RPA 시장의 두드러지는 흐름

※ 본 글은 현황에 대한 글이고 어떻게 추후 고객사, 구축사, 벤더에서 가치창출을 해야할지에 대한 글은 따로 씁니다.

https://jnaul.tistory.com/208 [2021버전]

 

최근 코로나 사태를 차치하고라도

 

RPA 시장은 전반적인 수요가 줄어들고 있다.

 

 

 

i ) 고객의 요구사항은 AI와 접목된 IPA를 요구하는 상황이나

 

실제 AI 리소스는 RPA와 같이 접목시키기엔 한계가 있다.

 

결국 'Cognitive Recognition를 지원하는 AI가 낮은 리소스 하에서도 잘 돌아갈 수 있는가'가 IPA의 핵심인데

 

여전히 머신러닝은 높은 리소스를 요구하며 이를 따라갈만한 RPA와 AI의 조합 솔루션은

 

경제적 상용화 단계가 아니다.

 

특히나 한글의 경우 글로벌 OCR 엔진에서도 인식 역량이 떨어지는 편이기 때문에

 

더더욱 상용화까지는 최소 1년 정도는 남아있다고 생각한다.

 

 

 

 

ii) SAP도 마찬가지지만 국내에서는 특이하게도 기존 솔루션에 대해

 

Customize하는 것을 많이 요구한다.

 

이는 결정권자들이 UI 및 편의성에 많이 신경쓰기 때문으로 보인다.

 

이에 따라 국내 RPA에서는 Portal을 따로 묶어 판매하고 있는 실정이다.

 

 

 

 

iii) 실제 RPA를 구축할 때 가장 어려운 점은 Process 정의이다.

 

현업 및 사이트 PM은 RPA 경험이 별로 없는, 자바 개발자나 컨설턴트 출신이 대부분이다.

 

그러다보니 정작 개발에 들어가서는 현업 인터뷰, PI, 한국식 애자일 등에 고통받기 쉽다.

 

이를 Automation Vendor들도 다 인지하고 있고 이 과정을 줄여 통합하기 위해서

 

각 솔루션들이 Task mining 툴을 제공해 RPA HyperAutomation을 구축하려고 하는 추세다.

 

국내에서는 현업의 device에 쌓인 로깅을 수동으로 분석하는 형태가 많고

 

AA와 Uipath는 각각 Discovery Bot과 Automation Hub라는 별도의 솔루션을 출시 예정이다.

 

사용이 활성화 된다면 프로세스 현업 인터뷰가 짧아질 것으로 기대하지만

 

이 솔루션들에 대한 가격 정책 등이 변수라고 할 수 있다.

 

 

 

 

iv) RPA 메인 수요는 연결 시스템의 부재에서 온다.

 

일반적으로 연결 시스템이 있는 경우 특별히 RPA가 없이도 시스템간 데이터 transfer를 사람이 하지 않아도 된다.

 

그러나 IT 인프라 및 프론트 오피스와 백 오피스는 각각의 솔루션을 활용하는 경우가 많으며

 

이 과정에서 데이터 동기화나 정합성 문제가 발생한다.

 

이런 시스템 다양화는 전문 집단화 되는 최근의 조직에서 필연적이다.

 

[이런 건 통합 시스템이 있으면 되지 않느냐고 반문하기 위해선 IT부서가 막대한 예산을 한번에 타낼 수 있어야 한다.]

 

 

 

 

 

v) RPA를 도입하려는 기업들이 RPA 구축을 쉽게 보고

 

내재화 하려는 경향도 커지고 있다.

 

다만 이 경우 실제 운영 시 예외처리 및 안정화 테스트가 제대로 되지 않아

 

유지보수에 큰 어려움을 느끼게 된다.

 

내재화 추세 가운데 구축사에서는 생산성을 높이고 안정적인 운영을 하기 위해

 

개발 프레임워크를 적극적으로 이용하고 RPA 포탈에 공을 들이고 있다.

 

혹은 RPA 강의 서비스를 판매하는 전략을 펴기도 한다.

 

 

 

 

vi) 최근 몇몇 소스코드형 RPA가 나오고 있다.

 

가격이 기존 솔루션의 30% 수준으로 저렴한 편이지만 생산성이 낮고 유지보수 난이도는 훨씬 더 높다.

 

공수가 길면서 유지보수 비용이 크고, 개발자도 더 구하기 어려운 데다

 

레퍼런스도 많지 않아서 확산은 쉽지 않은 것으로 보인다.

 

이미 고도화된 시장에서 가격만 가지고 승부하기엔 무리가 있다는 평이다.

 

[하지만 중소기업급에서는 초반에 은근 먹히긴 했다고 함. 유지보수가 제대로 될지 의문.]