사진 출처@visualChina
기사 | 왕지웨이
"인간 + RPA"에서 "인간 + 생성 AI + RPA"까지, LLM은 RPA 인간-컴퓨터 상호 작용에 어떤 영향을 미치나요?
다른 관점에서 보면 LLM은 인간-컴퓨터 상호 작용의 관점에서 RPA에 어떤 영향을 미치나요?
프로그램 개발과 프로세스 자동화에서 인간과 컴퓨터의 상호작용에 영향을 미치는 RPA도 이제 LLM으로 바뀌게 될까요?
LLM은 인간과 컴퓨터의 상호 작용에 어떤 영향을 미치나요? 생성 AI는 RPA 인간-컴퓨터 상호 작용을 어떻게 변화시키나요? 이해해야 할 기사:
RPA가 프로그램 개발과 자동화에 어떤 기여를 하는지 묻는다면, 그 대답 중 하나는 인간-컴퓨터 상호작용(HCI)을 변화시켰다는 것입니다.
기존 워크플로 자동화 도구에서 소프트웨어 개발자는 작업 목록을 생성하고 작업을 자동화하며 내부 API(응용 프로그래밍 인터페이스) 또는 특수 스크립트 언어를 사용하여 백엔드 시스템과 인터페이스해야 합니다.
RPA 시스템은 사용자가 애플리케이션의 그래픽 사용자 인터페이스(GUI)에서 해당 작업을 수행하는 것을 관찰하여 작업 목록을 개발한 다음 이러한 작업을 GUI에서 직접 반복하여 자동화를 수행하고 여러 애플리케이션 데이터에서 이를 처리할 수 있습니다.
"플러그인"이라고 불리는 이 단순해 보이는 형태는 제품에서 자동화 사용에 대한 장벽을 효과적으로 줄이고 더 많은 조직에서 엔드투엔드 자동화를 가능하게 합니다.
디지털 작업자의 작업 방식을 바꾸는 비즈니스 프로세스 자동화 기술로 20년 이상 단순 반복 작업에서 인력을 해방했을 뿐만 아니라 프로그램 개발도 더욱 쉽게 만들어왔습니다. 동시에 "인간 + RPA" 인간-컴퓨터 상호 작용 모델을 생성하여 조직이 인간-컴퓨터 협업을 보다 쉽게 달성할 수 있도록 합니다.
특히 최근 몇 년 동안 충분히 성숙하고 유연하며 확장 가능하고 안정적인 RPA 플랫폼이 등장한 이후 많은 대규모 조직에서는 RPA를 사용하여 비즈니스 프로세스와 개발 모델을 개선하고 최적화하여 효율성 향상과 비용 절감을 달성할 수 있습니다.
위의 내용은 RPA가 프로그램 개발에서 비즈니스 프로세스 자동화와 인간-컴퓨터 상호 작용을 지속적으로 개선하고 최적화하기 때문에 실현됩니다.
그렇습니다. 다양한 기술의 지원을 받아온 RPA는 지속적으로 더 많은 산업에 침투하고 있으며 다양한 분야의 다양한 비즈니스 시나리오에서 인간과 컴퓨터의 상호 작용을 지속적으로 변화시키고 있습니다.
특히 최근 몇 년 동안 RPA가 다시 인기를 끌게 된 이유는 바로 AI 기술을 깊이 접목하고 있기 때문입니다. RPA를 핵심으로 하는 초자동화 기술 모음에는 자동화 관련 기술이 모두 포함되어 있어 엔드투엔드 자동화된 인간-컴퓨터 상호 작용 경험이 지속적으로 향상되어 더 많은 조직에서 선호하게 됩니다.
이제 대형 AI 모델 시대가 도래했고, 진화하는 RPA에도 생성 AI 기술이 접목되고 있습니다. LLM(Large Language Model, 대규모 언어 모델)을 통합한 현재의 RPA는 인간과 컴퓨터의 상호 작용에 있어서 큰 진전이라고 할 수 있으며, 심지어 이전 RPA 모델의 전복이라고도 할 수 있습니다.
우리는 LLM이 RPA 인간-컴퓨터 상호 작용에 미치는 영향에 대해 이야기하고 싶기 때문에 자연스럽게 인간-컴퓨터 상호 작용부터 시작해야 합니다. LLM은 인간과 컴퓨터의 상호 작용에 어떤 영향을 미치나요? RPA는 인간과 컴퓨터의 상호 작용을 어떻게 개선합니까? LLM은 RPA에 어떤 영향을 미치나요?
