Offcanvas
추천 테크라이브러리

BI|분석

“실물 이상의 파괴적 가능성” 디지털 트윈의 이해와 활용 방안 - DeepDive

전 세계적으로 사이버 공격이 날로 고도화되고 있으며, 사이버 공격으로 인한 피해액도 역대 최고치를 갱신하고 있다. 점점 정교해지고 파괴력이 커지는 상황에서 기업의 손해배상 부담을 완화하고 사용자의 피해를 구제하는 하나의 방법으로 주목받는 것이 ‘사이버 보험’이다. 사이버 보험이란 사이버보안 사고로 인한 당사자 및 제3자의 유무형 자산 손실을 담보하는 보험을 의미한다. 사이버 공격과 피해액이 급증하면서 사이버 보험의 필요성은 점차 확대되는 추세다. 보험사 및 재보험사에서도 하나둘 관련 상품을 내놓고 있으며 정부에서 의무 법안을 마련하기도 했다. 하지만 보험사와 정부의 움직임에도 불구하고 보험 가입 대상인 국내 기업의 인식 수준과 이해는 부족한 실정이다. 사이버 보험은 보안 사고의 후폭풍을 어떻게, 얼마나 막아줄 수 있을까? 사이버 보험의 간단한 연혁과 함께 시장의 현주소를 짚어보자. 주요 내용 - 사이버보안 사고로 인한 손실을 보장하는 방법 - 기업의 가장 큰 위협이지만 대비 부족해 - 전 세계 사이버 보험 시장을 주도하는 미국  - 태동기인 국내 시장은 개인정보 유출에만 주력 - “보장 공백 생기고 공격 촉진한다?” 사이버 보험의 딜레마 - 박스 기사 | 사이버 보험에 가입하기 전 생각해야 할 5가지

테크라이브러리 광고 및 콘텐츠 제휴 문의

입력하신 이메일로 안내메일을 발송해드립니다.

BI|분석

"챗봇 지고 예측 분석 뜬다" 2022 국내 인공지능 도입 및 활용 현황 조사 - Market Pulse

오늘날 디지털 트랜스포메이션을 추구하는 기업에 인공지능(AI)과 머신러닝(ML)은 필수로 여겨진다. 시장의 흐름을 읽을 수 있는 새로운 인사이트를 찾아내고 업무를 자동화하는 것은 물론 공급망을 최적화하고 마케팅 성과를 극대화하려면 이 두 기술을 얼마나 잘 사용하느냐가 중요하다. 그렇다면 현재 우리 기업은 AI/ML 기술을 얼마나 어떻게 도입해 어떤 업무에 활용하고 있을까? 조사 결과 최근 2~3년 사이 국내에서 AI/ML 기술이 빠르게 확산한 것으로 나타났다. AI/ML 기술별, 기업규모별 도입, 활용 트렌드의 차이도 명확했다. 구체적인 솔루션 선택에 도움이 되도록 기업이 실제 도입해 사용하는 업체와 제품, 서비스 등도 확인했다. 주요 내용 - 국내 기업 10곳 중 4곳은 AI/ML 이미 활용 중 - 가장 선호하는 AI/ML 기술은 머신러닝/딥러닝 플랫폼과 가상 에이전트 - 머신러닝/딥러닝 ‘대세’, 챗봇 ‘내림세’, 자연어 처리 ‘오름세’ - 주로 IT 업무와 고객 서비스에 적용 - 도입 방식은 상용 솔루션 구매가 압도적 - 해외 클라우드 업체와 국내 IT 서비스 업체가 두각 - AI/ML 도입 시 가장 큰 어려움은 인력과 데이터 - 기업 10곳 중 8곳 “기대했던 효과 얻었다” - 중견기업은 AI/ML의 '무덤' 혹은 '기회의 땅' - 국내 AI/ML 시장의 본격 성장은 지금부터

