RPA 시장

RPA는 엔터프라이즈 소프트웨어 시장에서 가장 빠르게 성장하는 소프트웨어이다. 가트너에 의하면 전세계 RPA 매출은 2018년에 8억4천6백만 달러(약 9천827억원)로 전년 대비 63.1%의 성장을 기록하였다. 가트너는 2019년 RPA는 130억달러(약 15조원)의 시장 규모를 보일 것으로 예측하고 있다. 그랜드 뷰 리서치(Grand View Research)는 RPA 시장이 연평균 31.1%의 성장을 지속함으로써, 2025년에는 397억달러의 시장 규모가 될 것으로 전망하였다.

우리나라에서도 RPA는 제조업, 금융업, 유통업 등 모든 산업에서 빠르게 확산되고 있다. 지금까지 RPA는 주로 단순 반복 업무에 적용되고 있다. 사람이 개입하지 않고도 진행될 수 있는 프로세스가 주 대상이었다. 앞으로는 인공지능과 결합되어서 의사결정이 필요한 업무까지도 RPA가 적용될 것으로 보인다.

2017년에 IDC는 인공지능이 가장 크게 활약할 수 있는 영역을 인지 애플리케이션(cognitive application)이 될 것이라고 전망하였다. IDC는 인공지능의 인지 컴퓨팅 시장은 2020년에 460억달러(약 53조4천억 원)가 될 것으로 예측하고 있다.

최근 우리나라 은행들의 AI 도입이 매우 활발하다. 신한은행의 지능형 커뮤니케이션 플랫폼인 A.I 몰리 프로젝트, 우리은행의 AI 기반 연체 예측 플랫폼, NH농협은행의 콜센터 AI 어시스턴트 챗봇 등 적극적으로 개발 추진하고 있으며, 운영 인력과 조직도 빠르게 구축되고 있다.

 

[그림 1] Cognitive RPA 개념 (Source: WorkFusion)

 

Cognitive RPA 정의

인지 RPA(Cognitive RPA)는 RPA에 인공지능이 결합된 것이다.  반복 작업의 자동화를 뛰어넘어서 데이터에 의해 상황을 인지하고 최적의 의사결정을 자동으로 수행한다. 기존 RPA는 정형화된 단순 반복 업무를 스크래핑과 워크플로우 기술을 적용하여 사람을 대신하여 업무를 수행하는 것이었다. Cognitive RPA는 의사결정 업무까지도 자동화한다. 문자인식기술(ICR)과 자연어처리(NLP) 및 생성(NLG), 기계 학습(ML) 등의 AI 기술과 결합하여 비구조적 데이터를 인식하고 필요한 내용을 추출하며 후속 프로세스를 처리하는 엔드 투 엔드 프로세스를 자동화한다.

 

 
[그림 2] Cognitive RPA의 진화

 

이미지, 음성 등 비구조적 데이터로부터 상황을 인지하는 수준의 RPA를 Intelligent RPA라고 한다. Cognitive RPA는 Intelligent RPA의 기능에 분석 알고리듬이 포함되어서 의사결정 자동화까지도 수행한다.

 

[그림 3] 전통적 RPA와 Cognitive RPA 차이 (Source: NASSCOM community)

 

 Cognitive RPA가 주목받게 된 배경

▶ 인공지능 기술의 발전

초기의 음성인식 인공지능은 인식 수준이 업무에 적용할 정도가 되지 않았다. 지금은 데이터의 확보와 기계학습 기술 발전 등으로 실제 업무에 적용할 수 있는 수준으로 발전하였다.

기존 RPA는 단순한 로직과 사전에 설정 가능한 규칙이 존재하는 업무에만 적용 가능하였다. 주로 외부 시스템과의 데이터 조회 및 추출, 등록하는 업무에 적용되었으며, 이는 비핵심업무로서 비즈니스 측면에서 실질적인 효율을 기대하긴 어려웠다. 하지만 복잡한 로직과 예외사항이 발생하는 핵심업무에 AI 기술이 적용 가능해지면서 RPA는 AI 기술과 결합하여 더 큰 시너지를 낼 수 있는 환경이 마련되었다.

 

▶ RPA 적용 업무 확장

RPA의 프로세스는 단순 반복적이고 규칙적인 업무로서 예외사항이 적고 데이터는 정형화되어 있어야 하며, 효과가 큰 업무를 대상으로 구현된다. 최근까지 국내 기업에서 RPA를 구축 이후 확산 속도가 느린 이유 중에 하나는 바로 여기에 있다.

로보틱 프로세스에 적합한 업무는 한계에 다다랐으며, RPA 적용 업무를 도출하는 방식 또한 작업자 중심으로 진행하기 때문에 실질적으로 비즈니스 문제를 해결할 핵심 프로세스에 구현되지 못하고 있는 것이 현실이다. 

 

▶ RPA 벤더들의 솔루션이 Cognitive RPA로 발전

유아이패쓰, 오토메이션애니웨어 등의 외산 솔루션은 AI 업체와 제휴를 맺으면서 다양한 기술을 시장에 내놓고 있다. 우리나라 업체인 GridOne 또한 최근에 ICR 기반 RPA인 AI InspectorOne을 출시하여 시장 경쟁력을 확보해 나가고 있다. 이 밖에 솔트룩스와 시메이션이 합작하여 챗봇 기반 RPA를 발표하였으며, SK C&C는 에이브릴 기반 RPA를 선보였다.

