์ฌ์ ๋ฆฌ๋
RPA์์ ์์จ ์์ด์ ํธ๋ก์ ๊ฒฝ๋ก
금융 범죄 수사관은 이전에 수많은 의심스러운 활동 경보를 수신하여 수동으로 데이터를 수집하고 가짜 양성 결과를 걸러내고 의심스러운 활동 보고서(SAR)를 작성하기 위해 고된 작업을 수행해야 했습니다. 오늘날 그녀는 자동 연구와 제안된 콘텐츠가 있는 우선순위 경보를 받으며 몇 분 내에 SAR를 생성할 수 있습니다.
소매 카테고리 플래너는 이전에 과거 몇 주간의 보고서를 분석하여 어떤 제품이 성과가 낮은지 그리고 왜 그런지 알려고 했지만, 지금은 문제 영역을 표면화하고 시정 조치를 제안하는 심층 분석을 제공하는 AI를 사용합니다. 산업 유지 보수 엔지니어는 24/7 자산 상태 모니터링을 수행하고 초기에 기계적 또는 성능 문제가 발생할 경우 경고를 생성하여 계획되지 않은 다운타임을 줄이는 공병을 사용합니다.
이러한 변환은 오늘날 기업 전체에서 발생하며 기본적인 변화를 나타냅니다. 예측, 생성, 출현 에이전트 AI를 결합한 垂直 애플리케이션은 워크플로 자동화를 강화하고 변환하여 더 복잡하고 문맥적인 도전을 해결하는 대상, 정교한 기능을 제공합니다.
Gartner의 2024년 새로운 기술에 대한 Hype Cycle는 자율 AI를 올해의 4대 주요 새로운 기술 트렌드 중 하나로 강조했습니다. 비-AI 에이전트의 경우 사용자는 자동화할 내용과 어떻게 자동화할 것인지 자세히 정의해야 했습니다. 그러나 예측, 생성, 곧 에이전트 AI와 전문 垂直 지식 소스 및 워크플로를 결합한 애플리케이션은 기업 전체의 다양한 소스에서 정보를 가져와 반복적인 작업을 가속화하고 자동화하고 고影响 조치를 추천할 수 있습니다. 이러한 애플리케이션을 사용하는 기업은 더 빠르고 정확한 의사 결정, 빠른 문제 식별 및 시정, 그리고 문제가 발생하기 전에 예방 조치를 취할 수 있습니다.
AI 에이전트는 기업 AI의 다음 물결을 나타냅니다. 예측 및 생성 AI의 기초를 확장하지만 자율성 및 적응성 측면에서 큰 도약을 합니다. AI 에이전트는 분석 또는 콘텐츠 생성을 위한 도구가 아닙니다. 독립적인 의사 결정, 문제 해결, 지속적인 학습이 가능한 지능형 시스템입니다. 이 진행은 AI를 지원 도구에서 비즈니스 프로세스에서 적극적인 참여자로의 변화를 나타냅니다. 즉, 실시간으로 행동을 시작하고 전략을 적응시키는 능력이 있습니다.
RPA에서 자율 에이전트로의 진화
전통적으로 RPA는 반복적이고 규칙 기반의 프로세스와 구조화된 데이터 입력이 있는 저复잡도 작업에 사용되었습니다. RPA는 구조화된 입력과 정의된 논리를 사용하여 데이터 입력, 파일 전송, 양식 작성과 같은 고도로 반복적인 프로세스를 자동화합니다. 예측 및 생성 AI의 널리 사용 가능성은 더 복잡한 비즈니스 문제를 해결하는 다음 수준을 해결했습니다. 이러한 문제는 전문 도메인 전문 지식, 기업급 보안, 다양한 데이터 소스를 통합하는 능력이 필요합니다.