ITWorld 2022.08.03

보안

“보안의 핵심은 이제 예측이다” 방화벽의 역사를 새로 쓰는 인라인 머신러닝/딥러닝 - Tech Summary

네트워크 보안의 표준으로 자리 잡은 차세대 방화벽이 급변하는 위협에 맞서 인공 지능 기술을 활용해 진화를 거듭하고 있다. 이제 차세대 방화벽은 시그니처 기반의 탐지를 넘어 머신러닝, 딥러닝까지 인라인 방식으로 처리하는 수준으로 발전했다. 이를 통해 실시간으로 트래픽을 모니터링 및 분석하여 제로데이 위협을 시간 지연 없이 신속히 탐지한다.  차세대 방화벽에 적용된 인공 지능 기술이 어떤 메커니즘으로 기업과 사용자를 보호하는지 알아보고, 탐지와 대응을 넘어 예측 중심의 보안 환경을 구현하는 방안을 제시한다. 주요 내용 - 예방에 중점을 두는 차세대 방화벽의 위협 탐지 메커니즘 - 머신러닝과 딥러닝 기반 탐지 강화 - 머신러닝과 딥러닝 기반 URL 필터링 및 DNA 보안 - 사물 인터넷 보안 2.0 - AIOps 실현

Palo Alto Networks 2022.05.31

BI|분석

예측 분석을 통한 제품 혁신과 서비스 최적화 : ARC 분석 자료

COVID-19는 디지털 트랜스포메이션에 대한 필요성은 커지고 진행 속도는 빨라지는 계기가 되었습니다. 장/단기적 운영 상태를 파악하고 개선하려는 조직에서는 디지털 트랜스포메이션을 반드시 추진해야 합니다. 이러한 추세에 따라 새로운 비즈니스 프로세스, 서비스 및 모델을 적극적으로 도입하고 있는 제조업체가 많습니다. ARC Advisory Group은 수십 년간 산업체와 기술 공급업체 고객사를 대상으로 자문 서비스를 제공해 왔습니다. 오랫동안 디지털 트랜스포메이션 분야를 선도해 온 ARC는 예측 분석, 빅 데이터, 클라우드, 사물 인터넷(IoT) 등과 관련된 기술과 제품, 그리고 제조 및 관련 업계의 혁신 과정을 면밀히 파악했습니다. 그리고 아래에 보이는 것처럼, ARC는 최근 초기 리서치를 완료하였고 예측 분석을 활용하는 디지털 트랜스포메이션 프로젝트의 성공 여부를 판단할 수 있는 목표를 제시했습니다. <6p> 주요 내용 - 예측 분석의 이점 - 효율적인 예측 분석 구현 - 디지털 트랜스포메이션 프로젝트와 결과 - 제품 혁신과 서비스 최적화의 핵심

PTC 2022.05.24

BI|분석

“운영 관리가 AI/ML의 성패를 결정한다” 머신러닝을 위한 MLOps 전략과 HPE Ezmeral MLOps - Tech Summary

AI/ML 프로젝트 중 프로덕션까지 살아남는 비중은 매우 낮다. 적절한 데이터 부족, 컴퓨팅 자원 부족 등 여러 이유가 있지만, 본질적인 이유는 AI/ML 모델 구현, 훈련, 배포, 모니터링 등 전체 생명주기를 아우르는 관리 체계 부재에서 찾을 수 있다.  HPE Ezmeral MLOps를 예로 AI/ML 프로젝트의 성공 비율을 높이는 MLOps 전략에 대해 알아보자.  주요 내용 - AI/ML 프로젝트의 성공률을 높여라 - 누구나 쉽게 활용할 수 있는 MLOps 솔루션 - 민첩성 보장하는 MLOps와 데브옵스의 통합 - HPE Ezmeral MLOps 활용 사례 - 다양한 배포 옵션으로 인프라와 MLOps 통합 - 디지털 트랜스포메이션을 가속화하는 AI의 역할 변화