이 기사에서는 Wang Jiwei 채널에서 이에 대해 이야기하겠습니다.
인간-컴퓨터 상호작용에서 시작
1970년대에도 대부분의 사무실에서는 여전히 금속 파일, 타자기, 대량의 종이를 사용하여 사업을 운영했습니다. 그리고 부피가 큰 컴퓨터는 소수의 사람만 조작할 수 있는 냉장실에만 보관할 수 있습니다.
이러한 문제를 해결하기 위해 일부 회사에서는 개인용 컴퓨터를 개발하기 시작했습니다. Xerox는 1973년에 Xerox Alto를 개발했습니다. 이 제품은 높은 비용과 기타 문제로 인해 출시되지는 않았지만 최초의 GUI 스케치이자 Macintosh 및 Windows에 대한 영감의 원천이 되었습니다.
일련의 연구와 그에 따른 R&D, 그리고 당시 소형 컴퓨터에 대한 강력한 시장 수요에 영향을 받아 컴퓨터를 보다 사용자 친화적으로 만드는 방법과 이유를 연구하는 수단으로 인간과 컴퓨터의 상호 작용 개념과 1970년대 1980년대 후반과 1980년대 초반에 새로운 학문이 등장했습니다.
그 이후로 HCI 분야는 주로 사회의 가장 복잡한 문제를 해결하기 위해 인간 행동을 분석하고, 사람들이 컴퓨터와 상호 작용하는 방식, 사용자가 컴퓨터와 어느 정도 상호 작용할 수 있는지 연구하는 등 지속적으로 발전해 왔습니다. 컴퓨터와 사용자 간의 관계 성공적인 상호 작용을 이루고 어떤 영역에 더 관련성이 높은 개발이 필요한지 탐색하십시오.
당시 사회 생산성의 첨예한 모순을 해결하는 능력으로 인해 HCI의 연구 분야는 단기간에 IT 전 분야로 확대되었습니다.
동시에 연구원들은 정보 기술 전문가뿐만 아니라 모든 사람에게 컴퓨터와의 상호 작용을 확장해야 한다는 것을 깨달았습니다. 그 결과 몇 년 안에 HCI는 정보 기술 설계의 거의 모든 변화를 포함하도록 급속히 확장되었습니다.
스티브 잡스와 다른 이들의 노력으로 Apple은 1984년에 Macintosh 개인용 컴퓨터를 출시했는데, 이는 인간과 컴퓨터의 상호 작용 형태를 완전히 바꿔 놓았습니다. 컴퓨터 사용이 더 쉬워지고 의사소통이 더 간편해졌으며 키보드, 마우스, 아이콘 기반 사용자 인터페이스가 대중화되었습니다.
이후 Apple은 개인용 PC의 선구자가 되었고 Microsoft는 Windows 시스템을 출시했습니다. 이러한 제품과 소프트웨어는 글로벌 비즈니스 프로세스와 사무실의 인간-컴퓨터 상호 작용 형식을 완전히 변화시키고 전복시켰습니다.
이런 내용은 다들 잘 알고 계시기 때문에 여기서 소개할 필요는 없습니다.
오늘날까지 IoT는 네트워크 연결의 기반이 되었고, 인공 지능은 어디에나 존재하며, 인간과 컴퓨터의 상호 작용은 여전히 다양한 기술, 제품 및 솔루션의 초점입니다.
이전의 개발 역사를 통해 모든 사람은 이미 인간과 컴퓨터의 상호 작용에 대한 일반적인 이해를 갖고 있어야 한다고 생각합니다. 그렇다면 인간-컴퓨터 상호 작용이란 정확히 무엇입니까? 다음 섹션을 살펴보겠습니다.
인간-컴퓨터 상호작용의 4가지 요소, 6가지 목표, 7가지 원칙
일반적인 정의에 따르면 인간-컴퓨터 상호작용 기술(Human-Computer Interaction Techniques)은 컴퓨터 입출력 장치를 통해 인간-컴퓨터 대화를 효과적으로 가능하게 하는 기술을 말합니다.
인간-컴퓨터 상호작용 기술에는 출력이나 디스플레이 장치를 통해 대량의 관련 정보와 지시 프롬프트를 제공하는 기계가 포함되며, 사람은 입력 장치를 통해 기계에 관련 정보를 입력하고 질문에 답하고 지시 프롬프트 등을 입력합니다. 따라서 인간-컴퓨터 상호작용 기술은 컴퓨터 사용자 인터페이스 디자인에 있어서 중요한 내용 중 하나이다.