다음 수준에서 AI 에이전트는 예측 AI 알고리즘 및 소프트웨어와 비교하여 자율적으로 작동하고 변경되는 환경에 적응하며 사전 프로그래밍된 규칙과 학습된 행동 모두에 따라 의사 결정을 내리는 능력을 넘어섭니다. 전통적인 AI 도구는 특정 작업 또는 데이터 분석에서 우수할 수 있지만 AI 에이전트는 복잡하고 다이나믹한 환경을 탐색하고 다면적인 문제를 해결하는 여러 기능을 통합할 수 있습니다. AI 에이전트는 조직이 더 효과적이고 생산적이 되고 고객 및 직원 경험을 개선하는 동시에 비용을 줄이는 데 도움이 될 수 있습니다.
올바른 AI 모델을 도구로 사용하고 垂直 데이터 소스 및 기계 학습을 통해 전문적인 문맥 활동을 지원하면 AI 에이전트는 문제를 해석하고 올바른 단계를 수행하고 오류에서 회복하고 시간이 지남에 따라 지정된 작업을 개선하는 데 높은 생산성의 작업 마력을 갖습니다.
구현을 탐색하기: 기업이 고려해야 할 주요 측면
예측, 생성, 궁극적으로 에이전트 AI를 기업 환경에 구현하는 것은 매우 유익할 수 있지만 성공을 보장하기 위해 배포 전에 올바른 단계를 수행하는 것이 중요합니다. 기업이 AI 에이전트를 고려하고 시작할 때 주요 고려 사항은 다음과 같습니다.
- 비즈니스 목표와 일치: 기업의 AI 채택이 성공하려면 특정 산업의 특정 사용 사례를 해결하고 생산성 및 정확성을提高해야 합니다. 비즈니스 이해관계자를 AI 평가/선택 과정에 정기적으로 참여시켜 일치와 명확한 ROI를 보장합니다. 제품은 결과를 측정할 수 있는 사용 사례 및 垂直 도메인에 대한 프로세스 및 워크플로에 맞춰야 합니다.
- 데이터 품질, 양, 통합: AI 모델은 효과적으로 수행되기 위해大量의 높은 품질의 데이터가 필요합니다. 따라서 기업은 현재, 정확한, 관련 데이터를 AI가 수신할 수 있도록 강력한 데이터 수집 및 처리 파이프라인을 구현해야 합니다. 데이터 소스를 큐레이션하면 환상(hallucinations)의 위험이 크게 줄어들고 AI가 최적의 분석, 추천, 의사 결정을 내릴 수 있습니다.
- 보안 및 개인 정보: AI 모델에서 민감한 데이터를 처리하면 개인 정보 위험이 있을 수 있으며 잠재적인 보안 취약성이 있을 수 있습니다. AI가 작업을 수행하기 위해 필요한 데이터와 직접 관련이 없는 데이터를 제공하지 않도록 주의하면 노출을 최소화할 수 있습니다. 애플리케이션은 인증된 보호가 있는 역할 기반 및 사용자 기반 액세스 제어를 제공해야 하며 데이터 및 API 계층에서 확인하고 보호된 경우에만 SLM 또는 LLM에 데이터가 도달하는지 확인해야 합니다.
- 인프라 및 확장성: 대규모 AI 모델을 실행하려면 상당한 컴퓨팅 자원이 필요하며 확장성도 문제가 될 수 있습니다. 좋은 설계는 과도한 리소스 소비를 방지할 것입니다. 예를 들어, 더 일반적인 LLM보다 전문적인 SLM이 더 효과적일 수 있으며 컴퓨팅 요구 사항과 지연을 크게 줄일 수 있습니다.
- 모델 해석 및 설명 가능성: 많은 AI 모델, 특히 심층 학습 모델은 종종 “블랙 박스”로 간주됩니다. 좋은 기업용 AI 제품은 모델이 액세스한 소스와 언제, 그리고 각 추천이 왜 만들어졌는지에 대한 전체 투명성을 제공합니다. 이러한 컨텍스트는 사용자 신뢰를 생성하고 채택을 추진하는 데 중요합니다.