HPE 2022.05.09

스토리지

빅 데이터 및 AI/ML 작업 부하용 스토리지 아키텍처 설계

인공 지능(AI), 머신 러닝(ML), 대규모 데이터를 생성 및 사용하는 기타 빅 데이터 애플리케이션과 시스템이 급격하게 증가하고 있습니다. 최근 설문 조사에 따르면, 기업 중 절반 이상은 현재 ML을 사용 중이며 대부분의 기업들이 몇 년 이내로 사용할 예정인 것으로 나타났습니다. 데이터 전략을 혁신하기 위해서는 올바른 데이터 아키텍처가 핵심입니다. 이상적인 데이터 아키텍처는 무한대의 규모와 효율성에 최적화되므로, 필요한 데이터 및 필요성을 인식하지 못한 데이터 모두를 캡처할 수 있습니다. 그러나 리소스 부족과 현재 기술 및 솔루션의 제한으로 인해 이를 달성하는 것은 어렵습니다. 이 백서에서는 빅 데이터 및 AI/ML 작업 부하에 적합한 확장성과 함께 비용 대비 효율적인 IT 인프라를 원하는 기업을 위한 하이브리드 클라우드 및 스토리지 아키텍처에 대해 알아봅니다. <14p> 주요 내용 - 데이터 아키텍처에서 ML 및 AI의 중요성 - 증가하는 복잡한 데이터 관리 요구 사항 해결 - 우선 순위 변화에 대처하기 위한 스토리지 아키텍처 정의 - AI/ML 워크플로의 다양한 단계를 위한 여러 데이터 흐름 필수 요소 - 보다 원활한 AI/ML을 간소화할 미래의 패브릭

Seagate 2022.04.20

데이터센터

“효율적인 인프라와 운영 환경을 구축하라” DX 시대 AI 플랫폼의 진화 방향 - Tech Summary

AI와 분석 업무를 위한 클라우드 기술 기반 데이터센터 구축 시 고려해야 할 사항은 무엇일까? 큰 틀에서 보면 전통적인 엔터프라이즈 워크로드를 위한 환경과 AI와 분석에 최적화된 데이터센터 설계는 같은 방향을 향한다. 바로 소프트웨어 정의 데이터센터다. 하지만 실제 구축과 운영 방법에 있어 결이 다르다. 웹, 미들웨어, 데이터베이스로 주요 스택이 구성되는 전통적인 엔터프라이즈 워크로드와 비교해 AI, 분석 환경은 더 복잡한 소프트웨어 스택으로 구성된다. 더불어 자원 효율과 성능 보장을 위해 고려해야 할 요소도 적지 않다. DX 시대에 맞는 AI, 분석 기반을 구축할 때 검토해야 하는 GPU 가상화, 초고성능 병렬 파일시스템 등 주요 고려 사항을 살펴본다.  주요 내용 - AI, 분석 인프라에 대한 현장의 목소리 - 비용과 성능 고민을 해결하는 자원 이용 효율 - 성능과 비용 모두를 만족하는 스토리지 옵션 - NVIDIA가 제공하는 I/O 가속 기술 - AI, 분석 환경 구축 사례

