기업의 업무 자동화 RPA, LLM으로 환골탈태하다

RPA는 단순반복 작업을 자동화해주는 업무용 툴로 직장인의 생산성을 높여준다. 하지만, 누구나 RPA를 이용할 수는 없다. 회사 차원의 시스템 도입과 개발이 필요하기 때문이다. 그렇다 보니 RPA의 구축은 회사에서 범용적으로 널리 많은 직원들이 필요로 하는 영역에 한하여 제공될 수밖에 없다. 그 좋은 RPA를 아무나 사용할 수 없다는 것이다. 그런데, 챗GPT를 가능하게 해준 AI 기술인 LLM이 RPA를 누구나 사용할 수 있도록 해주고 있다. 과연 AI는 어떻게 RPA에 날개를 달아줄 수 있는 것일까?

업무 자동화를 도와주는 RPA의 한계

RPA는 사용자가 미리 정의한 순서에 따라 진행되는 업무를 자동으로 수행하는 소프트웨어를 이용해 자동화하는 것을 의미한다. 로봇이 공장에서 사람이 하기 어려운 일을 대신해 주거나, 사람 옆에서 보조를 해주어 더 편하게 일 처리를 할 수 있도록 도와주는 것처럼, RPA는 사무 업무를 도와주는 로봇이라고 생각하면 된다. 당연히 RPA를 이용하면 업무 효율성이 높아져 생산성이 향상된다. 3~4시간 걸려 할 일을 수 초 만에 할 수 있도록 도와주어 좀 더 창의적이고 전략적인 고부가가치 업무에 집중할 수 있도록 해준다. 일례를 들어 매주, 매일 주간 업무보고를 위해 ERP의 매출 집계와 상품별 판매량 등에 대한 정보를 확인해서 엑셀에 기입하고 전주, 전일 대비 증감률을 기록하는 반복적인 업무를 RPA를 이용해 처리하면 10~20분 걸릴 일이 1초 만에 해결이 가능해진다.

특히 가장 좋은 강점은 사람의 실수를 줄여 줌으로써 업무 정확도가 높아진다는 점이다. 특히 숫자와 관련된 것은 사람이 계산기보다 더 정확할 수 없다. 게다가 대부분의 엑셀과 같은 계산과 관련된 업무에서 사람이 숫자를 잘못 입력하거나 연산 기호를 잘못 넣어서 발생하는 문제는 나중에 바로잡기가 무척 어렵다. 어디에서 잘못 입력한 것인지를 찾는 것이 일이다. 그런 면에서 RPA의 가장 큰 기대효과는 바로 실수를 줄여주어 업무 정확도를 높임으로써 사고를 미연에 예방하고 방지할 수 있다. 기업 입장에서는 RPA 도입을 통해서 단순반복 업무나 기계적인 업무에 들어가는 비용을 절감해 좀 더 생산적인 일에 집중함으로써 기업의 부가가치를 높일 수 있다는 장점도 있다.

실제 금융업에 도입된 RPA는 기존 수작업으로 하던 규칙 기반의 단순반복 업무를 대상으로 적용해 가며 범위를 확대해 오고 있다. 특히 신한금융그룹은 전 계열사가 동시다발적으로 RPA 도입에 나서면서 모든 업무에서 자동화를 추진하고 있다. 2017년에 대출 영역에 있어 RPA를 적용함으로써 대출 과정에서 발생하는 서류 검토와 심사 과정의 비효율을 줄인 바가 있다. 고객이 대출을 받기 위해 제출한 주민등록증 사본, 재직증명서, 근로소득원천징수 등의 각종 서류들을 검토하고 빠진 서류를 확인하는 과정을 RPA가 처리하도록 함으로써 시간을 줄이고 정확도를 높일 수 있다. 특히 대출 신청이 갑자기 몰리는 상황에서 RPA가 전체적인 시간을 줄여주어 고객에게 보다 빠른 대출 서비스를 제공함으로써 고객 만족도도 높일 수 있게 되었다.

