다양한 AI 활용 사례가 있습니다. 조직은 인보이스 발행 및 미지급금 처리를 자동화할 수 있습니다. 또한 AI를 활용해 기존에는 발견되지 않았을 수 있는 사기나 재무 관리 문제를 식별할 수 있습니다.

IBM 기업가치연구소(IBV)의 연구에 따르면 경영진은 생성형 AI가 이상 징후 예측, 변동 원인 설명, 시나리오 생성 및 보고서 작성 역량을 향상시킬 것으로 기대하고 있습니다.

AI 워크플로는 다양한 지식 관리 활동을 처리할 수 있습니다. 전화 통화를 기록하고 회의 내용을 요약하여 참석자가 회의에 집중하면서도 이후 핵심 내용을 확인할 수 있도록 합니다. 또한 조직 전체 또는 특정 대상과의 정보 공유를 간소화할 수 있습니다. 직원은 AI 어시스턴트와 챗봇을 활용해 회사 정보를 검색하고 분석하여 거의 실시간으로 정보를 확보할 수 있습니다.

AI 워크플로는 재고 및 공급망 최적화부터 모니터링과 품질 관리에 이르기까지 다양한 운영 프로세스를 간소화하는 데 도움을 줍니다. 예를 들어 수요와 현재 공급 수준을 기반으로 제품의 품절 시점을 예측하고, 사람의 개입 없이 공급자에게 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 적은 시점에 장비를 정비함으로써 유지보수 일정을 최적화할 수 있습니다.

예를 들어 IBM은 Toyota가 AI를 활용해 예지 정비 역량을 향상시키도록 지원했습니다. 그 결과 다운타임이 50% 감소하고 고장이 80% 줄어들었습니다.

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 45,000명의 직원 경험을 개선하는 동시에 HR 비용을 절감했습니다. Corning은 밀레니얼 세대가 전체 인력에서 차지하는 비중이 증가하고 있음을 인식하고, 보다 기술 기반의 셀프서비스 툴을 도입하고자 했습니다.

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. 이는 리드 점수에 따라 어떤 잠재 고객이 구매 가능성이 높은지 영업 담당자가 식별하는 데 도움을 줄 수 있습니다. 또한 생성형 AI와 같은 대형 언어 모델(LLM)은 영업 담당자가 잠재 고객에게 자사 서비스를 구매해야 하는 이유를 더 설득력 있게 전달하도록 도울 수 있습니다.

또한 조직이 핵심 워크플로에 AI를 도입할 때 극복해야 할 여러 과제도 존재합니다. 가장 일반적인 항목은 다음과 같습니다.

직원은 기업이 프로세스에 AI를 도입하는 것에 대해 불안감을 느낄 수 있으며, 특히 자신이 수행하던 수작업을 대체할 경우 더욱 그렇습니다. 조직은 이러한 우려를 정면으로 해결하고 AI가 기존 업무를 보완하기 위한 것임을 명확히 전달할 수 있습니다. 또한 수작업이 제거됨으로써 직원이 더 의미 있는 업무에 집중할 수 있다는 점을 교육할 수 있습니다. 일관되고 투명한 커뮤니케이션과 강력한 전환 계획을 통해 리더는 직원이 AI를 긍정적인 요소로 인식하도록 도울 수 있습니다.

다른 시스템 도입과 마찬가지로 AI 워크플로를 구축하려면 초기 작업이 필요합니다. 조직은 기존 시스템과 현재 프로세스를 분석하고, AI 워크플로가 프로세스를 개선할 수 있는 영역을 식별하며, 새로운 워크플로를 구현하기 위해 무엇을 변경해야 하는지 결정해야 합니다. 이러한 과정에는 인내와 전략적 사고가 필요합니다. 그러나 AI 워크플로를 최적화해 가치를 창출할 수 있게 되면, 이러한 초기 시간 투자에서 얻는 이점은 그 비용을 훨씬 상회합니다.

AI의 많은 활용 사례는 조직이 인간의 오류를 줄이는 데 도움을 줄 수 있지만, AI 자체도 완벽하지는 않습니다. AI 역시 실수를 할 수 있기 때문에 조직은 AI가 생성한 데이터를 검증해야 합니다. 이러한 요구는 AI 워크플로의 결과를 최종적으로 판단하는 데 있어, 경험에 기반한 직원의 지식이 얼마나 중요한지를 더욱 분명히 보여줍니다.

많은 AI 워크플로는 직원의 업무 방식 변경 없이도 작동할 수 있지만, 일부는 학습 곡선을 요구합니다. 따라서 주요 이해관계자는 직원의 AI 활용 역량을 높이기 위한 교육 과정에 투자하거나 외부 교육 툴을 도입해야 합니다. 이러한 역량 강화는 직원이 가치 있는 기술을 습득할 수 있도록 하여 여러 가지 이점을 제공합니다. 또한 더 나은 품질과 높은 효율의 업무를 수행하게 하며, AI 워크플로가 표준이 되는 미래에 대비할 수 있도록 합니다.