효성인포메이션시스템 2022.03.23

BI|분석

챗봇 vs 가상 비서 - 비교 분석

본 백서는 대화형 인공지능(AI)을 통해 고객/직원/상담원 경험을 혁신하고자 하는 기업들을 위해 작성되었다. 본 백서는 봇(bot)의 중요성과 현대적 라이프스타일에서 얼마나 흔하게 사용되는지 기술한다. 또한, 차세대 사용자 경험을 달성함에 있어 챗봇의 한계와 가상 비서가 이런 한계를 극복하는 방법에 대해 중점적으로 설명하며, 챗봇과 가상 비서의 비교 분석을 제공한다. 대화의 맥락과 사용자 감정을 이해하고, 한 번에 여러 요청을 처리하며, 대화 도중에 입력값을 변경하고, 일상적 대화를 나누거나 위젯 형식으로 데이터를 표시하는 등의 다양한 기능을 상세하게 설명하였다. 각 기능에 대한 이해를 돕기 위해 대화 시나리오를 사용했으며, 이를 통해 챗봇과 가상 비서의 대화 방식을 비교해볼 수 있다. 본 백서에서는 챗봇과 가상 비서의 차이점, 가상 비서 실행 시 챗봇 대비 얻을 수 있는 추가 이점 등을 심도 있게 다루었으며, 가상 비서가 디지털 혁신을 달성하도록 지원하는 방식에 대한 전반적인 개념을 이해할 수 있을 것이다. <16p> 주요 내용 - 일상 속 챗봇 - 챗봇의 한계 - 가상 비서의 진화 - 챗봇 vs 가상 비서 - 심층 비교 - 가상 비서의 비즈니스적 이점

Kore.ai 2022.03.07

사이버 범죄|해킹 / 프라이버시

“게임 체인저인가 범죄 도구인가” 딥페이크 기술의 명암 - IDG Tech Report

과학 기술에는 어두운 이면이 존재한다. 인간의 이미지를 실제와 유사하게 합성하는 ‘딥페이크(Deepfake)’도 이런 논란이 있는 대표적인 기술이다. 가장 널리 알려진 사용례가 가짜 뉴스와 디지털 성범죄 영상 제작일 정도로 딥페이크의 역기능을 우려하는 목소리가 크다. 하지만 순기능도 간과해서는 안 되는 부분이다. 딥페이크로 그리운 사람의 생전 모습을 재현하거나 고품질 합성 영상을 제작해 영화 산업의 효율을 높일 수 있으며, 질병 진단에 활용하기도 한다. 특히 최근에는 적은 양의 데이터에 AI 알고리즘을 적용해 데이터양을 늘리는 ‘데이터 증강’ 분야에서 새로운 게임 체인저로 주목받고 있다. 다양한 활용사례를 통해 딥페이크의 명암을 살펴보고, 의미 있는 발전 방향을 모색해 본다. 주요 내용 - “AI가 낳은 괴물?” 딥페이크의 탄생 - 딥페이크의 핵심 기술 ‘GAN’ - 그리고 시작된 가짜와의 전쟁 - 산업 전반의 혁신을 가져올 ‘게임 체인저’로서의 딥페이크 - 딥러닝을 활용한 딥페이크 탐지 기술 동향 - 딥페이크를 감당할 사회적 역량이 필요한 시점

ITWorld 2022.02.23

BI|분석 / 엔터프라이즈 애플리케이션

“하이퍼 오토메이션을 위한 초석” AI OCR의 이해 - IDG Tech Report

최근 RPA의 핵심 기술로 AI 기반 광학 문자 인식, ‘AI OCR’이 각광받고 있다. AI OCR은 학습 기반의 AI 알고리즘을 통해 문서 분류 및 데이터 추출 과정의 효율성과 정확도를 높여 복잡한 문서를 처리하지 못하는 전통적인 OCR의 한계를 보완했다. 기업 데이터의 약 80%를 차지하는 각종 비정형 문서에 대해 맥락 이해를 통한 데이터 오류 수정, 잠재적인 리스크 예측까지 가능하다는 점에서 활용 분야가 더욱 확대될 것으로 보인다. 다만, 한글과 필기체를 정확하게 인식하는 것은 여전히 기술적 과제로 남아있다. 또한, AI 모델 및 알고리즘을 악용한 각종 사이버 공격을 인지하고 대비해야 할 것이다. AI OCR의 작동 방식과 기존 OCR에 비해 갖는 차별점을 이해하고, 그 이면에 가려진 문제도 함께 살펴본다. 주요내용 - “노이즈 제거부터 맥락 이해까지” 다재다능한 AI OCR - 비정형 데이터 처리를 통한 하이퍼 오토메이션 가속화 - 기존 OCR과의 차별점 1. 스캔 도구와 인식 환경의 제약 감소 - 기존 OCR과의 차별점 2. 딥러닝 기반의 표 영역 인식 - 기존 OCR과의 차별점 3. AI 알고리즘 활용으로 모듈 간소화 - 기존 OCR과의 차별점 4. 이미지 정보 보호 - AI OCR 작동 방식 - 금융권에서 빛을 발하는 AI OCR - AI OCR도 못 막는 보안 공격 - 한글과 필기체 인식의 난제