 

Cognitive RPA 구현에 대한 접근

기업 내부에 도입되는 AI 기술 수준에 따라 업그레이드 빈도, 개발 로직의 변경 횟수, AI 솔루션의 Win-back 현상 등 변경 요소가 많으면 많을수록 RPA 변경 관리에 투입되는 공수가 많아지기 때문에 효과적으로 AI 전략과 구축 방법을 명확하게 정의하여야 한다.

[그림 4]  인공지능 기술과 RPA (Source : CELENT)

 

개별 RPA 적용과 달리 AI와 결합된 RPA로서는 AI 기술 요소와 RPA 간의 상관관계와 우선순위를 고려할 필요가 있다. 비즈니스 플로우 관점에서 프로세스 개선 시 근본원인에 대한 업무 비효율성을 OCR/ICR, NLP/NLG, ML, SI, RPA 등과 같은 디지털 기술 요소로서 해결할 경우 이들 요소가 정보화 전략 적합성 및 비용 효과성에 부합하며, 동시에 기술 요소 간 우선순위를 통해 중복 투자 및 재구축 등의 비용을 최소화할 필요가 있다.

가령 보험금 청구를 예로 들면, 서류 접수와 정보 입력, 지급 심사 프로세스에서 모바일과 OCR/ICR, ML, RPA 등 다양한 기술 요소를 적용시킬 수 있는데, 각 업무 단위에 기술 수준을 얼마나 끌어올릴 것인지, 업무 단위 간 자동화 범위를 어느 수준까지 설정할 것인지에 대한 고민이 필요하다.

 

[그림 5] 프로세스에 따른 인공지능 적용 기술 예시

 

마지막으로 End-to-End 프로세스 자동화 관점에서 AI 기술 요소와 RPA를 유기적으로 연결해야 한다. 각 AI 기술 요소 간 성숙도가 높아짐에 따라 통합된 디지털 AI 프로세스 라는 미명하에 업무 프로세스를 사람의 개입없이 완전하게 자동화 시킬 수 있다.

가령 보험금 청구 시, 모바일로 접수된 보험 청구서에 필요 서류를 받아 ICR로 전송하고, 추출된 텍스트를 ML과 연계된 지급 시스템에 등록하여 승인여부를 자동으로 결정하는 시나리오를 그릴 수 있다. 여기서 RPA는 모바일과 ICR, ML, 지급 시스템 간 연결고리로서 데이터의 이동과 정보 입력 등의 업무를 수행하여 하나의 프로세스를 단시간 내에 자동화 시켜 고객으로 하여금 서비스 리드타임을 단축하는데 기여하게 된다.

 

[그림 6] 보험 프로세스의 RPA적용 설계 예시 (Source: 2e Analysis)

 

Cognitive RPA 프로세스 선정 시 고려사항

아래의 10가지 질문은 지능 기반의 로봇 프로세스 자동화를 구현하기 위한 체크리스트로서 업무량 및 수행 빈도, 프로세스 복잡성, 학습 데이터 환경, 사용자 경험 등 다양한 유형을 통해 자동화 가능 여부를 미리 짐작할 수 있다(Source: Towards Data Science).

1. 해당 프로세스에 사람의 개입이 필요하다면 어느 정도입니까?
2. 반복적으로 수행되는 프로세스는 어떤 것입니까?
3. 대화 및 기타 AI 관련 작업에 대한 충분한 학습 데이터가 있습니까?
4. 대화식 AI는 어떻게 하면 사용자 경험을 향상시킬 수 있습니까?
5. AI / ML 작업이 야기 할 수 있는 함정은 무엇입니까?
6. AI / ML이 너무 많은 비용과 복잡성을 유발하지 않으면서 부가 가치를 제공합니까?
7. 성공 기준은 무엇입니까? KPI, 만족도 등
8. 프로세스 개선에 영향을 미치는 변수 / 요인은 무엇입니까?
9. 일부 또는 모든 요구 사항을 처리 할 수 있는 솔루션이 있습니까?
10. 필요한 자원이 있습니까? 비용 및 시간 제약은 무엇입니까?

 

Cognitive RPA 구도와 전망

2017년 9월 MIT Sloan Management Review의 “Reshaping Business with AI” 보고서를 보면 Make vs Buy라는 리서치 결과에서 선두 기업은 내부 기술을 개발하는데 주력하지만 AI에 대한 경험과 지식이 적은 조직은 아웃소싱 AI 관련 기술에 더 중점을 두는 것으로 조사됐다.

 

[그림 7] 인공지능 도입 방안 (Source: MIT Sloan management review)

 

Cognitive RPA도 마찬가지로 AI를 내부적으로 자체 개발하는 기업에 더욱 유연하게 적용될 것으로 예상되며, 그로 인한 프로세스 자동화 비율도 높을 것으로 기대된다. 최근 보도에 따르면 삼성생명은 2021년까지 600개 과제 수행과 자체 개발한 딥OCR과 챗봇 기술을 연계하여 지능형 RPA로 고도화시켜 나갈 계획이라고 언급하고 있으며, 내부 AI 역량을 바탕으로 Cognitive RPA에 대한 수용력도 높을 것으로 바라본다.

반면, AI 경험과 지식이 적은 조직은 반대로 솔루션 중심의 Cognitive RPA 전략을 펼칠 가능성이 농후해 보인다. 여기서 관건은 각 솔루션의 한국어 인식 능력에 대한 문제로 외산 솔루션은 상대적으로 언어 인식 수준이 낮아 국산 솔루션에 비해 경쟁력이 떨어진다. 하지만 최근 UiPath 한국 지사가 네이버 클로바의 챗봇과 OCR을 연동시킨 경험을 소개함으로써 국내 AI업체와의 제휴를 통해 Cognitive RPA 기술을 확보할 것으로 예상된다.

 

 

- 끝 -