RPA에서 자율 에이전트로의 경로

금융 범죄 수사관은 과거에 수많은 의심스러운 활동 경보를 수신하여 수동으로 데이터를 수집하고 가짜 양성 결과를 걸러내고 의심스러운 활동 보고서(SAR)를 작성해야 했습니다. 그러나 오늘날 그녀는 자동으로 연구된 경보와 SAR를 생성할 수 있는 제안된 콘텐츠를 받습니다.

소매 카테고리 플래너는 과거에 수많은 보고서를 분석하여 제품의 성과를 분석하고 문제를 해결하기 위해 수시간을 소요했습니다. 그러나 오늘날 그는 AI를 사용하여 심층 분석을 수행하고 문제를 해결하고 수정 조치를 제안할 수 있습니다. 산업 유지 보수 엔지니어는 24/7 자산 상태를 모니터링하고 예측하고 경고를 생성하여 비계획적인 다운타임을 줄일 수 있습니다.

이러한 변환은 오늘날 기업에서 발생하고 있으며, 기본적인 변화를 나타냅니다. 예측, 생성, 및 새로운 에이전트 AI를 결합한 垂直 응용 프로그램은 워크플로 자동화를 강화하고 변환시키며, 더 복잡하고 맥락적인 도전을 해결할 수 있는 능력을 제공합니다.

가트너의 2024년 新兴 기술 하이프 사이클은 자율 AI를今年의 상위 4개 新兴 기술 트렌드 중 하나로 강조했습니다. 비 AI 에이전트의 경우, 사용자는 자동화할 내용과 방법을 자세히 정의해야 했습니다. 그러나 예측, 생성, 및 곧 에이전트 AI를 결합한 응용 프로그램은 기업 전체의 다양한 소스에서 정보를 가져와 반복적인 작업을 자동화하고 높은 영향力的 조치를 추천할 수 있습니다. 이러한 응용 프로그램을 사용하는 기업은 더 빠르고 정확한 의사 결정을 실현할 수 있으며, 빠른 문제 식별과 해결, 및 예방 조치를 통해 문제가 발생하지 않도록 할 수 있습니다.

AI 에이전트는 기업 AI의 다음 물결을 나타냅니다. 예측 및 생성 AI의 기초 위에 구축되었으며, 자율성과 적응성에서 큰 도약을 이루었습니다. AI 에이전트는 단순한 분석 또는 콘텐츠 생성 도구가 아닙니다. 독립적인 의사 결정을 내릴 수 있는 지능형 시스템이며, 문제를 해결하고 지속적으로 학습할 수 있습니다. 이는 AI가 지원 도구에서 비즈니스 프로세스에 적극적으로 참여하는 능동적인 참여자로의 변화를 나타냅니다.

RPA에서 자율 에이전트로의 진화

전통적으로 RPA는 반복적인, 규칙 기반의 프로세스와 구조화된 입력 데이터를 사용하는 낮은 복잡성의 작업에 사용되었습니다. RPA는 구조화된 입력과 정의된 논리를 사용하여 데이터 입력, 파일 전송, 양식 작성과 같은 반복적인 프로세스를 자동화합니다. 예측 및 생성 AI의 널리 사용 가능성과 효과는 더 복잡한 비즈니스 문제를 해결할 수 있습니다. 이러한 문제는 전문 도메인 전문 지식, 기업급 보안, 및 다양한 데이터 소스의 통합을 요구합니다.

다음 단계에서 AI 에이전트는 예측 AI 알고리즘과 소프트웨어를 넘어선다. 그들은 자율적으로 작동하고, 변경되는 환경에 적응하며, 사전 프로그래밍된 규칙과 학습된 행동 모두에 기반하여 의사 결정을 내릴 수 있습니다. 전통적인 AI 도구는 특정 작업 또는 데이터 분석에서 우수할 수 있지만, AI 에이전트는 복잡하고 동적인 환경을 탐색하고 다면적 문제를 해결할 수 있습니다. AI 에이전트는 조직이 더 효과적이고 생산적이며 고객과 직원의 경험을 개선할 수 있도록 도와줄 수 있습니다.同時에 비용을 줄일 수 있습니다.

AI 에이전트는 올바른 AI 모델과 垂直 데이터 소스, 및 머신 러닝을 사용하여 특별한 맥락적인 활동을 지원할 때, 높은 생산성의 작업을 수행할 수 있습니다. 문제를 해결하고, 올바른 단계를 수행하고, 실수를 복구하고, 주어진 작업에서 시간이 지남에 따라 개선할 수 있습니다.

구현을 위한 탐색: 기업이 고려해야 할 주요 측면

예측, 생성, 및 궁극적으로 에이전트 AI를 기업 환경에 구현하는 것은 매우 유익할 수 있지만, 배포 전에 성공을 보장하기 위해 올바른 단계를 취하는 것이 중요합니다. 기업이 AI 에이전트를 고려하고 구현할 때 주요 고려 사항은 다음과 같습니다.