ITWorld / Lomin 2022.01.19

BI|분석

의료 인공지능 기업 LUNIT : 데이터 사이언스를 위한 HP Z 워크스테이션 CASE STUDY

대한민국 딥러닝 1호 스타트업 기업 루닛의 대표 제품인 ‘루닛 인사이트(Lunit INSIGHT)’는 딥러닝 기반 인공지능 기술을 활용한 의료AI 제품으로 두 종류가 있다. 하나는 흉부 X레이를 분석해 폐 관련 질환을 빠르고 정확히 진단하는 ‘루닛 인사이트 CXR’, 다른 하나는 유방암 등이 의심되는 이상 부위를 알려주는 ‘루닛 인사이트 MMG’다. 이 의료영상 검출 보조 소프트웨어 제품의 개발과 활용에 HP 워크스테이션 모델이 중요한 역할을 수행했다. <8p> 주요 내용 - HP 기술의 정점을 현장에서 구현한 루닛(Lunit)사의 워크스테이션 실사용기 - 극한의 환경에서도 안정적으로 구동 가능한 HP의 내구성과 편의성  - 루닛의 향후 행보에도 든든한 파트너가 될 HP - 무한대의 가능성을 담은 HP 워크스테이션     인텔® 제온® W-11955M 프로세서의 탁월한 설계를 경험해보세요. Ultrabook, 울트라북, Celeron, 셀러론, Celeron Inside, Core Inside, Intel, 인텔, Intel 로고, 인텔 로고, Intel Atom, 인텔 아톰, Intel Atom Inside, Intel Core, 인텔 코어, Intel Inside, Intel Inside 로고, Intel vPro, 인텔 v프로, Intel Evo, 인텔 Evo, Pentium, 펜티엄, Pentium Inside, vPro Inside, Xeon, 제온, Xeon Inside, Intel Agilex, 인텔 Agilex, Arria, Cyclone, Movidius, eASIC, Iris, Killer, MAX, Select Solutions, 셀렉트 솔루션, Stratix, Tofino, Intel Optane 및 인텔 Optane은 인텔사 또는 그 자회사의 상표입니다.

HP Inc 2021.12.01

BI|분석 / 서버|스토리지 / 스토리지 / 스토리지 관리 / 스토리지 하드웨어

“AI 학습 속도가 기업의 경쟁력” 인공지능용 스토리지의 5가지 조건 - IDG Summary

오늘날 인공지능은 의료 현장 곳곳에서 널리 사용된다. 최근에는 민간 영역뿐만 아니라 군도 인공지능을 통해 의료 서비스 개선에 나서고 있다. 그러나 실제로 의료 분야에서 인공지능을 성공적으로 활용하는 것은 그리 녹록지 않다. 특히 스토리지의 속도와 안정성, 편의성 측면에서 많은 기업과 공공기관이 애를 먹고 있다. 인공지능의 장점을 100% 활용하기 위해  고성능 스토리지가 필요한 이유와 인공지능용 고성능 스토리지의 핵심 요건을 알아본다. 국내외 주요 사례를 통해 고성능 스토리지에 대한 투자 가치를 분석한다. 주요 내용 - AI 프로젝트가 실패하는 숨겨진 이유 - AI용 스토리지의 필수 요건 5가지 - F1 레이싱팀이 IBM ESS 3000을 선택한 이유 - AI 학습 시간 줄이는 과감한 투자가 필요한 시점