AI 에이전트의 잠재적인 단점
새로운 기술과 마찬가지로 AI 에이전트도 잠재적인 단점이 있습니다. 최상의 AI 에이전트 애플리케이션은 인간-루프 프로세스를 사용합니다. 이것은 SymphonyAI의 에이전트 AI 애플리케이션 및 기능을 포함합니다. 이러한 접근 방식은 인간의 감독, 개입 및 협력을 허용하여 에이전트의 행동이 비즈니스 목표와 윤리적 고려 사항과 일치하도록 합니다. 인간-루프 시스템은 실시간 피드백을 제공하고 중요한 의사 결정을 승인하거나 AI가 익숙하지 않은 상황에 직면했을 때 개입할 수 있으며 인공 지능과 인간 지능 간의 강력한 협력을 만듭니다.
책임 있는 AI는 또한 강력한 사용자 인터페이스, 추적 가능성 및 에이전트가 실행 경로를 선택한 이유에 대한 감사 가능성을 제공합니다. 우리는 책임 있는 AI 원칙의 책임성, 투명성, 보안, 신뢰성/안전성, 개인 정보 보호를 준수합니다.
완전히 자율적인 에이전트로의 경로
완전히 자율적인 에이전트 시나리오가 얼마나 현실적인지 예측하기는 어렵습니다. 왜냐하면 우리는 산업 전반에 걸친 자율성 수준에 대한 측정을 아직 확립하지 않았기 때문입니다. 예를 들어, 자율 주행 분야는 자율 주행 수준 1-5과 관련하여 확립되었습니다. 여기서 0은 자동화 수준이 없으며 운전자가 모든 운전 작업을 수행하며 5는 완전 자동화이며 차량이 모든 운전 작업을 수행합니다.
AI와 함께 기업 가치의 세 번째 단계에서 잘 진행되고 있습니다. 여기서 생성 및 예측 AI 애플리케이션이 복잡한 추천을 제공하고 유연한 가정 분석을 지원합니다. SymphonyAI에서 다음 단계는 예측 및 생성 AI와 함께 작동하여 금융 사기 수사, 소매 카테고리 관리 및 수요 예측을 가속화하고 제조업체가 기계 고장을 예측하고 방지하는 자율 AI 에이전트로 발전하는 것을 보겠습니다.
현재 우리는 애플리케이션 내의 AI 에이전트의 복잡성 및 자율성을 강화하고 있으며 고객의 피드백은 매우 긍정적입니다. 예측 및 생성 AI는 전통적인 소프트웨어로 너무 복잡한 것으로 간주되는 워크플로를 자동화할 수준으로 발전했습니다. 자율적이거나 에이전트 AI는 감시 없이 이러한 작업을 처리하여 변혁적인 생산성 향상과 인간 자원을 더 전략적인 활동에 집중할 수 있도록 합니다.
예를 들어, SymphonyAI Sensa Investigation Hub와 AI 에이전트 및 공병을 사용하는 다국적 유럽 은행은 금융 범죄 수사관이 조사에 소요하는 시간을 절약하고 동시에 조사 품질을 개선하는 데 도움이 되었습니다. 은행은 몇 주 내에 1단계 및 2단계 조사에서 약 20%의 노력 절감을 보았습니다. 또한 은행은 Microsoft Azure에서 SymphonyAI를 사용하여 연간 3.5 백만 유로의 비용 절감을 예상하고 있으며, 이는 주요 기술 제공업체와의 지출을 연간 150만 유로에서 30만 유로로 줄이는 것을 의미합니다.
책임 있는 AI 원칙을 사용하여 설계된 AI 에이전트는 다양한 검증된 사용 사례에 대해 변혁적인 생산성, 정확성 및 우수성을 제공합니다. SymphonyAI의 사명은 기업에 운영 우수성을 제공하는 AI 에이전트를 제공하는 것입니다. 신속한 반응성과 장기적인 전략적 사고를 결합함으로써 에이전트 AI는 여러 산업의 중요한 프로세스를 혁신할 것입니다.
