글_ 제프 셰퍼드(Jeff Shepard), 마우저 일렉트로닉스(Mouser Electronics)
로봇 프로세스 자동화(RPA)는 로봇의 배치와 관리를 간소화하는 소프트웨어 기술이다. RPA는 노 코드(no code) 또는 로우 코드(low-code) 자동화라고도 한다. RPA는 사용자와 운영자가 소프트웨어 엔지니어의 도움 없이 로봇 애플리케이션과 프로세스를 직접 개발하고 사용할 수 있도록 설계됐다. 새로운 RPA 툴은 로봇 플랫폼 개발을 보다 쉽게 수행할 수 있도록 하며, 조직 전체에 쉽게 확장할 수 있다.
RPA는 두 갈래로 성장하고 있다. 처음 RPA는 디지털 시스템과 소프트웨어와 상호작용하는 인간의 행동을 모방하는 소프트웨어 로봇을 개발하는 데 사용되었으며, 현재는 금융, 규정 준수, 법률, 고객 서비스, 운영 등 많은 산업에서 이러한 소프트웨어 봇을 사용하고 있다. 보다 최근에는 RPA가 공장의 생산 현장과 창고에서 협동 로봇(코봇)의 훈련과 사용을 포함하도록 확대되었다.
회사는 RPA를 사용하여 전체 워크플로우, 인프라, 백엔드 프로세스는 물론 제조, 물류 및 창고 운영까지 자동화할 수 있다. RPA와 인공지능(AI)과 기계학습(ML)을 결합하면 이점을 증폭할 수 있는 지능형 프로세스 자동화(IPA)가 탄생된다. 예를 들어 운영자가 RPA를 사용하여 주어진 작업에 대해 소프트웨어 봇 또는 코봇을 설정하면, AI와 ML이 시간에 지남에 따라 수행을 최적화할 수 있다.
그 어느 때보다 RPA, AI, ML 및 IPA와 같은 자동화 기술에 대한 시급성과 필요성이 뚜렷해지고 있다. 자동화는 광범위한 인적 참여와 지원을 필요로 한다. 자동화 민주화는 반복적인 일상 업무를 자동화하고, 전문가가 아닌 일반 사용자가 이를 구현하는 데 필요한 도구를 회사에 제공한다. 그러나 모든 새로운 방법에는 어려움이 따르며, 자동화 민주화 역시 다르지 않다. 체계적인 프레임워크를 개발하고 따른다면 기업은 이러한 복잡한 문제를 쉽게 해결할 수 있다. 다음에서는 디지털 시스템을 자동화하는 소프트웨어 로봇의 사용을 살펴보고, 그런 다음 RPA가 코봇의 사용을 최적화하는 작동 방식을 알아본다. 마지막으로 RPA를 구현할 때 발생하는 일반적인 문제를 살펴보고 몇 가지 가능한 해결책을 제시한다.
소프트웨어 봇이란 무엇인가?
소프트웨어 봇은 이전에 사람이 수행하던 하나 또는 여러 작업을 대신 처리한다. RPA 툴을 사용하면 개별적인 사용자는 코딩 필요 없이 양식과 드래그 앤 드롭 및 유사한 인터페이스를 사용하여 소프트웨어 봇을 만들 수 있다. 코로나19(COVID-19) 이전에는 대부분의 RPA 프로젝트가 표준 보고서 생성, 웹사이트 로그인, 양식의 완성도 확인, 파일 전송과 같은 일상 작업을 자동화하는 데 초점을 맞췄다면(웹 크롤러는 초기 소프트웨어 봇의 한 예), 이제 RPA는 수익 창출과 고객 대면 프로세스를 자동화할 수 있다.
RPA 소프트웨어 봇은 규칙에 기반하고 학습하지 않는다. 지루하고 반복적인 작업을 소프트웨어 봇이 보다 빠르고 효율적으로 처리함에 따라 작업자는 창의적이고 분석적인 활동에 더 집중할 수 있다. 조직에 RPA를 도입할 경우 과제 중 하나는 최고의 투자 수익(ROI)을 제공하는 작업 또는 프로세스를 식별하는 것이다. 바로 여기에서 프로세스 마이닝과 프로세스 발견을 활용할 수 있다.
