지능형 문서 처리 및 비즈니스 오케스트레이션을 통해 자동화 프로그램을 확장하는 SOCAR

전국 모빌리티 네트워크 전반에서 AI 모델과 문서 워크플로우 연결

사업이 성장하면서 세 가지 운영상의 과제가 동시에 부각되었습니다. SOCAR는 전국 287개 지자체별로 다른 양식의 교통 과태료 고지서를 처리하고 있으며, 이 중 상당수가 종이 고지서로 발행됩니다. 양식마다 필드의 위치는 물론 필드명까지 달라, 직원들이 매월 160시간에 걸쳐 데이터를 수작업으로 입력해야 했습니다.

동시에 SOCAR는 외관 사고 탐지, 차량 상태 분석, 타이어 마모 분석 등 약 20개의 AI 모델을 운영하고 있었지만, 각 모델이 부서에서 개별적으로 운영되고 있었고 부서 간 업무 진행 상황이나 인계 시간을 파악하기 어려웠습니다. 또한 AI로 인해 사내 개발 속도가 빨라지면서, 사이클당 5일이 소요되는 수동 회귀 테스트가 출시를 지연시키는 병목으로 작용하기 시작했습니다.

SOCAR는 교통 과태료 고지서 문제를 해결하기 위해 지능형 문서 처리(IDP) 기능인 UiPath IXP(Intelligent Xtraction and Processing)를 도입했습니다. 287가지 형식 중 32개의 대표 유형을 선정하고, 약 1,000건의 실제 고지서를 활용해 라벨링된 데이터셋을 구축한 뒤 약 6주 만에 워크플로우를 구축했습니다. IXP는 문서의 텍스트를 읽고 각 고지서를 형식별로 분류한 후, 지자체명, 차량 번호, 위반 시간, 납부 기한, 과태료 금액 등의 필드를 추출합니다. 신뢰도가 낮은 추출 결과는 사람의 검토 단계로 전달되며, 검토 과정에서 수정된 내용은 모델 학습에 다시 반영됩니다. SOCAR는 추론, 선별, 검토, 미세 조정으로 이어지는 액티브 러닝 루프를 통해 전체 프로세스를 운영하고 있으며, 이를 통해 사용할수록 정확도가 향상됩니다. 현재 추출 모델의 정확도는 95%에 달하며, 과거 수작업 처리 과정에서 누락되던 항목도 이제 자동으로 포착할 수 있게 되었습니다.

UiPath Maestro™를 활용한 개념 증명(PoC) 프로젝트에서 SOCAR는 기존에 부서별로 분리되어 운영되던 업무와 AI 모델을 하나의 워크플로우로 연결했습니다. 이 프로젝트를 통해 가시성을 높이고, SLA 추적을 자동화하며, 팀 간 협업을 간소화할 수 있는 가능성을 확인했습니다. Maestro는 하나의 케이스를 생성하고 외관 사진 분석, 차량 상태, 타이어 마모 등 세 가지 AI 모델을 동시에 실행합니다. 각 모델의 결과는 과거 데이터와 비교됩니다. 이상 징후가 감지되면 워크플로우는 Jira와 Slack을 통해 해당 케이스를 사고기획팀으로 전달하고, 사람이 확인하는 휴먼 인 더 루프(HITL) 체크포인트에서 일시 중지됩니다. 담당자가 확인을 완료하면 자동 후속 처리가 다시 시작됩니다. 이제 접수 확인 시간과 각 단계별 서비스 수준 계약(SLA)이 자동으로 측정되며, 팀 간 인계에 소요되는 시간도 처음으로 운영 리더십에서 확인할 수 있게 되었습니다.

AI로 가속화된 개발 속도에 맞춰 테스트 및 검증을 진행하기 위해 SOCAR는 접근성 기반 화면 구조화와 함께 Test Cloud의 UiPath Test Manager를 활용하고 있습니다. 테스트 케이스는 시나리오별로 다시 작성하는 대신 구조화된 화면 정의를 기반으로 생성되며, Test Manager는 지속적인 회귀 테스트 주기로 테스트를 실행합니다. 아직 개발이 진행 중인 단계이며, 안정적으로 테스트 케이스를 자동 생성하는 것이 가장 어려운 과제로 남아 있습니다. 그럼에도 SOCAR는 SOCAR 앱을 시작으로 적용 범위를 확대하고 있습니다.

UiPath를 통해 SOCAR는 매년 96,400시간의 수작업을 절감하고 있습니다. 서비스 가용률은 99.98%에 달하며, 인시던트 해결 속도는 목표 대비 97% 단축되었습니다. 운영 자동화 프로젝트는 4년 동안 7개에서 59개로 증가했으며, 현재 전사 7개 사업 부문에서 운영되고 있습니다.

AI 네이티브 모빌리티 운영을 향해

SOCAR의 자동화 역량은 단계적으로 발전해 왔습니다. 2022년에는 소프트웨어 로봇을 통해 규칙 기반 업무를 처리하는 것으로 프로그램을 시작했습니다. 2024년에는 서로 다른 팀에서 개별적으로 운영되던 20개의 AI 모델을 하나의 플랫폼으로 통합해 대규모 배포 및 모니터링이 가능하도록 했습니다. 그리고 오늘날에는 앞서 소개한 세 가지 사례에서 볼 수 있듯이, 단순히 분석하거나 추천하는 것을 넘어 사람의 감독하에 행동하는 AI 시스템을 구현하는 에이전틱 단계에 진입했습니다.

2026년, SOCAR는 다음 단계로 ‘AI 네이티브 기업’으로의 전환을 선언했습니다. 기존 프로세스에 AI 도구를 추가하는 데 그치지 않고, AI 에이전트를 핵심 구성 요소로 삼아 서비스와 운영 방식을 전면적으로 재설계하고 있습니다. 장기적인 목표는 자율주행입니다. 현재의 운전자 보조 시스템에서 완전 자율주행 로보택시로 나아가는 것을 목표로 하며, 회사 전체가 이러한 방향에 맞춰 역량을 집중하고 있습니다.

저에게 자동화의 진정한 ROI는 이전에는 불가능했던 일을 가능하게 만드는 것입니다. 팀에서 더 이상 감당하기 어려웠던 업무를 시스템이 맡아주었고, 그 덕분에 사람들은 검토와 판단, 그리고 새로운 서비스를 설계하는 일에 집중할 수 있게 되었습니다.

김주녕 · SOCAR 자동화혁신팀 리더

주요 성과

• 엔드투엔드 문서 자동화: UiPath IXP는 SOCAR가 수신하는 다양한 형식의 교통 과태료 고지서를 처리하며, 사람이 예외 사항을 검증할수록 정확도가 향상되는 액티브 러닝 루프를 운영합니다.

• 오케스트레이션된 AI 워크플로우: UiPath Maestro를 활용한 개념 증명(PoC)을 통해 서로 분리되어 있던 AI 모델과 4개 운영팀을 하나의 추적 가능한 워크플로우에서 조율할 수 있음을 확인했습니다. 이를 통해 팀 간 업무 인계와 SLA 성과에 대한 가시성을 확보했습니다.

• 지속적인 테스트 자동화: Test Cloud의 Test Manager는 자동 생성된 회귀 테스트를 지속적으로 실행하여, AI로 가속화된 개발 과정에서 발생하는 수동 QA 병목을 줄입니다.