사실 은행, 카드사에서는 각종 서류의 처리와 확인, 규정에 맞는 심사, 복잡한 계산 등의 업무가 많아 RPA가 도입되었을 때 즉각적인 업무 향상을 기대할 수 있다. 금융권에서 도입한 RPA 솔루션들이 하는 일들을 나열해 보면, 여신서류 발급 대행, 공과금 지급 결의, 중고차 대출한도 산정을 위한 시세 전산 등록, 카드 국제 정산 등의 업무에 서류 처리와 규정 위반 확인, 각종 이메일과 SMS 발송 등의 업무를 자동으로 처리해 준다. 일부 업무에서는 아예 사람이 하던 모든 일을 대신 처리해 주기도 한다. 고객의 계좌 잔액을 분석해서 과소비를 경고하거나 고객에게 유리한 카드 대금 납부일을 추천하고 최저 금리의 대출 추천 등을 RPA가 사람의 개입 없이 수행하기도 한다.

제조 분야에서는 공장에서 생산량이나 가동률을 모니터링하다 임곗값에 달하면 담당자에게 메일로 알람을 보내주거나 자재, 생산관리를 위해 물자표 데이터를 조회하고 이를 ERP에 자동 입력하는 것 등이 RPA로 처리된다. 마케팅 부서에서 상품 판매 동향에 대해 매월 보고서를 구성하는 것 역시 RPA가 시간을 대폭 줄여준다. 사람이 상품 매출 보고서를 작성하기 위해서는 ERP 시스템에 로그인한 후 각 상품별 매출 내역에 대한 수치를 뽑기 위해 여러 과정을 거쳐서 자료를 수집한다. 이렇게 수집된 자료는 엑셀을 열고 입력해야 하며 이렇게 입력한 데이터를 기준으로 지난달, 작년 동기와 대비해서 한 눈에 보기 쉽게 정리하는 작업을 해야 한다. 이후에 관련한 업무 담당자들에게 메일을 발송한 이후에 회의를 통해서 최종 시사점을 도출하여 리포트를 작성하고 리뷰를 하게 된다. 그런데, RPA가 이를 맡게 되면 관련 자료의 수집과 그래프 정리 그리고 기초적인 분석 리포트를 정리해 준다. 그리고, 이렇게 리포트 초안을 관련 담당자들에게 자동으로 메일 발송하고 회의를 소집한다. 회의에서 이 리포트를 리뷰하고 정리해서 시사점을 도출하는 것은 마케팅 부서의 몫이다. 즉, 앞단에 해야 하는 여러 절차의 일들을 RPA가 자동으로 처리해 주고 마케터들은 RPA가 발송한 메일을 확인하고 회의에 참석해서 시사점만 도출하면 된다.

그래서, RPA는 마치 제2의 ERP처럼 여러 산업과 기업 그리고 직무 분야에서 업무 생산성을 개선해 주는 목적으로 도입이 확산되고 있다. 하지만, 모든 업무에 RPA가 적용될 수 있는 것이 아니며, 누구나 사용할 수 있는 것도 아니다. RPA가 수행 가능한 업무는 규칙에 기반해서 순차적으로 처리하는 일, 반복적인 업무, 구조화된 데이터의 처리에 적합하다. 특히 노동 집약적으로 대량의 데이터를 여러 시스템에 접근해서 확인할 때 그 진가가 발휘된다. 일례로, 특정 시스템에 로그인해서 업데이트된 데이터 값을 복사해서 애플리케이션을 실행해 붙여넣기하고, 기존 데이터값과 비교해 특정 조건에 해당할 경우 약속한 기준에 의거해 자료를 정리해 파일을 생성해 이메일로 전송하는 일련의 작업을 RPA로 처리할 수 있다. 즉, 이처럼 데이터베이스에서 정보를 읽고 쓰거나, 시스템에 접속해 데이터를 추출하고, 웹이나 이메일 내에 있는 숫자나 텍스트 데이터를 추출하는 등의 컴퓨터로 처리하는 기계적인 업무들이 RPA로 대신할 수 있는 것들이다. 이런 업무들은 대개의 경우 ERP, SCM 등의 사내 인트라넷 시스템과 각종 데이터베이스, IT 시스템 그리고 이메일과 엑셀, 웹, 앱 등을 이용해서 확인하고 입출력되는 정보들을 기반으로 규칙적인 것들이다.