학술적으로 인간-컴퓨터 상호 작용은 인간이 사용할 수 있는 대화형 컴퓨팅 시스템의 설계, 평가 및 구현과 이를 둘러싼 주요 현상에 대한 연구와 관련된 학문입니다.
인간-컴퓨터 상호작용은 인간(사용자)과 컴퓨터 사이의 인터페이스(상호작용 인터페이스)에 중점을 두고, 컴퓨터 기술의 설계와 활용에 중점을 두고 있습니다. 인간과 컴퓨터의 상호작용은 컴퓨터 과학, 심리학, 사회학, 그래픽 디자인, 산업 디자인 등 다양한 분야를 포괄합니다. 이는 매우 포괄적인 현대 과학입니다.
Wikipedia는 인간과 컴퓨터 사이의 인터페이스가 이러한 상호 작용을 촉진하는 데 필수적이라고 믿습니다. 데스크탑 애플리케이션, 인터넷 브라우저, 휴대용 컴퓨터 등은 오늘날 널리 사용되는 GUI를 활용합니다. 음성 인식 및 합성 시스템은 음성 사용자 인터페이스(VUI)를 활용합니다.
새로운 다중 모드 및 그래픽 사용자 인터페이스를 통해 사람들은 다른 인터페이스에서는 불가능한 방식으로 특정 캐릭터 및 에이전트와 상호 작용할 수 있습니다.
그래서 인간-컴퓨터 상호작용 분야의 발전은 상호작용의 질적 향상으로 이어졌고 많은 새로운 연구 분야로 이어졌습니다. 일반 인터페이스를 설계하는 대신 다양한 연구 분야에서는 단일 모드 대신 다중 모드, 명령/작동 기반 인터페이스 대신 스마트 적응형 인터페이스, 수동 인터페이스 대신 능동 인터페이스 개념에 중점을 둡니다.
인간-컴퓨터 상호 작용이라는 이름에서 우리는 이것이 사용자, 컴퓨터 자체, 그리고 이들이 함께 작동하는 방식이라는 세 부분으로 구성되어 있음을 추론할 수 있습니다.
나중에 이 세 부분은 사용자, 작업, 도구/인터페이스, 배경이라는 네 가지 기본 요소로 확장되었습니다.
동시에 HCI는 효율적인 사용(efficiency), 안전한 사용(security), 좋은 유용성(practicability), 배우기 쉬움(learnability), 기억하기 쉬움(memorability)이라는 6가지 목표를 가지고 있습니다.
이를 바탕으로 HCI의 7가지 디자인 원칙도 다음과 같이 도출됩니다.
특정 응용 분야에서 사물 인터넷, 시선 추적 기술, 음성 인식 기술, AR/VR 사용 및 클라우드 컴퓨팅은 모두 인간과 컴퓨터 상호 작용의 매우 전형적인 사례입니다.원칙 1: 공정한 사용;
원칙 2: 유연한 사용
원칙 3: 사용이 간단하고 직관적입니다.
원칙 4: 인지 가능한 정보원칙 5: 내결함성
원칙 6: 낮은 육체 노동
원칙 7: 크기와 공간에 접근하고 사용하세요.
HCI 개발의 역사와 수많은 의견, 사례는 기술이 HCI를 크게 향상시킬 수 있음을 입증합니다.
통신 및 정보 기술의 혁신과 발전을 통해 계속해서 HCI에 상당한 영향과 개선을 가져오고 있습니다. 예를 들어, 최근 몇 년간 AI 기술의 도움으로 번창한 RPA는 비즈니스 프로세스 자동화 및 사무 비즈니스 시나리오에 인간과 컴퓨터의 상호 작용 및 경험을 크게 향상시켰습니다.
인간-컴퓨터 상호작용 및 RPA
앞서 인간-컴퓨터 상호 작용의 목표는 컴퓨터가 인간의 요구에 더 잘 적응할 수 있도록 하고 음성 인식, 이미지 인식, 자연어 처리, 제스처 제어 등과 같은 보다 친근하고 스마트하며 자연스러운 상호 작용 방법을 제공하는 것이라고 언급했습니다. .RPA는 소프트웨어 로봇을 사용하여 인간의 작업을 시뮬레이션하는 기술로, 사용자 인터페이스를 통해 엔터프라이즈 애플리케이션 시스템과 상호 작용하고 예상 작업을 완료할 수 있습니다.
