[논문 리뷰] Hybrid Approach to Automation, RPA and Machine Learning: a Method for the Human-centered Design of Software Robots

Wiesław Kopeć, Marcin Skibiński외 7명|arXiv (Cornell University)|2018. 11. 06.

Digital Transformation in Industry참고 문헌 4인용 수 10

한 줄 요약

이 논문은 참가형 설계, 라이ving 랩, 상호작용 가능한 기계학습을 통합한 인간 중심의 하이브리드 접근 방식을 제안하여 routine jobs를 보다 높은 역량을 요구하는 역할로 전환한다. 도메인 특화 언어(DSLs)와 협업형 AI를 통해 직원들을 공동 설계자이자 공동 프로그래머로 육성함으로써 지속 가능한 RPA 도입을 가능하게 하며, 일자리 대체를 최소화하고 운영 연속성을 향상시킨다.

ABSTRACT

One of the more prominent trends within Industry 4.0 is the drive to employ Robotic Process Automation (RPA), especially as one of the elements of the Lean approach. The full implementation of RPA is riddled with challenges relating both to the reality of everyday business operations, from SMEs to SSCs and beyond, and the social effects of the changing job market. To successfully address these points there is a need to develop a solution that would adjust to the existing business operations and at the same time lower the negative social impact of the automation process. To achieve these goals we propose a hybrid, human-centered approach to the development of software robots. This design and implementation method combines the Living Lab approach with empowerment through participatory design to kick-start the co-development and co-maintenance of hybrid software robots which, supported by variety of AI methods and tools, including interactive and collaborative ML in the cloud, transform menial job posts into higher-skilled positions, allowing former employees to stay on as robot co-designers and maintainers, i.e. as co-programmers who supervise the machine learning processes with the use of tailored high-level RPA Domain Specific Languages (DSLs) to adjust the functioning of the robots and maintain operational flexibility.

연구 동기 및 목표

• 직원의 일자리 상실과 저항과 같은 RPA 도입의 사회경제적 과제를 해결한다.
• 레거시 시스템, 데이터 품질, 분산된 프로세스 등의 기술적·조직적 장벽을 극복한다.
• 직원의 능력 강화를 통해 반복적이고 낮은 역량의 직무를 고도화된 공동 설계자 및 공동 프로그래머 역할로 전환한다.
• 현업 직원들을 소프트웨어 로봇의 설계 및 유지보수에 참여시킴으로써 사업 연속성과 운영의 유연성을 확보한다.
• 모든 산업, 특히 중소기업(SMEs)과 공유 서비스 센터에 적용 가능한 확장 가능한 인간 중심의 RPA 프레임워크를 개발한다.

제안 방법

• 라이빙 랩 방법론을 활용해 제어된 협업 환경에서 실제 업무 프로세스를 공동 분석하고 실세계 데이터를 수집한다.
• 최종 사용자를 소프트웨어 로봇의 공동 창작자로 참여시켜 실제 워크플로우와의 일치를 보장하는 참가형 설계 원칙을 적용한다.
• RPA, 클라우드 기반 기계학습, 신경망을 통합한 하이브리드 소프트웨어 플랫폼을 구현하여 적응형 자동화를 실현한다.
• 직원들이 AI 출력 결과를 검증, 수정, 개선할 수 있도록 상호작용적이고 협업형 기계학습을 활용하며, OCR 태깅 및 예외 처리까지 포함한다.
• RPA를 위한 도메인 특화 언어(DSLs)를 개발하고 구현하여 비기술 직원이 로봇 로직을 감시하고 수정할 수 있도록 한다.
• 단계적 구현 프로세스를 수립한다: RPA 잠재력 분석, 직원 워크숍, 프로세스 모델링, 공동 설계, AI 훈련, 공동 유지보수 훈련

실험 결과

연구 질문

• RQ1 어떻게 하면 RPA 도입 시 직원에게 악영향을 최소화하면서 구현할 수 있는가?
• RQ2 참여형 설계와 라이빙 랩이 지속 가능한 RPA 솔루션을 공동 창출하는 데 어떤 역할을 할 수 있는가?
• RQ3 직원들이 반복적 작업 수행자에서 소프트웨어 로봇의 공동 설계자 및 공동 프로그래머로 전환하는 데 효과적으로 어떻게 지원할 수 있는가?
• RQ4 상호작용적이고 협업형 기계학습이 RPA 시스템의 신뢰성과 적응 가능성에 어떻게 기여할 수 있는가?
• RQ5 레거시 시스템과 분산된 프로세스는 현대적이고 유지보수 가능한 RPA 아키텍처에 어떻게 통합될 수 있는가?

주요 결과

• 하이브리드 접근 방식은 반복적이고 단순한 업무를 고도화된 역할로 성공적으로 전환하여, 이전에는 단순 업무를 수행하던 직원들이 소프트웨어 로봇의 공동 설계자 및 공동 프로그래머가 되도록 했다.
• 참여형 설계와 라이빙 랩을 통한 직원 참여는 소유감을 증가시키고 저항을 줄이며, RPA 시스템의 장기적 지속 가능성에 기여한다.
• 상호작용적이고 협업형 기계학습은 AI 출력 결과의 실시간 검증과 수정을 가능하게 하여 데이터 품질과 시스템 신뢰성을 향상시켰다.
• 고수준의 RPA 도메인 특화 언어(DSLs)의 사용은 비기술 직원이 로봇 행동을 감시하고 수정할 수 있게 하여 운영의 민첩성을 높였다.
• 내부 프로세스 지식을 유지하고 훈련된 직원이 실시간으로 예외 처리를 수행할 수 있도록 하여 사업 연속성을 확보했다.
• 분석, 공동 설계, 훈련, 공동 유지보수를 포함한 단계적 구현 모델은 고객 서비스 및 프로세스 자동화와 같은 실제 환경에서 효과적인 것으로 입증되었다.