프로세스 마이닝과 프로세스 발견
프로세스 마이닝과 프로세스 발견은 둘 다 전문 소프트웨어 봇을 사용하여 구현된다. 프로세스 마이닝 봇은 컴퓨터 네트워크의 이벤트 로그를 읽고 비즈니스 프로세스 정보를 추출하여 매핑한다. 프로세스 마이닝은 사용자 수준 활동을 무시하며, 사용자 상호작용의 모든 미묘한 차이는 포착할 수 없다. 프로세스 마이닝은 데이터의 추출을 포함하지만 분석을 수행하지 않는다. 프로세스 마이닝은 흔히 프로세스 발견과 함께 사용된다.
프로세스 발견은 개인 사용자 컴퓨터에서 실행하면서 활동을 모니터링하여 사용자가 어떻게 특정 업무를 수행하는지에 대한 데이터를 수집하기 위해 개발된 최신 기술이다. 프로세스 발견은 특정 프로세스가 어떻게 실행되는지를 추적한다. 프로세스 발견 봇은 사람의 작업을 기록하고 컴퓨터 비전, 신경망 및 AI/ML을 사용하여 메타모델을 생성한다. 메타모델은 RPA에 최적인 프로세스를 식별하는 빠르고 신뢰할 수 있으며 비용 효율적인 방법을 제공한다. 프로세스 발견은 작업을 수행하는 방법을 이해하기 위해 직원을 쉐도잉하는 전통적인 방법에서 쉽게 놓칠 수 있는 미묘한 차이를 관찰하고 수집한다. 프로세스 마이닝과 프로세스 발견을 사용하면 투명성을 향상시키고 개인 정보를 보호하고 개인의 편견을 제거할 수 있다.
코봇과 RPA
RPA는 배치 크기가 작거나 툴 교환이 잦은 공장과 창고에서 코봇(cobot; 협동로봇)과 함께 사용하여 프로세스를 자동화한다. 소프트웨어 봇과 마찬가지로 RPA를 코봇과 함께 사용하면 시간이 많이 걸리는 단조롭고 지루한 프로세스 단계를 제거하고 생산성을 높일 수 있다. RPA는 한 대의 코봇을 다양한 프로세스에 사용할 수 있어 특히 중소기업은 코봇 사용의 비용 효율성을 높일 수 있다.
뿐만 아니라 코봇은 보통 작고 가볍기 때문에 이동이 용이하다. RPA를 사용하면 코봇을 쉽게 재프로그래밍하고 재배치할 수 있다. RPA에 적합한 코봇 작업의 예는 다음과 같다.
• 픽 앤 플레이스는 자동 용접기와 같은 적재 기계에서부터 창고 및 물류 작업의 포장과 팔레타이징에 이르기까지 다양한 활동을 포괄한다. 코봇은 인간 조작자에 비해 더 정확한 움직임을 제공하고 고중량을 처리할 수 있다.
• 공정 마무리 활동은 보통 반복적인 작업이 수반된다. 대부분의 마무리 공정은 많은 힘을 필요로 하는데, 코봇은 이러한 힘을 피로 없이 지속적으로 공급할 수 있다. 코봇은 또한 필요할 경우 섬세한 동작을 제공할 수 있다.
• 품질 관리 및 검사는 고해상도 카메라를 탑재한 코봇으로 실행할 수 있다. 이미지를 기준 이미지나 컴퓨터에서 생성한 이상적인 부품 모델과 비교할 수 있다. RPA를 사용하면 코봇을 쉽게, 그리고 자주 재프로그래밍할 수 있어 소규모 뱃치 프로세스에서도 고품질을 보장할 수 있다.
코봇 프로그래밍에는 두 가지 주요 RFA 방법이 있다. 몇몇 코봇 제조업체들에서는 빌트인 RPA 지원과 노 코드 개발 인터페이스를 내놓고 있으며, 또 다른 전문 기업들은 다양한 로봇 제조업체의 코봇과 함께 사용할 수 있는 노 코드 및 로우 코드 개발 환경 제품군을 개발하고 있다. 이 외에도 오픈 소스 RPA 커뮤니티가 새롭게 등장했다.
RPA 툴을 사용하는 코봇 프로그래밍은 다음과 같은 다양한 방법으로 구현한다.
• 코봇 팔(들)을 한 위치에서 다른 위치로 물리적으로 이동하여 프로그램을 생성한다.