현대 RPA에는 인공 지능(AI)과 머신 러닝(ML)도 통합되어 지능형 프로세스 자동화(IPA)를 달성하고 자연어 처리(NLP), 컴퓨터 비전(CV) 및 데이터 분석 대기와 같은 보다 복잡한 사용 사례를 처리합니다.
RPA는 반복적인 규칙 기반 워크플로를 자동화하고, 작업 효율성, 정확성 및 규정 준수를 향상하고, 인건비를 줄이고, 오류율을 줄이고, 비용과 시간을 절약할 수 있으며, 재무, 인적 자원, 인적 자원 등 다양한 반복적이고 표준화된 비즈니스 시나리오에 적합합니다. 공급망, 정보 기술 등
Wang Jiwei 채널은 "디지털 혁신 시대에 RPA+AI는 인간-기계 협업을 여는 가장 좋은 방법입니다"라는 기사에서 현대 기업 관리 소프트웨어 시스템과 다양한 자동화 도구를 운영 난이도의 관점에서 말한 적이 있습니다. , 배포 주기, 투자 비용 다른 관점에서 보면 RPA는 조직이 인간-기계 협업을 적용하는 가장 좋은 방법이라고 볼 수 있습니다.
그중 RPA의 가장 큰 장점은 프로그램 개발의 난이도를 줄이고, 간단한 애플리케이션 개발에 일선 사업 인력이 참여할 수 있게 하며, 국가 발전을 더욱 현실화한다는 점이다.
RPA가 이를 가능하게 하는 이유는 프로그램 개발의 인간-컴퓨터 상호작용 모델을 바꾸기 때문입니다. 이를 통해 프로그래밍을 할 수 없는 일반 직원도 RPA 도구를 활용해 프로그래머처럼 필요한 자동화 프로그램이나 소프트웨어 로봇을 개발할 수 있다.
한편으로는 RPA를 사용하면 코드 작성부터 다양한 기능 구성 요소의 "드래그 앤 드롭"에 이르기까지 프로그램 개발이 더 쉬워지는 반면, 더 이상 수동 실행이 필요하지 않고 더 많은 비즈니스 프로세스를 자동화할 수 있습니다. RPA는 프로그램 개발과 비즈니스 실행의 인간-컴퓨터 상호 작용을 동시에 변화시켰다고 할 수 있습니다.
그러므로 RPA는 인간과 컴퓨터의 상호작용과 밀접한 관련이 있습니다. RPA는 기본적으로 인간과 기계의 협업 작업 모델이기 때문에 인간이 규칙을 정의하고, 실행을 감독하고, 최적화하고 개선해야 하는 반면, 기계는 규칙을 실행하고, 피드백을 제공하고, 학습하고 개선하는 일을 담당합니다.
RPA는 인간의 작업을 시뮬레이션할 수 있을 뿐만 아니라 AI 기술을 결합하여 인간의 이해와 의사결정을 달성할 수 있습니다. 예를 들어, OCR(광학 문자 인식) 기술은 이미지 속 텍스트를 식별하는 데 사용되고, NLP 기술은 언어의 의도를 이해하는 데 사용되고, 지능형 의사 결정 기술은 최적의 솔루션을 도출하는 데 사용됩니다.
AI와 기타 기술을 통합한 RPA는 다음과 같은 장점이 있습니다.
1. 업무 부담을 효과적으로 줄여 사람들이 지루한 백그라운드 작업에서 해방되고 보다 가치 있는 혁신과 전략적인 작업에 집중할 수 있습니다.
2. 인간-컴퓨터 상호 작용의 속도와 품질을 향상시킵니다. 소프트웨어 로봇은 시간, 위치, 감정에 영향을 받지 않고 24시간 내내 작업할 수 있으며 실수나 누락이 발생하지 않습니다.3. 인간-컴퓨터 상호 작용의 범위와 깊이를 확장합니다. 소프트웨어 로봇은 관련되지 않은 여러 소프트웨어 시스템에 액세스 및 통합하고, 대량의 정형 및 비정형 데이터를 처리하고, 학습 및 최적화를 위해 AI 및 ML의 기능을 활용할 수 있습니다.
따라서 RPA는 인간과 컴퓨터의 상호작용을 최적화하는 효과적이고 대표적인 기술입니다. 프로세스 자동화, 인텔리전스 및 최적화를 실현하여 기업의 효율성, 품질 및 가치를 향상시킬 수 있습니다.
