손 쉬운 AI활용을 위한 UiPath Starter Model

여러 연구 결과를 보면 기업이 보유한 데이터의90% 정도는 이미지, 동영상, PDF 혹은 수기 자료 등 비정형 데이터로 구성됩니다. 이는 기업이 보유 데이터를 활용해 최적의 의사 결정을 내리거나 신속하게 일 처리하는 것이 결코 쉽지 않다는 것을 의미합니다. 그렇다고 업무 자동화나 AI 활용을 계속 늦출 수도 없는 것이 현실적 고민이죠. 그래서 오늘은 AI 전문 역량 없이도 시작할 수 있는 UiPath RPA + AI 활용 방안을 정리했습니다. 

상황에 따라 시간은 생명과 직결되는 요소이기도 합니다. 미국의 한 산부인과는 UiPath AI Center과 UiPath Document Understanding을 이용해 산모 데이터를 분석하고 위험이 높은 임산부를 분류합니다. 이 결과를 토대로 산모 맟춤형 처방 프로그램을 적용해 저체중 신생아 출생률을 44%나 낮추었습니다. 예전에는 병원비 수납 처리, 약제 처방 등 단순 반복 업무가 자동화 대상이었지만 이제 AI등장으로 더 복잡한 업무의 자동화와 더불어 분석과 의사 결정같이 이전에는 불가능했던 기능도 자동화 대상이 되었습니다. 

병원은 UiPath Document Understanding으로 환자 차트에서 산모와 태아 데이터 – 체중, 체중 증가율, 혈압, 혈당, 심장 박동 등 –를 추출합니다. 다음 이 데이터를 이용해 UiPath AI Center에서 자체 개발한 머신러닝 모델에 적용해 출산에 따른 위험을 분석합니다. 나온 결과에 따라 환자 맞춤형 식단, 운동, 약물 등을 처방하게 됩니다. RPA와 AI를 이용한 프로세스 개선은 산모와 아기의 위험을 최소화하고, 인력 전환 배치 및 업무 생산성 향상을 통한 연 13억원의 비용 절감으로 이어졌습니다. 

AI 가능성을 인식한 UiPath는 더 나은 업무 자동화 결과를 보장하기 위한 “Practical AI”에 집중해 왔습니다. 이를 위해 UiPath는 컴퓨터 비전 기반의 객체 인식부터 자동화 가능성 발견 등 포괄적 AI기술을 UiPath 플랫폼 모든 요소에 적용해 오고 있습니다. 

따라서 UiPath를 활용하면 전문적 데이터 모델링 지식이 없는 RPA 개발자도 머신러닝 모델을 만들고, 업무 요건에 따른 데이터 수정과 모델 학습이 가능합니다. 이제 UiPath AI 플랫폼을 이용해 비정형 데이터, 너무 많은 변수와 불확실한 결과물 때문에 미뤄왔던 업무 자동화를 구현할 수 있습니다.​ 

사례 분석 - 비정형 데이터의 구조화사례를 하나 더 보겠습니다. 금융 기관이 대출 신청서를 검토하기 위해서는 제출 서류의 모든 정보 – 신청 금액, 신청자 서명, 날짜 –가 정확히 기입되었는지 점검하고 신분증, 보증 서류와 수입 명세서 등 첨부 서류가 첨부되었는지 확인해야 합니다. 첨부 서류는 스캔한 이미지 파일이나 수기로 작성한 경우가 대부분이고 제출 방식도 이메일, 팩스, 클라우드 스토리지 등으로 다양합니다. 즉, 절차는 간단해 보이지만, 실제 처리는 복잡한 업무이죠. 또한, 담당자가 실수없이 확인해야 하는 항목이 100여개를 넘는 경우도 종종 생깁니다. 