• 스타일러스를 사용하여 코봇 암의 필요한 경로를 추적하고 특정 위치에서 발생할 필요가 있는 동작을 식별한다.
• 드래그 앤 드롭 또는 포인트 앤 클릭 기능을 사용하는 직관적 그래픽 사용자 인터페이스(GUI)
RPA의 강점은 약점이 될 수 있다
보다 쉬운 단순화된 자동화는 RPA의 강점이다. RPA는 규칙에 기반한 반복적인 업무를 자동화하기 위한 소프트웨어 봇을 개발하는 데는 뛰어나지만, 변화에 적응하거나 민첩한 환경을 만들어야 하는 프로세스를 지원하는 데는 적합하지 않다. 조직은 RPA 배치의 목표와 요구사항을 명확하게 명시해야 한다. 예를 들면, RPA는 아래와 같은 애플리케이션에는 적합하지 않을 수 있다.
• RPA 운영의 영향이 미미한 경우
• 프로세스가 자주 변경되는 애플리케이션
• 활동 또는 프로세스가 완전히 규칙 기반이 될 수 없는 애플리케이션
• 여러 하위 프로세스로 이루어진 복잡한 프로세스를 필요로 하는 애플리케이션
• 인지 행동과 빈번한 사용자 간섭을 요구하는 애플리케이션
RPA는 만능 해결책이 아니다. 만약 명백한 목표와 목적, 중앙의 조정 없이 이를 사용한다면 RPA는 서로 다른 그룹에서 개발한 자동화의 고립된 섬을 초래해 오히려 약점이 될 수 있다. 자동화 섬의 존재는 확장성을 제한하고 RPA 프로젝트의 장기적 실행 가능성에 영향을 미친다.
산업 전반에 통용되는 RPA 표준화의 부재는 자동화 섬을 낳는 또 다른 요인이다. 각 회사는 포괄적인 RPA 전략과 구현 프로세스를 개발해야 한다. 일상적인 업무를 수행하는 RPA의 전통적인 구현은 이러한 제한된 업무의 수행에만 영향을 미치고, 다른 수행에서는 앞에서 언급했듯이 효율성이 떨어지는 문제가 나타날 수 있다. 이에 반해 RPA 구현을 AI와 ML 사용을 통해 더 큰 조직으로 통합하면 많은 이점을 얻을 수 있다.
IPA로 진화
RPA는 진화하고 확장하는 중이다. RPA 배치에 AI 및 ML을 추가하면 인간 작업자를 도울 수 있는 IPA 봇이 생성된다. 단순한 규칙 기반 업무의 수행 외에도 IPA 소프트웨어 봇은 무인으로 적응, 학습 또는 행동할 수 있다. IPA 소프트웨어 봇은 중앙 집중적인 조정이 가능하고 자동화 섬을 제거할 수 있다.
단순한 RPA 소프트웨어 봇은 명확하게 정의된 업무를 효율적으로 수행하는 반면, IPA 봇은 시간이 지남에 따라 업무를 수행하는 방법을 배우거나 업무를 더 잘 수행할 수 있다. IPA 봇을 사용하면 RPA 기능을 예외 처리, 자연어 처리, 비정형 데이터 추출과 같은 일정한 수준의 인지 능력을 활용하는 업무로 확장할 수 있다. IPA는 조직의 더 많은 부분으로 RPA를 지속적으로 확장하는 데 필수적이다. IPA 소프트웨어 봇은 프로세스 흐름을 향상시키고 규칙 기반 프레임워크 내에서 완전히 정의할 수 없는 복잡한 업무를 수행할 수 있다. IPA 봇 역시 쉽게 프로그래밍할 수 있어 자동화 민주화의 이점을 그대로 제공한다.
요약
RPA는 사용자와 운영자가 소프트웨어 엔지니어의 도움 없이 로봇 애플리케이션과 프로세스를 직접 개발하고 사용할 수 있도록 함으로써 자동화를 민주화하도록 설계됐다. RPA는 제조, 창고 관리 및 물류 프로세스뿐 아니라 백오피스 활동을 자동화하는데 사용할 수 있다. 투자 수익을 극대화하고 확장성을 보장하려면 RPA 배치는 일정 수준의 중앙의 확인과 제어를 필요로 한다. AI 및 ML 기능을 RPA에 추가하면, RPA는 더 강력하고 유연하며 확장 가능한 IPA 기술로 진화한다.
