용어집

로보틱 프로세스 자동화(RPA)

로보틱 프로세스 자동화(RPA)가 어떻게 작업을 자동화하고 AI 및 ML을 보완하여 지능형 워크플로우를 구현함으로써 효율성을 향상시키는지 알아보세요.

YOLO 모델을 Ultralytics HUB로 간단히
훈련

자세히 알아보기

로보틱 프로세스 자동화(RPA) 기술을 통해 기업은 디지털 시스템과 상호 작용할 때 사람의 행동을 모방하는 소프트웨어 '봇'을 구성하여 비즈니스 프로세스를 실행할 수 있습니다. 이러한 RPA 봇은 사람과 마찬가지로 사용자 인터페이스(UI)를 사용하여 데이터를 캡처하고, 애플리케이션을 조작하고, 정보를 해석하고, 응답을 트리거하고, 다른 시스템과 통신합니다. 반복적이고 규칙에 기반한 다양한 작업을 수행하는 데 탁월하며, 기본적으로 디지털 인력의 역할을 수행합니다. 이러한 자동화를 통해 인간 직원은 데이터 입력, 거래 처리, 간단한 고객 서비스 문의 처리와 같은 일상적인 업무에서 벗어나 보다 복잡하고 부가가치가 높은 업무에 집중할 수 있습니다. RPA는 운영 효율성 향상과 오류 감소를 목표로 하는 전략의 핵심 요소입니다.

로보틱 프로세스 자동화 작동 방식

RPA는 주로 프레젠테이션 계층에서 애플리케이션과 상호 작용하고, GUI(그래픽 사용자 인터페이스)를 통해 사람의 클릭과 키보드 입력을 모방하거나, 보다 강력한 통합을 위해 사용 가능한 경우 API(애플리케이션 프로그래밍 인터페이스)를 활용하여 작동합니다. 개발자는 봇이 스프레드시트, 데이터베이스, 웹 애플리케이션 또는 ERP(전사적 자원 관리) 소프트웨어와 같은 특정 애플리케이션과 상호 작용하는 방법을 지시하는 일련의 단계 및 비즈니스 규칙인 사전 정의된 워크플로를 따르도록 봇을 구성합니다. RPA의 가장 큰 장점은 백엔드 시스템에 심층 통합하거나 기본 IT 인프라를 변경할 필요 없이 기존 애플리케이션과 함께 작업할 수 있어 대상 프로세스에 대해 비교적 빠르게 배포할 수 있다는 점입니다. 주요 RPA 플랫폼에는 UiPathAutomation Anywhere와 같은 도구가 포함됩니다.

로보틱 프로세스 자동화 대 인공지능

RPA와 인공 지능(AI)을 구분하는 것이 중요합니다. 두 기술 모두 자동화를 촉진하지만 그 기능은 크게 다릅니다:

  • RPA: 명시적인 지침에 따라 구조화된 규칙 기반 작업을 자동화하는 데 중점을 둡니다. RPA 봇은 프로그래밍된 대로 정확하게 프로세스를 실행하며 스스로 학습하거나 적응하지 않습니다. 예측 가능한 대량의 워크플로우를 자동화하는 데 탁월합니다.
  • AI: 학습, 추론, 문제 해결, 지각, 의사 결정 등 일반적으로 인간의 지능을 필요로 하는 작업을 수행할 수 있는 시스템을 만드는 것을 포함합니다. AI의 하위 집합인 머신 러닝(ML)은 시스템이 명시적인 프로그래밍 없이도 데이터로부터 학습할 수 있도록 지원하여 객체 감지자연어 처리(NLP)와 같은 작업을 강화합니다.

종종 RPA와 AI를 결합하여 '지능형 자동화' 또는'하이퍼자동화'를 만드는데, 여기서 RPA 봇은 프로세스 실행을 처리하고 AI 구성 요소는 인지 기능을 제공합니다. 예를 들어, AI 모델이 이메일의 감성을 분석하면 RPA 봇이 AI의 분석에 따라 이메일을 라우팅할 수 있습니다.

로보틱 프로세스 자동화 대 로보틱스

또 다른 중요한 차이점은 RPA와 로보틱스의 차이입니다.

  • RPA: 컴퓨터 시스템 내에서 디지털 작업을 자동화하는 소프트웨어 봇을 다룹니다. 물리적 구성 요소는 없으며 순전히 소프트웨어 기반의 '로봇'입니다.
  • 로봇 공학: 실제 세계와 상호작용하는 기계인 물리적 로봇의 설계, 제작 및 작동을 포함합니다. 이러한 로봇은 종종 AI와 컴퓨터 비전(CV)을 통합하여 주변 환경을 인식하고 탐색하며 제조 또는 물류와 같은 분야에서 작업을 수행합니다. 로봇 공학에 CV를 통합하는 방법에 대해 자세히 알아보세요. Ultralytics YOLO11.

애플리케이션 및 사용 사례

RPA는 대량의 반복적인 작업, 규칙 기반 로직, 인적 오류에 취약한 특성을 가진 작업에 다양한 산업 분야에서 널리 채택되고 있습니다. 일반적인 적용 분야는 다음과 같습니다:

AI 및 머신러닝의 로보틱 프로세스 자동화

별개의 기술이지만, RPA는 AI 및 ML 워크플로, 특히 머신러닝 운영(MLOps) 영역에서 중요한 지원 기술 역할을 합니다:

  • 데이터 준비 자동화: RPA 봇은 ML 모델에 필요한 학습 데이터의 수집과 구조화를 자동화할 수 있습니다. 예를 들어, 봇은 웹 스크래핑이나 광학 문자 인식(OCR) 도구와의 통합과 같은 기술을 사용하여 PDF, 레거시 시스템 또는 웹사이트와 같은 다양한 소스에서 데이터를 추출한 다음 모델 학습을 위해 Ultralytics HUB와 같은 플랫폼에 수집할 수 있도록 일관된 형식을 지정할 수 있습니다. 이렇게 하면 데이터 수집과 주석 달기의 수작업을 크게 줄일 수 있습니다.
  • 자동화된 모델 배포 및 모니터링: RPA는 모델 배포 파이프라인 내의 단계를 자동화할 수 있습니다. 예를 들어, 다음과 같은 모델이 Ultralytics YOLO 모델과 같은 모델이 원하는 성능 메트릭을 달성하면 RPA 봇이 배포 스크립트를 트리거하거나 구성 파일을 업데이트할 수 있습니다. 마찬가지로, 봇은 대시보드나 로그 파일에서 모델 모니터링과 관련된 경고(예: 데이터 드리프트 또는 성능 저하 감지)를 모니터링하고 배포 모범 사례에 따라 팀에 알리거나 이전 버전으로 롤백하는 등의 사전 정의된 작업을 자동으로 시작할 수 있습니다.

RPA는 AI/ML 파이프라인의 반복적인 규칙 기반 부분을 처리함으로써 데이터 과학자와 엔지니어가 핵심 모델링 및 분석 작업에 집중하여 전체 개발 및 운영 라이프사이클을 가속화할 수 있도록 지원합니다.

모두 보기