AI를 이용해 대출 심사 업무를 자동화하면 어떻게 될까요? 먼저, AI는 대출 신청서 등 서류를 디지털화하는데 이용됩니다. 기술적으로 보면 Optical character recognition (OCR) 기술로 첨부 서류를 기계가 읽을 수 있는 텍스트 형태로 변환하는 작업입니다. 고급 OCR 기술은 손으로 쓴 서류에 표기된 수정 사항과 이중 표기 내용 등을 추려내고 꼭 필요한 정보만 추출하는 수준에 도달해 있습니다. 

AI가 수행하는 다음 작업은 개별 서류를 확인하고 분류하는 일입니다. 이 과정에서 대출 신청 서류와 나머지 첨부 서류를 구분하는 작업도 AI가 처리합니다. 첨부 서류에서 대출 검토에 관련된 주요 정보를 추출하는 일도 AI 몫입니다. 

대출 심사와 관련된 정보를 추출하고 정형 데이터 변환이 끝나면, AI가 정보 항목별로 ‘오류’ 및 ‘비정상’ 여부를 점검하고 태깅 작업을 진행합니다. 간단해 보이지만 대출 심사 담당자에게 가장 많은 부담을 주는 부분입니다. 대출 심사 업무에 AI를 적용하면 이런 end to end 자동화가 가능해집니다. 이를 통해 얻어지는 효용 가치는 바로 이해하실 수 있을 겁니다. 

비정형 데이터를 구조화하는 UiPath Document Understanding덕분에 AI와 머신러닝이 데이터를 활용해 빠르고 정확한 의사 결정을 도와주는 예측 모델(Predictive Model) 이용도 가능해졌습니다. 이것이 산부인과와 대출 심사 프로세스가 개선을 넘어 혁신이 된 배경입니다.  

머신러닝 모델 이용 방법

위 산부인과 산모 프로그램과 대출 심사 업무는 AI 머신러닝 모델을 사용해 업무를 자동화한 경우이죠. 일반적으로 머신러닝 모델은 데이터를 분석해 데이터에 담겨진 패턴과 규칙을 학습하고 이를 통해 문제 해결 방법을 찾습니다. 문제 해결을 위해 미리 정해진 규칙과 기준에 따라 절차를 정의하는 사람의 방식과는 상당히 다르죠. 

머신러닝 모델 이용 방법은 몇 가지로 나눠지는데, 데이터 과학자와 충분한 데이터셋을 보유한 넷플릭스 같은 기업이 사용자 시청 패턴 분석과 콘텐츠 추천이란 자사 요건에 맞춰 자체 개발한 머신러닝 모델을 쓰는 것이 첫 번째입니다. 자사 비즈니스에 빠르게 AI를 적용 중인 선두 기업들이 주로 채택하는 방법입니다. 

그 다음 방법은 공개된 오픈소스 모델, 소프트웨어 기업 및 시스템 개발자가 개발한 사전 학습된 모델을 이용하는 방법입니다. 이 방법은 자체 머신러닝 모델 개발과 데이터 확보가 어렵거나 스탠포드NLP 같이 공개된 모델로도 업무 목표 달성이 충분한 경우에 많이 이용합니다. 

데이터 과학자가 아니라도 가능한 AI 활용

UiPath는 UiPath AI Center, UiPath Document Understanding 등을 통해 RPA개발자, 현업 사용자가 데이터 과학자 수준의 지식 없이도 머신러닝 모델을 활용하는 길을 열어 놓았습니다. UiPath AI Center은 손쉬운 머신러닝 모델 생성, 관리, 개선이 가능한 AI 플랫폼입니다. 사용자는 AI 패브릭에서 기본 제공되는 사전 학습된 모델을 사용하거나 자체 개발한 머신러닝 모델을 업로드해 이용할 수 있습니다. 

UiPath Document Understanding와 UiPath AI Center은 문서가 처리되는 전 과정에서 유기적으로 협력합니다. 예를 들어, UiPath Document Understanding은 AI 패브릭에서 사용할 수 있는 사전 학습된 문서 처리용 머신러닝 모델을 제공합니다. 사용자는 이 머신러닝 모델을 수정해 사용하거나 그대로 이용할 수 있습니다. 

UiPath 머신러닝 모델 (기본 제공)