• 비즈니스 목표와의 일치: 기업의 AI 채택이 성공하려면, 특정 사용 사례와 산업을 해결해야 하며, 생산성과 정확성을提高해야 합니다. 비즈니스 이해관계자를 AI 평가/선택 과정에 정기적으로 참여시켜 일치와 명확한 ROI를 보장합니다. 제품은 프로세스와 워크플로에 적합해야 하며, 정의된 사용 사례와 垂直 도메인에서 결과를 개선합니다.
• 데이터 품질, 양, 및 통합: AI 모델은 효과적으로 작동하려면大量의 높은 품질의 데이터가 필요합니다. 기업은 데이터 수집 및 처리 파이프라인을 구현하여 AI가 최신, 정확한, 관련 데이터를 받는지 확인해야 합니다. 데이터 소스를 관리하면 환상과 같은 위험을 줄일 수 있으며, AI가 최적의 분석, 추천, 및 의사 결정을 내릴 수 있습니다.
• 보안 및 개인 정보: AI 모델에서 민감한 데이터를 처리하면 개인 정보 위험과 잠재적인 보안 취약점이 발생할 수 있습니다. AI가 작업을 수행하는 데 필요한 데이터가 무엇인지, 및 관련되지 않은 데이터를 제공하지 않도록 주의하면 노출을 최소화할 수 있습니다. 응용 프로그램은 역할 기반 및 사용자 기반 액세스 제어와 인증 보호를 제공해야 하며, 데이터와 API 계층에서 확인 및 보호를 통해 데이터가 SLM 또는 LLM에 도달하지 않도록 해야 합니다.
• 인프라 및 확장성: 대규모 AI 모델을 실행하려면 상당한 컴퓨팅 자원이 필요하며, 확장성도 문제가 될 수 있습니다. 좋은 설계는 과도한 자원 소비를 방지할 수 있습니다. 예를 들어, 특수한 SLM은 일반적인 LLM보다 효과적이며, 계산 요구 사항과 지연을 크게 줄일 수 있습니다.
• 모델 해석 및 설명 가능성: 많은 AI 모델, 특히 深層 학습 모델은 종종 “블랙 박스”로 간주됩니다. 좋은 기업 AI 제품은 모델이 액세스한 소스와 언제, 및 각 추천이 왜 제안되었는지에 대한 완전한 투명성을 제공합니다. 이러한 컨텍스트는 사용자 신뢰를 생성하고 채택을 驅動하는 데 중요합니다.

AI 에이전트의 잠재적인 단점

새로운 기술과 마찬가지로, AI 에이전트에는 잠재적인 단점이 있습니다. SymphonyAI의 에이전트 응용 프로그램은 모두 인간-루프 프로세스를 사용합니다. 이러한 접근 방식은 비즈니스 목표와 윤리적 고려에 따라 에이전트의 동작을 감독하고 개입하고 협력할 수 있도록 합니다. 인간-루프 시스템은 실시간 피드백을 제공하거나, 중요한 의사 결정을 승인하거나, AI가 익숙하지 않은 상황에 직면했을 때 개입할 수 있으며, 인공 지능과 인간 지능 간의 강력한 협력을 생성할 수 있습니다.

책임 있는 AI는 또한 강력한 사용자 인터페이스, 추적 가능성, 및 에이전트가 실행 경로를 선택한 이유를 감사할 수 있는 능력을 제공합니다. 우리는 책임 있는 AI 원칙의 책임, 투명성, 보안, 신뢰/안전, 및 개인 정보를 준수합니다.

완전히 자율적인 에이전트로의 경로

완전히 자율적인 에이전트 시나리오가 얼마나 현실적인지 예측하는 것은 어렵습니다. 왜냐하면 우리는 산업 전반의 자율성 수준을 위한 측정을 설정하지 않았기 때문입니다. 예를 들어, 자율 주행 분야에서는 자율 주행 수준 1-5이 설정되어 있으며, 0은 무인 주행 수준이 없으며, 운전자는 모든 운전 작업을 수행하며, 5는 완전 자동화이며, 차량이 모든 운전 작업을 수행합니다.

우리는 기업에서 AI를 사용하여 가치를 창출하는 세 번째 단계에 있습니다. 여기서 예측 및 생성 AI 응용 프로그램이 복잡한 추천을 제공하고 유연한 what-if 분석을 지원합니다. SymphonyAI에서는 다음 단계가 에이전트 AI로 발전할 것으로 예상합니다. 예측 및 생성 AI와 함께 작동하여 금융 사기 수사, 소매 카테고리 관리 및 수요 예측, 및 제조업체가 기계 고장을 예측하고 방지할 수 있도록 합니다.

우리는 현재 응용 프로그램 내에서 AI 에이전트의 복잡성과 자율성을 향상시키고 있으며, 고객의 피드백은 매우 긍정적입니다. 예측 및 생성 AI는 전통적인 소프트웨어로 자동화하기 어려웠던 워크플로를 자동화할 수준으로 발전했습니다. 자율적 또는 에이전트 AI는 이러한 작업을 감독 없이 처리할 수 있으며, 변혁적인 생산성 향상과 인간 자원의 더 전략적인 활동에 집중할 수 있도록 합니다.

예를 들어, SymphonyAI Sensa Investigation Hub와 AI 에이전트 및 코파일럿을 사용하는 다국적 유럽 은행은 금융 범죄 수사관이 수사 시간을 절약하고 수사 품질을 개선하는 데 도움을 받았습니다. 몇 주 내에, 은행은 1단계 및 2단계 수사에서 평균 노력 절감률 20%를 달성했습니다. 은행은 또한 Microsoft Azure에서 SymphonyAI를 사용하여 연간 3.5百만 유로의 비용 절감을 예상하고 있으며, 주요 기술 제공업체와의 비용을 1.5百만 유로에서 30만 유로로 줄일 수 있을 것입니다.

책임 있는 AI 원칙을 사용하여 기업급 설계를 적용하면, AI 에이전트는 다양한 사용 사례에서 변혁적인 생산성, 정확성, 및 우수성을 제공할 수 있습니다. SymphonyAI의 사명은 기업에 운영 우수성을 제공하는 AI 에이전트를 제공하는 것입니다. 빠른 반응성과 장기적인 전략적 사고를 결합하여, 에이전트 AI는 여러 산업의 임팩트를革命적으로 변화시킬 것입니다.