인간-컴퓨터 상호 작용에 LLM이 미치는 영향LLM은 신경망을 사용하여 레이블이 지정되지 않은 대량의 텍스트에 대해 자기 지도 학습 또는 준지도 학습을 수행하는 언어 모델입니다. LLM은 엄청난 수의 매개변수(보통 수십억 개 이상)를 갖고 있으며 다양한 작업에서 뛰어난 성능을 보여줄 수 있습니다.
다양한 분야의 현재 적용 사례로 볼 때, LLM 기반 생성 AI 기술의 출현은 인간과 컴퓨터의 상호 작용에 파괴적인 변화를 가져왔습니다.
제너레이티브 AI가 사람들에게 주는 가장 직접적인 느낌은 원래 워크플로의 다양한 소프트웨어 작업과 소프트웨어 간 작업이 이제 생성 AI와의 몇 번의 대화만으로 완료될 수 있다는 것입니다.
예를 들어 Midjourney를 사용하여 그림을 생성하거나 ChatGPT Plus를 사용하여 소프트웨어 애플리케이션 코드를 생성하면 그리기 소프트웨어와 프로그래밍 소프트웨어를 전혀 사용할 필요가 없습니다. 또한 ChatGPT의 플러그인 생태계는 빠르게 개선되고 있으며 앞으로는 대화만으로 완료할 수 있는 애플리케이션 시나리오의 비즈니스 운영이 점점 더 많아질 것입니다.
이것은 상호 작용 방식의 변화입니다. 다양한 소프트웨어 UI를 사용한 원래의 인간-컴퓨터 상호 작용을 채팅 창과의 상호 작용으로 직접 변경하는 것입니다. 이는 전례 없는 상호 작용 경험입니다.
요약하자면, LLM 또는 생성 AI는 인간과 컴퓨터의 상호 작용에 다음과 같은 영향을 미칩니다.
우선, 인간-컴퓨터 상호 작용의 효율성, 품질 및 편의성을 향상시킵니다.생성 AI를 통해 사용자는 많은 시간과 에너지를 들이지 않고도 원하는 정보나 서비스를 빠르게 얻을 수 있습니다. 동시에 LLM은 사용자 입력과 컨텍스트를 기반으로 적절한 응답을 생성하여 사용자 입력 부담을 줄이고 상호 작용 유창성과 자연성을 향상시킬 수 있습니다. 또한 생성 AI는 사용자 피드백과 선호도에 따라 출력을 동적으로 조정하여 더 나은 대화형 효과를 얻을 수 있습니다. 예를 들어 ChatGPT는 사용자가 글쓰기, 디자인, 프로그래밍과 같은 복잡한 작업을 완료하도록 돕거나 사용자에게 맞춤형 추천, 상담, 엔터테인먼트 및 기타 콘텐츠를 제공할 수 있습니다.
둘째, 인간-컴퓨터 상호 작용의 다양성과 창의성을 높입니다. LLM은 사용자의 개인화되고 다양한 요구를 충족하기 위해 사용자 요구와 선호도에 따라 다양한 스타일의 텍스트, 오디오, 비디오 및 기타 콘텐츠를 생성할 수 있습니다. 생성적 AI를 통해 사용자는 더 많은 콘텐츠에 접근하고 선택할 수 있어 시야와 사고가 확장됩니다. 물론 생성적 AI는 사용자의 다양한 감정적, 감정적 요구를 충족시키기 위해 사용자와 더욱 심층적이고 유연한 대화를 나눌 수도 있습니다.
예를 들어 생성 AI는 사용자에게 다양한 스타일과 테마의 텍스트, 이미지, 음악 등을 제공하거나 시, 이야기, 농담 등 사용자를 위한 새롭고 흥미로운 콘텐츠를 생성할 수 있습니다.
셋째, 인간-컴퓨터 상호작용의 관계와 의미를 변화시킵니다. 제너레이티브 AI를 통해 사용자는 인공지능과 더 가깝고 신뢰적인 관계를 구축할 수 있으며, 공동 창작과 협력의 느낌까지 조성할 수 있습니다.
LLM 기반 챗봇은 사용자에게 더 많은 피드백과 제안을 제공하거나 자신의 생각과 감정을 사용자와 공유할 수 있습니다. 또한 생성적 AI는 사용자가 자신과 인공 지능의 강점과 한계, 이를 더 잘 활용하고 개발하는 방법을 더 잘 인식하도록 할 수 있습니다.