IBM / 유니포인트 2021.11.19

SaaS / 엔터프라이즈 애플리케이션 / 인력 관리

RPA, ‘넥스트 레벨’을 향해 가라··· 자동화를 넘어선 하이퍼오토메이션 대응 방안 - IDG Summary

RPA에서 비롯된 자동화의 열기가 식을 줄 모른다. 자동화의 단맛을 봤기 때문이다. 기업들은 단순 반복 작업을 자동화하는 솔루션을 통해 제한적이지만 비용 이상의 효과를 거뒀다. 그리고 이제는 RPA 고도화를 모색하는 기업이 늘고 있다. 하이퍼오토메이션(Hyperautomation)을 향해 가고 있는 것이다. 인공지능, 머신러닝 등의 기술을 결합해 그간 엄두도 내지 못했던 영역까지 자동화할 수 있으리라는 기대감이 커지고 있다. 하지만 문제는 RPA의 난이도와 RPA+의 난이도 격차가 생각 이상으로 크다는 점이다. 주요 내용 - ‘RPA+AI’는 만병통치약이 아니다 - ‘기술 융합’으로 접근하고 보완하라 - 하이퍼오토메이션, 제대로 활용하려면  

IBM / KSTEC 2021.06.22

BI|분석

인공지능의 어두운 이면 - IDG Deep Dive

인류는 자신의 노동을 대신할 수 있는 다재다능한 무언가를 갈망했고 마침내 인공지능(Artificial Intelligence, AI)이라는 해답을 찾았다. AI 혁신은 경이롭다. 시리, 알렉사, 구글 어시스턴트 같은 가상 비서는 10~15년 전만 해도 마치 마술처럼 보였을 것들이다. 그러나 마법 같은기능에도 불구하고, AI는 여전히 온갖 제약사항을 갖고 있다. 영리한 신비로움과 정교한 알고리즘의 아래에는 ‘if-Then’ 결정을 수행하는 일련의 트랜지스터가 있을 뿐이다. 우리가 인공지능이 가진 어두운 비밀과 함께 살아가는 법을 배워야 하는 이유다. 주요 내용 Tech Guide : 인공지능의 어두운 비밀 12가지 Interview "중립성부터 프라이버시까지" IT 전문 변호사가 말하는 인공지능의 명암 Column - 인공지능 편향성을 확인하는 것은 인간의 몫 - 설명가능한 인공지능

ITWorld 2021.06.09

스토리지

AI를 위한 스토리지 : 데이터 수집부터 인사이트까지 이르는 빠른 길

오늘날 기업은 인공지능(Artificial Intelligence, 이하 AI)이 혁신과 생산성에 이르는 빠른 길임을 잘 알고 있습니다. 대부분의 기업은 이미 테스트, 도입, 구현, 실현을 통해 AI의 완전한 잠재력을 깨닫고 있으며, 그 결과 AI 솔루션에 대한 기업의 투자는 앞으로 몇 년간 크게 증가할 것으로 예상됩니다.  모든 성공적인 AI 프로젝트는 적절한 데이터를 확보하는 데서 시작해 폭넓게 AI를 활용하는 데 이르기까지 여러 단계로 구성된 프로세스를 거칩니다. 하지만 많은 기업이 앞으로 어떻게 진행해야 할지 확신하지 못하고, AI/ML을 가장 유리하게 활용하는 방법을 명확히 이해하지 못하고 있습니다. IBM이 이 과정의 모든 단계에서 어떻게 고객을 도울 수 있는지 살펴봅니다. <9p> 주요 내용 - IA없는 AI는 없다 - 단단한 기반 구축 - 사례 : 경쟁우위 확보 - 결론  