그렇다 보니 RPA를 사내 도입하기 위해서는 준비할 것들이 많다. 또, 그렇게 준비된 솔루션은 아무나 사용할 수 없다. 특정된 업무 영역에서 제한된 사람들만 사용할 수밖에 없다. 그 좋은 RPA를 누구나 사용할 수 없는 것이다. 그것이 RPA의 최대 단점이자 한계이다.

생성 AI가 만드는 하이퍼오토메이션 시대

그런데, 생성형 AI 기술은 그런 RPA를 아무나 사용할 수 있게 해준다. 생성 AI는 LLM 기반으로 운영된다. LLM은 거대 언어 모델로 인간의 언어를 데이터 삼아 학습된 AI를 뜻한다. 그렇게 인간의 언어로 학습한 AI는 사람 말을 잘 알아듣는다. 그렇다 보니 LLM으로 운영되는 생성형 AI 서비스는 사용 방법이 쉽다. 별도의 사용법을 익힐 필요가 없다. 날 것으로 내가 필요로 하는 것, 원하는 것, 최종적인 산출물을 자연어로 질문하고 명령을 내리면 찰떡같이 알아듣고 답을 제시한다. 챗GPT, 미드저니, 런웨이, 투미, 코파일럿 등의 각종 생성형 AI 서비스는 엑셀, 파워포인트, 포토샵, 캠타샤, 틱톡 등의 소프트웨어나 인터넷 서비스와 달리 별도의 사용법을 익힐 필요가 없다. Prompt 창에 원하는 것을 사람에게 말하듯이 명령하고 요구하면 찰떡같이 알아듣고 산출물이 생성된다. 심지어 그 AI는 내가 사용하면 할수록 대화 이력과 각종 개인정보와 데이터가 쌓여가면서 갈수록 좋아진다. 즉, 내게 최적화된 집사가 생기는 셈이다.

그런 생성형 AI가 할 수 있는 것은 작문, 번역, 요약, 수학 문제 풀이, 그래프 분석 등 다양하다. 특히 잘하는 것은 바로 프로그래밍 코딩이다. 이러한 기능은 회사 업무에도 큰 도움이 된다. 회의록을 요약 정리하거나 여러 개의 문서를 통합하고 핵심 메시지를 도출하거나, 각종 데이터와 그래프에 대한 시사점을 분석하는 것도 가능하다. 정확도를 높이기 위해서 내가 할 일은 충분한 근거 데이터 확보와 좋은 명령문(Prompt) 준비뿐이다. AI에 입력할 양질의 데이터와 적절한 프롬프트를 통해 원하는 것을 요청하면 그에 맞는 답이 나온다.

프로그램의 사용법을 익힐 필요도 없고, 따로 거창한 시스템을 도입할 필요도 없으며, 솔루션을 구축하지 않아도 된다. 필요한 것을 자연어로 생성형 AI에게 입력하면 자동으로 알아서 답을 제시해 준다. 바로 LLM과 Gen. AI가 굳이 소프트웨어나 프로그램을 구동하고 사용하지 않아도 자동으로 서비스를 제공하는 것이다. 바로 그것이 하이퍼토오메이션이다. 자동화를 위한 RPA가 생성 AI 덕분에 초자동화를 구현해 낼 수 있게 된 것이다.

생성 AI의 프롬프트 입력창에 필요로 하는 것을 입력하면 뒷단에서 LLM에 연결된 수많은 사내 데이터와 개인 자료들을 기반으로 원하는 작업을 수행해 준다. 간단한 질문에 답만 제시하는 것이 아니라 지시한 명령을 수행하기 위해 필요한 과제를 정의하고 순차적으로 작업을 수행한다. 지난 3분기 마케팅 성과 분석을 통한 4분기 마케팅 전략 수립을 위한 미팅에서 2시간의 회의록을 작성해, 회의 참석자들에게 공유하는 것을 간단한 명령 하나만으로 수행할 수 있다. 또한, 회의에서 추가적으로 리포트하기로 한 3분기 마케팅 추진 내역과 각 내역별 지출 비용 및 프로모션 채널 그리고 담당 마케터와 반응률을 조사해서 상세 분석 보고서 작성도 가능하다. 또, 작년 한 해의 전체 마케팅 수행 내역에 대한 시사점을 분석해서 이를 다음 회의 참석자들에게 공유하고, 경쟁기업들의 최근 마케팅 수행 내역 중 SNS나 보도자료 기사를 통해 주목받은 것들을 추려서 회의 전까지 매일 오전 9시에 참고할 수 있도록 발송하는 것도 가능하다.