넷째, 인간-컴퓨터 상호작용의 분야와 시나리오를 확장합니다. ChatGPT와 같은 생성적 AI 애플리케이션은 적응성과 일반화가 뛰어나 교육, 엔터테인먼트, 의료, 비즈니스 등 다양한 분야와 시나리오에 적용할 수 있습니다. 사용자가 배우고, 놀고, 상담하고, 쇼핑하기를 원하는 경우 ChatGPT와 같은 애플리케이션과 통신하여 목표를 달성할 수 있습니다.
다섯째, 인간과 컴퓨터의 상호작용의 재미와 친밀감을 높여보세요. LLM을 기반으로 한 생성적 AI 애플리케이션은 풍부한 지식과 개성을 갖추고 있으며 사용자의 관심과 감정에 따라 언어 스타일과 주제를 조정할 수 있으며 사용자를 즐겁게 해주는 유머, 시, 이야기 및 기타 창의적인 콘텐츠도 생성할 수 있습니다.
이렇게 하면 사용자는 로봇과의 소통이 지루하다는 느낌이 아니라, 로봇과의 소통이 흥미롭고 따뜻한 일이라는 것을 느끼게 될 것입니다.
LLM은 인간-컴퓨터 상호 작용에 중요하고 복잡한 영향을 미치므로 다양한 분야에서 큰 개발 잠재력과 산업 응용 가치를 제공합니다. 조직은 인간-컴퓨터 상호 작용의 수준과 경험을 향상하고 인간-컴퓨터 상호 작용의 효율성과 품질을 향상하며 인간-컴퓨터 상호 작용 관계를 강화하고 인간-컴퓨터 상호 작용의 분야와 시나리오를 확장하기 위해 LLM 및 생성 AI를 적극적으로 탐색하고 활용해야 합니다. 상호 작용.
물론, 이로 인해 발생하는 위험과 과제, 합리적으로 사용하고 감독하는 방법에도 주의를 기울여야 합니다.
대규모 언어 모델을 기반으로 한 생성적 AI가 RPA와 빠르게 통합되고 있다는 점에 주목해야 합니다. 생성적 AI는 RPA의 인간-컴퓨터 상호 작용에 질적 도약을 가져올 것입니다.
LLM은 RPA 인간-컴퓨터 상호 작용을 변경합니다
RPA는 반복적이고 정기적이며 가치가 낮은 비즈니스 프로세스를 자동화하여 효율성을 향상하고 비용을 절감하며 오류를 줄일 수 있습니다. 그러나 복잡하고 변화하는 고가치 비즈니스 시나리오 처리의 어려움, 비즈니스 프로세스 변화에 대한 적응의 어려움, 지속적인 유지 관리 및 업데이트의 필요성, 복잡하고 구조화되지 않은 비즈니스 시나리오 처리의 어려움 등 몇 가지 과제와 한계에도 직면해 있습니다. 창의성이나 판단력 등이 필요한 작업
초자동화 아키텍처로 인해 RPA 운영이 충분히 안정적으로 이루어졌지만 복잡한 프로세스의 안정적인 운영에는 숨겨진 위험도 있습니다.
과거 제조사에서는 이러한 문제를 해결하기 위해 다양한 방법을 시도했지만, 이러한 문제를 근본적으로 제거할 수는 없었습니다. LLM을 기반으로 한 생성 AI가 등장하기 전까지 RPA가 직면했던 여러 가지 문제를 갑자기 해결했습니다.
LLM이 RPA에 미치는 영향에 대해 Wang Jiwei 채널(id: jiwei1122)은 이미 "GPT와 같은 빅 AI 모델이 등장하고 있으며, RPA 기반의 초자동화가 여전히 최고의 구현 캐리어"라는 기사에서 자세히 소개한 바 있습니다.
여기서 LLM이 RPA의 인간-컴퓨터 상호 작용을 어떻게 변화시키는지 간략하게 이야기해 보겠습니다.
LLM은 RPA에 더욱 강력한 자연어 처리 기능, 더욱 강력한 지식 습득 및 추론 기능, 더욱 강력한 생성 및 생성 기능을 제공할 수 있습니다.
구체적으로 LLM이 RPA 인간-컴퓨터 상호 작용에 미치는 영향은 다음과 같은 측면에서 반영될 수 있습니다.