IBM / 씨플랫폼 / 유니원아이앤씨 2021.03.18

BI|분석 / 아웃소싱

데이터로 그리는 새로운 세상, AI 라이프 사이클에 최적화된 통합 플랫폼이 필요한 이유 - IDG Summary

기업의 85%가 경쟁우위를 확보하거나 유지하는 데 AI가 핵심 역할을 할 것으로 본다. 그러나 기대와 달리 AI 도입은 파일럿 이후 진행이 안 되거나 기대한 만큼의 성과를 내지 못하는 사례가 많다. 기업이 데이터 기반 AI 역량을 확보하기 위한 핵심 역량을 살펴보고 이를 지원하는 기술을 알아본다. 특히 이러한 역량과 기술을 기업 현장에 적용하기 위한 필수 요소로, 데이터 가상화, 거버넌스, 모델의 개발과 운영 등 3가지 측면에서 상세하게 분석한다. 주요 내용 - AI는 전략적인 기회이자 도전 과제 - 데이터 기반 AI를 위한 핵심역량 - 데이터 기반 AI 플랫폼을 완성하는 기술 - 데이터 기반 AI를 완성하는 데이터 가상화, 데이터 거버넌스 그리고 모델의 개발과 운영 - AI를 현실화하는 비결, 통합과 실패를 용인하는 문화

IBM / 데이타솔루션 2020.10.30

BI|분석 / 애플리케이션 개발

AI 기반 ‘지능형 자동화’ 시대의 RPA 홈쇼핑·유통업 분야 사례 - IDG Summary

RPA, 이제는 낯설지 않은 단어다. 그만큼 관심도 높고 니즈도 많다. 그러나 막상 적용한다고 하면 넘어야 할 허들이 상당하다. 환상에 빠져 무턱대고 RPA를 시작했다가 현실적 제약에 부딪히는 것이다. 이를테면 RPA 대상 업무에 정형화된 규칙이 없거나 데이터 변동이 큰 경우다. 프로젝트 진행 중에 해당 업무가 드롭되는 일도 태반이다. 이 환상을 현실화하는 열쇠가 있다. 바로 ‘인공지능(AI)’이다.  주요 내용 - AI와 만난 RPA, 어떻게 ‘진화’하고 있나?  - 금지어 검수의 ‘정확성’과 ‘속도’를 높이다 - ‘동영상’까지 지원하는 심의 모니터링 자동화 - ‘VOC 데이터’를 분석하는 지능형 자동화  - ‘지능형 자동화’, 한 걸음 더 나아가다 

Automation Anywhere / 레인보우브레인 2020.10.06

BI|분석 / 엔터프라이즈 애플리케이션 / 프로젝트 관리

“자동화 기회 포착부터 봇 생성까지 한 번에” RPA 통합 프로세스 디스커버리 솔루션에서 답을 찾다 - IDG Summary

‘기회를 한 번도 만나지 않은 이는 없다. 포착하지 못했을 뿐이다’라는 말이 있다. 이는 RPA 여정에서도 해당되는 이야기다. 자동화의 효용성을 목격했거나 혹은 직접 입증한 기업들이 RPA 확대에 나서고 있다. 문제는 바로 ‘무엇을 자동화해야 하는가?’다. 막상 자동화 기회를 발견하기가 어렵기 때문이다. 운 좋게 발견하더라도 제대로 구현하지 못하거나 혹은 기대한 성과를 달성하지 못하는 경우도 많다. 프로세스 디스커버리가 정확하게 이뤄지지 않은 탓이다. 수많은 프로세스 중에서 어떻게, 그리고 정확하게 자동화 기회를 포착할 수 있을까? 한 플랫폼에서 프로세스 디스커버리부터 봇 생성, 배포에 이르기까지 엔드투엔드 자동화 구현 경험을 제공하는 오토메이션애니웨어의 ‘디스커버리 봇(Discovery Bot)’을 살펴본다. 주요 내용  - 무엇을 자동화해야 하는가?  - 처음부터 끝까지 한 플랫폼에서 이뤄지는 RPA 여정 - 자동화 주기를 획기적으로 앞당기다

Automation Anywhere 2020.07.24

+

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 편집인 : 박재곤 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.