AI를 이용한 업무 자동화 고객 사례 – EVROS

업무 자동화에 인공지능(AI) 기술이 더해지면 자동화 영역이 크게 넓어지고 자동화 수준도 높아지게 됩니다. 여기에 더해 프로세스 마이닝을 같이 활용하면 여러분 회사가 추구하는 완전히 자동화된 기업 (Fully Automated Enterprise)에 한 발 더 다가서게 됩니다. 오늘은 RPA기반 업무 자동화에 AI기술을 접목해 업무 프로세스 최적화와 더불어 고객 서비스 품질을 높이고 있는 호스팅 서비스 기업, EVROS 사례를 정리해 보겠습니다.

매니지드 서비스, 클라우드 솔루션 & 호스팅 및 사이버 보안 사업 등을 하는 EVROS는 미국, 영국, 아일랜드, 뉴질랜드 4개국에서 6개 데이터센터를 운영하고 있습니다. 

여러 지역에서 다양한 사업을 하기 때문에 업무 프로세스도 많고 지역별로 정책이나 절차가 달라 같은 업무라도 변이가 많은 문제를 갖고 있습니다. 이에 EVROS는 약3년 전부터 UiPath와 함께 관리 서비스, 고객 지원, 보안 및 회계 업무 자동화 프로젝트를 다수 진행했습니다.

고객사의 주요 애플리케이션을 호스팅하는 EVROS 에게는 SW 패치 같은 관리 서비스 고도화가 상시 과제이고, 언제든 다른 업체로 떠날 수 있는 고객을 잡아 두기 위한 고객 지원 업무도 우선 순위입니다.

UiPath와의 협력으로 EVROS가 우선 자동화한 업무들도 이 부분이죠. 그 다음으로 사용자 계정 활성화/비활성 업무, 특정 IP주소나 작업 내용에 따라 사용자를 차단하는 사이버 보안과 회계 업무들을 자동화했습니다. 이중 현업 부서 반응이 가장 좋았던 인보이스 처리 업무의 자동화 사례를 살펴보겠습니다. 

인보이스 처리 프로세스 자동화

중소기업 고객이 많은 EVROS 회계팀이 처리하는 인보이스는 주당 1,600 ~ 1,800건으로 매주 약 20시간 이상 소요되었습니다. 이메일로 접수된 송장 출력, 관련 서류 첨부와 EVROS 회계 시스템인 Microsoft Navision ERP에 입력, 저장하는 단순 수작업의 반복이었습니다. 자동화를 통해 확실한 성과를 보장할 수 있는 업무인 것이죠.

EVROS가 UiPath RPA솔루션과 AI를 활용해 인보이스 업무를 최적화한 방법입니다.

EVROS 인보이스 프로세스 자동화 단계 

첫 작업은 기존 인보이스 프로세스 현황을 파악하고 주요 이슈와 개선점을 찾는 일인데 현업 부서 참여가 중요하죠. 다음은 업체별 인보이스 규모를 파악하고 규모 순으로 선정한 다음 업체들의 인보이스 템플릿과 데이터를 분석하는 작업입니다. 분석 작업을 토대로 업체별 데이터 모델을 만들어 학습을 시키는 것이 다음 단계인데 여기에서 AI가 본격 적용됩니다. 학습을 통해 업체별 인보이스 템플릿에서 어떤 데이터를, 어디서 얻어야 하는지 등을 배우게 됩니다.

1차 학습이 끝나면 UiPath 문서 체계에 맞춰 프로세스를 구성 및 자동화한 다음 업무 프로세스에 포함된 MS 아웃룩 이메일과 ERP (EVROS는 MS Navision)등 IT시스템을 연동합니다. AI가 적용된 업무 자동화는 한 단계가 더 남아 있습니다. 업무 처리 결과를 이용해 머신러닝으로 데이터 모델과 알고리즘을 반복 학습시키고 개선하는 작업인데, 이 과정에 사람이 참여하는 검증 프로세스가 포함되면 더 좋습니다.

AI를 이용한 자동화를 통해 인보이스 프로세스가 어떻게 변했는지 살펴보면, 회계팀이 가장 좋아했던 이유를 알 수 있습니다. 자동화 이전의 프로세스부터 보겠습니다.

자동화 이전 인보이스 처리 프로세스

과거 인보이스 프로세스에는 인보이스 출력, 인보이스와 PO내용 비교 등 많은 수작업이 존재합니다. 또한 수작업을 통해 오류가 발견되면 회계팀과 구매팀과 이메일로 소통하고 건별로 확인하는데 많은 시간이 드는 것을 확인할 수 있습니다.

아래 그림은 RPA와 AI를 이용해 자동화된 이후의 인보이스 프로세스 지도입니다.

AI 기반 자동화 이후 인보이스 프로세스

조금 복잡해 보이지만 더 단순해 졌습니다. 중앙의 빨간 점선을 기준으로 위는 SW 로봇 혼자 처리하는 Unattended 프로세스입니다. 아래는 SW봇과 사람이 함께하는 Attended 방식입니다. 두 방식의 구분점은 그림 맨 좌측 중간에 있는 “송장에서 업체 이름 추출” 단계입니다. 

EVROS는 업체별 인보이스 발행 규모를 기준으로 상위 업체부터 머신러닝 모델을 적용했다고 한 것 기억하시죠? 인보이스 템플릿과 데이터가 머신러닝으로 학습된 데이터 모델을 가진 업체이면 상단의 Unattended 프로세스로 진행되고 신뢰도는 80% 이상을 보이고 있습니다. 적용 단계는 다르지만 Attended 에도 AI 기술이 이용됩니다. 이를 통해 Unattended, Attended 방식 모두 수작업은 줄고 자동화 비율이 증가합니다. 이로써 인보이스 처리 정확성과 생산성은 높아지고 회계팀 직원들은 단순 반복 작업에서 해방되는 것이죠. 실제로 EVROS 회계팀이 인보이스 처리에 투입하는 시간과 오류 발생은 큰 폭으로 줄었습니다. 이것이 업무 자동화로 현업의 업무 생산성이 증가하는 사례입니다.

여기서 한 가지 궁금증이 생깁니다. “Attended 방식에서 사람은 어떤 역할을 할까?”라는 것이죠. 아래는 Attended SW로봇이 처리한 인보이스 예제입니다. SW로봇이 작업 결과를 보내면 담당자가 내용을 검토하고 잘못된 부분을 수정하게 됩니다. 그 결과는 업체별 데이터 모델로 전달되어 해당 모델의 재학습에 이용됩니다. 이 과정이 반복되면 데이터 모델 정확도가 높아지고 Attended 업체도 Unattended로 옮겨가게 됩니다. 이것이 RPA와 AI 기술을 함께 활용한 업무 자동화의 모습입니다.

사람에 의한 인보이스 검증 화면

공상 과학 영화에 나오는 정도는 아니지만, UiPath RPA + AI 솔루션을 활용하면 매일 마주하는 일들의 많은 부분을 자동화하고 우리의 시간과 에너지를 더 가치 있는 일에 투자할 수 있습니다. 참조: 이 블로그는 AI 웨비나 내용을 요약했습니다.