RPA의 지능 수준을 향상시킵니다. LLM을 적용하면 사용자의 자연어 입력을 더 잘 식별하고 이해할 수 있으며 사용자의 요구 사항과 의도를 더 잘 충족할 수 있는 자연어를 생성할 수 있습니다. 또한 상황과 목표를 기반으로 적절한 운영 단계를 생성하고, 여러 차례의 대화와 추론을 수행하고, 보다 복잡하고 다양한 비즈니스 시나리오를 처리하고, 보다 복잡하고 유연한 비즈니스 프로세스 자동화를 달성할 수 있습니다.
사용자는 복잡한 프로그래밍이나 드래그 앤 드롭 구성 요소를 통해 프로세스를 설계할 필요 없이 음성이나 텍스트를 통해 RPA와 대화하고 수행할 작업을 알려줄 수 있습니다.
또한 LLM은 RPA가 지식 추출 및 추론을 수행하도록 도와줌으로써 더 가치 있는 정보와 제안을 제공할 수 있습니다.
RPA의 적용 범위를 확장해보세요. LLM은 RPA의 적용 범위를 효과적으로 확장하여 소프트웨어 로봇이 텍스트 분류, 텍스트 요약, 텍스트 생성, 기계 번역, 질문 및 답변 시스템 등과 같은 자연어와 관련된 더 많은 작업을 처리할 수 있도록 합니다. 또한 이미지, 오디오, 비디오 등과 같은 다른 양식의 데이터와 상호 작용하여 더욱 풍부하고 다차원적인 비즈니스 프로세스를 달성할 수 있습니다.
LLM은 또한 소프트웨어 로봇이 OCR, NLP, 로우 코드, 프로세스 마이닝, 챗봇 등과 같은 다른 AI 기술과 통합 및 협업하여 초자동화를 달성할 수 있도록 해줍니다.
LLM을 사용하면 RPA는 언어와 문화적 장벽을 뛰어넘어 더 폭넓고 다양한 고객과 시장에 서비스를 제공할 수 있습니다.
RPA의 혁신 잠재력을 높이세요. LLM은 RPA의 창의성과 유연성을 향상하여 다양한 시나리오와 데이터를 기반으로 보고서, 요약, 제안 등과 같은 적절한 텍스트를 생성할 수 있습니다. 예를 들어, RPA는 사용자가 제공한 키워드나 주제를 기반으로 블로그 기사를 자동으로 생성하고 기사에 관련 사진, 동영상, 링크 등을 삽입할 수 있습니다.
LLM을 사용하면 RPA는 더욱 유연하고 적응적인 학습과 생성을 수행하여 더욱 새롭고 흥미로운 콘텐츠와 솔루션을 생산할 수 있습니다. LLM은 또한 인간과 보다 효과적이고 친근하게 협력하고 의사소통하여 더 많은 창의성과 영감을 불러일으킬 수 있습니다.
RPA 개발 효율성을 향상시킵니다. Generative AI를 사용하면 사용자는 복잡한 코드를 작성하거나 그래픽 인터페이스를 사용하지 않고도 간단한 언어 설명을 통해 비즈니스 프로세스를 정의하고 수정할 수 있습니다. 그리고 사용자 피드백과 데이터 분석을 기반으로 비즈니스 프로세스를 최적화하고 조정하여 지속적인 개선을 달성할 수 있습니다.
RPA 상호 작용 경험과 사용자 만족도를 최적화합니다. LLM과 통합된 RPA는 사용자와 더욱 자연스럽고 친근하며 흥미로운 대화를 나눌 수 있어 사용자의 신뢰와 참여도를 높일 수 있습니다. RPA는 사용자의 감정과 관심에 따라 톤과 스타일을 조정할 수 있으며, 유머를 말하거나 유명한 명언을 인용하여 분위기를 조정할 수도 있습니다.
확장 읽기: ChatGPT는 RPA와 통합되어 있으며 생성 AI+자동 프로세스는 AIGC
의 가치를 두 배로 높입니다.물론 LLM이 RPA 인간-컴퓨터 상호 작용에 미치는 영향은 지능, 효율성 및 혁신 측면뿐만 아니라 RPA 소프트웨어 아키텍처의 변화에도 직접적인 영향을 미칩니다.
후기: LLM
의 영향으로 RPA 아키텍처가 변경되었습니다.LLM 이전에 RPA는 프로그램 개발 및 프로세스 자동화에서 인간과 컴퓨터의 상호 작용을 크게 개선했습니다. 더욱이, 많은 제조업체들은 이미 "모든 사람이 사용할 수 있는 RPA"라는 개념을 출시했습니다. 이러한 개념을 바탕으로 RPA는 점점 더 사용하기 쉬워지고 있으며, 이를 사용하여 프로그램을 개발하고 프로세스 자동화를 구현하는 것이 더 쉬워졌습니다.