즉, 기존 RPA는 정해진 규칙하에서만 운영되고 RPA에서 제공하지 않는 기능은 사용할 수 없다. 하지만, 생성 AI 기반의 RPA는 모두의 요구사항을 이해해서 자동화된 작업 수행을 가능하게 해준다. 삼성SDS도 이런 생성형 AI 기술을 RPA에 접목해서 하이퍼오토메이션을 구현한 '패브릭스'라는 플랫폼을 공개했다. 앞으로 RPA는 AI와 결합해 누구나 어떤 업무에서든 자동화된 업무, 효율화된 작업을 가능하게 해줄 것이다.

업무 자동화와 AI와의 코웍을 위한 준비

그렇다면 생성형 AI로 구현된 초자동화 업무 시스템은 누구에게나 최고의 툴이 될 수 있을까? RPA든, 생성 AI 기반의 하이퍼오토메이션 시스템을 실제 업무에 활용해 성과를 내는 것은 개인의 역량이지, 도구 자체에 있는 것이 아니다. 저절로 이 도구가 업무 생산성을 높여주는 것이 아니다. 생성 AI가 적용된 자동화 시스템은 더 많은 일들을 사람을 대신해서 하게 해줄 것이다. 그렇다면 사람은 무엇을 해야 할까?

AI는 일을 잘 처리할 수는 있어도 새로운 일을 만들어 내는 것은 불가능하다. 생성 AI는 정의한 일을 정확하게 해결하지만 스스로 문제를 정의하지는 못한다. 어떤 것을 AI로 처리할 것인가, 어떤 과제를 검토할 것인가, 어떤 일을 고민해 볼 것인가 등의 새로운 업무에 대한 선택은 인간이 할 수 있는 고유의 영역이다. 즉, AI에 우리 일을 대신 맡기면 우리가 할 일이 사라지는 것이 아니라, 더 고난도의 상위 일을 할 수 있게 되는 것이다. AI에게 새로운 어떤 일을 대신하게 할까, AI에게 어떤 과제를 검토하게 할 것인가 등이 더 큰 부가가치를 창출할 수 있는 일이 될 것이다.

그렇게 보다 창의적인 일을 해내려면 결국 AI에게 더 많은 일을 맡겨야 한다. 우리가 하고 있는 업무에 있어서 어떤 것이 단순반복적이고 기계적인 일인지를 끊임없이 찾아내 그것을 AI로 자동화하게끔 해야 한다. 그러려면 2가지의 일하는 습관이 필요하다.

첫째, AI가 대신한 일을 들여다보고 거기에서 어떤 개선점이 있을지 찾아내는 노력이 필요하다. 이미 AI에게 맡겼다고 해서 그 업무가 완전하게 처리되지는 않는다. 1년 전 하던 일과 지금 하는 우리의 일이 조금씩 진일보해서 개선되듯이 AI 역시 개선되어야 한다. 하지만, AI는 이미 정의한 일을 규칙적으로 수행할 뿐 그 안에서 더 개선한 방안을 스스로 찾지는 못한다. 그것은 사람이 찾아줘야 한다. 즉, 사람이 지도 편달을 해서 AI가 처리하는 업무의 프로세스와 순서, 규칙을 수정 보완해 줘야 한다. 그래야 AI의 능률이 향상된다.

둘째, AI로 대신할 수 있는 과제들을 끊임없이 만들어 내야 한다. AI에게 자동화할 수 있는 일은 앞으로 계속 확대되어 갈 것이다. 단, 그런 일들이 무엇인지, 어떤 과제를 AI에게 시킬 수 있는지는 우리의 몫이다. 그렇게 AI로 시킬 수 있는 일, 자동화할 수 있는 과제를 계속 발굴해야 한다. 또, AI 솔루션도 진화 발전하면서 업그레이드되기 때문에 우리가 하는 일 중에 진화된 AI가 할 수 있는 일들이 발견될 수 있다. 작년에는 AI로 할 수 없었던 일이 올해에는 가능할 수 있다. 그런 일들을 찾아 AI에게 맡기고 나는 또 다른 새로운 일을 찾아 나서야 하는 습관이 필요하다.