사용 편의성 측면에서 제조업체는 이력서부터 화면 캡처, AI 모델까지 많은 탐색과 시도를 해왔습니다. RPA 프로그램 개발 과정에서 AI, 0-code 등의 기술을 기반으로 RPA는 점차 원래의 "드래그 앤 드롭" 형식을 없애고 "클릭하여 사용" 및 대화형(음성 기반 포함) 프로세스 생성으로 전환하고 있습니다. 행동 양식.
인간-컴퓨터 상호작용 측면에서 대화형 프로세스 생성은 RPA, 심지어는 초자동화의 궁극적인 상태라고 할 수 있습니다. 미래에는 초자동화를 활용하여 시스템에서 몇 줄을 입력하거나 문장을 말하면 다양한 소프트웨어 로봇이나 자동화된 프로그램을 만들 수 있습니다.
그러나 이전 대화 생성은 간단한 사전 설정 프로세스에만 적합합니다. 약간 더 복잡한 프로세스는 효과적이지 않거나, 달성하기 위해 더 많은 프로세스를 트리거하고 동원하려면 더 많은 프로세스 단계가 필요합니다. 프로세스의 견고성은 테스트하기 어렵기 때문에 사용자는 이를 사용하려면 해당 구문과 지침을 잘 알고 있어야 합니다.
신청 경험 측면에서는 아직 부족한 점이나 개선의 여지가 있습니다.
LLM 등장 이후 생성 AI를 통합한 RPA 제품의 경우 사용자는 자연어를 사용하여 RPA를 구동하여 프로세스를 생성할 수 있습니다.
그리고 생성적 AI는 감정 인식, 비정형 데이터 처리 등 RPA의 단점을 생성된 콘텐츠의 형태로 보완할 수 있어 누구나 RPA를 구동하여 많은 학습 없이도 보다 간단하고 빠르며 효율적으로 다양한 자동화 프로그램을 개발할 수 있게 해줍니다. RPA는 누구나 사용할 수 있습니다.
과거에는 RPA를 사용할 때 사람들이 직접 RPA를 조작하여 블록을 당기고 쌓는 방식으로 다양한 프로그램을 구축했습니다. 이제 사람들은 자연어를 통해 GPT와 같은 생성적 AI와 소통합니다. 인간의 작업 의도를 이해한 후 멀티모달 AI는 RPA를 더욱 추진하여 기업 관리 소프트웨어를 연결하여 다양한 비즈니스 프로세스를 자동화합니다.
GPT와 같은 대형 AI 모델은 RPA와 같은 시스템과 사람을 더욱 연결하여 사람의 의도를 위로 연결하고 RPA 로봇을 아래로 향하게 하여 사람과 RPA와 같은 자동화 시스템을 연결함으로써 프로그램 개발과 자동화된 프로세스 운영을 더욱 효율적으로 만듭니다.
GPT는 사람과 RPA 기반 초자동화를 연결하며, 이는 인간과 컴퓨터의 상호 작용 경험에 있어 큰 발전입니다.
Wang Jiwei의 채널에 따르면 과거의 "인간 + RPA"에서 현재의 "인간 + 생성 AI + RPA"에 이르기까지 LLM 및 통합 생성 AI의 도입으로 RPA 제품의 인간-컴퓨터 상호 작용이 크게 향상되었습니다. 본질적으로 LLM입니다. RPA의 아키텍처 변경에 영향을 미칩니다.
이제 거의 모든 제조업체는 LLM, RPA 및 초자동화의 포괄적인 통합을 집중적으로 연구하고 있으며 RPA는 제품 아키텍처에 모델 계층을 추가했습니다.
이는 타사 모델을 호출하든 자체 개발 모델을 호출하든 RPA가 모델 계층의 표준 애플리케이션이 되었음을 의미합니다.
LLM이 RPA의 표준 구성으로 자리잡으면서 대형 모델 시대에도 RPA를 종합적으로 혁신할 것으로 예상할 수 있습니다.
위 내용은 '인간 + RPA'에서 '인간 + 생성 AI + RPA'까지 LLM은 RPA 인간-컴퓨터 상호 작용에 어떤 영향을 미치나요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