이처럼 RPA의 도입으로 인해 우리 일하는 문화가 바뀌게 된다. 아니 바뀌어야 한다. 바뀌지 않으면 RPA가 우리 일을 대신하고 우리는 더 이상 일이 없어지게 될 수 있다. 또한 개인의 일하는 습관을 넘어 함께 일하는 문화도 바뀌어야 한다.

AI가 나를 대신해서 이메일을 보내고 업무를 처리하면 나와 다른 사람과의 커뮤니케이션, 협업 구조에도 변화가 생기기 마련이다. 회의와 미팅 일정을 잡아주는 AI를 이용하면 임원과의 미팅을 잡는데 비서 없이도 RPA가 회의 참석자들의 캘린더 스케줄을 확인해서 빈 시간에 자동으로 약속을 잡아주게 된다. 그렇게 나도 모르고 갑작스레 내 캘린더에 잡힌 회의를 AI 알람을 통해 확인하면, 그 회의의 목적과 사전에 이해해야 할 자료들을 검토하고 회의를 준비하는 것은 온전히 내 일이다. 회의를 보다 생산적으로 만들기 위해 미팅 약속 따위에 신경 쓰지 않고 회의 그 자체를 제대로 준비하는 데 집중할 수 있게 되는 것이다. 단, 그렇게 하려면 AI가 자동으로 회의 시간을 잡을 수 있도록 캘린더에 내 모든 미팅 내역을 기록해 두어야 하고 회의를 AI로 참석자들에게 요청하기 위해 캘린더에 회의를 기록할 때에 회의 목적과 참고할 자료 등에 대한 내용도 함께 기록해 줘야 한다. 그래야 참석자들이 갑작스레 스케줄에 기록된 회의에 대해서 본인한테 연락해서 물어보고 확인하는 번거로운 절차가 생략될 것이다.

이처럼 AI의 도입은 개인의 업무만 바뀌는 것이 아니라 우리 모두의 업무 프로세스를 바꾸게 한다. 그런 프로세스에 적응을 빨리해야만 AI 도입으로 인한 실질적인 업무 생산성이 향상된다. 단, 그렇게 하기 위해서는 우리의 일하는 문화도 바뀌어야 한다. 20년 전 결재를 받기 위해 결재판을 들고 과장님, 부장님, 상무님을 찾아다니며 구두 설명을 하고 대면해서 사인을 받아야 했던 것이 전자결재 시스템의 도입으로 이제 스마트폰에서 내용 확인 후 바로 결재가 가능해지게 되었다. 그런데 이렇게 바뀐 전자결재를 거부하고 이전과 같은 결재 방식에서 벗어나지 못하면 전자결재 시스템이 제대로 동작할 리 없다. 그러면 도구는 도입되었지만, 여전히 비효율을 안고 사는 것이다.

AI는 도구이다. 그런 도구를 제대로 활용하기 위해서는 조직 전체의 일하는 문화가 바뀌어야 한다. 바뀐 도구에 맞게 개인의 일하는 습관과 업무 협업 및 커뮤니케이션 문화가 바뀌어야 한다. 그래야 도구가 진가를 발휘한다.

그런 문화를 정착시키는 데 있어 가장 중요한 것은 생성 AI를 적극 활용하는 것이다. AI를 통해 전달된 보고서와 각종 결과물들을 온전히 받아들이고 업무에 활용하면서 AI 한계와 문제점에 대한 개선 방안을 고려해야 한다. AI를 회사에 적용하는 과정에서 발생하는 문제를 이슈 삼아 거부하고 과거로 회귀하려 하면 진화할 수 없다. AI를 선 수용하고 후 보완하는 의지를 가져야 실제 일하는 문화까지도 변화하면서 환상적인 궁합이 갖춰지게 된다.



▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.