기업 하이퍼오토메이션(Hyperautomation)의 Key, Copilot

- 2023년 9월, 삼성SDS가 개최한 REAL SUMMIT 2023에서 발표된 키노트와 세션 내용을 기반으로 작성되었습니다. -

삼성SDS는 2019년부터 RPA(Robotic Process Automation) 솔루션을 출시하고 기업의 업무 자동화를 지원해 왔으며, 현재 국내 1위 규모로 많은 고객을 보유하고 있습니다. 기존 RPA 솔루션은 주로 단순 반복적인 업무나 UI 및 문서 처리 자동화에 머물러 있어, 하이퍼오토메이션(Hyperautomation)으로의 발전에는 한계가 있었습니다. 그러나, ChatGPT의 출시로 촉발된 생성형 AI는 변동성이 많은 인간의 언어를 잘 이해·해석하고 표현할 수 있기 때문에, 오피스 업무 자동화의 가장 안 풀리던 문제를 단번에 해결하며 지적 업무 영역의 자동화까지 가능하게 만들었습니다. 즉, 거대 언어 모델(LLM, Large Language Model)의 등장으로 자동화를 가속할 수 있는 기술 기반이 확보되었고, 이를 통해 자동화의 업무 범위가 확대되었을 뿐만 아니라 업무의 품질이 높아지고 생산성이 획기적으로 향상되는 등 기존의 자동화와는 차원이 다른 하이퍼오토메이션으로의 길이 열렸습니다.

기업에는 일반적으로 「개발, 구매, 제조, 물류, 마케팅, 판매, 서비스, 경영지원」의 8대 메가 프로세스가 존재하고, 기업의 구성원들은 프로세스 전 영역에 걸쳐 조사, 창작 및 개발 업무를 수행하며, 분석과 해석의 결과를 문제 해결에 적용합니다. 삼성SDS는 이를 지원하기 위해 생성형 AI를 기반으로 기업의 전 프로세스 영역을 Seamless하게 연결하고, 하이퍼오토메이션을 통해 생산성을 높일 수 있도록 준비하고 있습니다. 사내 협업을 위한 '공통업무 시스템'과 기업 운영을 위한 ERP, CRM, SCM, HCM, PLM 등의 기간계 'Core업무 시스템', 기업의 특화된 업무를 위한 자체적인 '시스템 개발' 및 '시스템 운영' 영역에 걸쳐 생성형 AI를 활용한 업무 자동화를 포함합니다.

생성형 AI를 활용한 기업의 하이퍼오토메이션 혁신 (출처: 삼성SDS)

공통업무 영역의 하이퍼오토메이션

기업 업무에서 생성형 AI를 활용하기 위해서는 무엇을 고려해야 할까요? 어떤 업무를 수행하든 간에 그 과정을 보면, '준비', '소통', '창작'의 과정이 수없이 반복됩니다. 수행해야 할 과제나 현안이 동시다발적으로 발생하고, 유관부서, 협력사, 파트너, 고객 등과 협업하기 위해 항상 소통하며, 이메일 작성, 미팅, 문서 작성/관리 등이 필요합니다. 이러한 협업 업무를 도와주는 것이 바로 공통업무 시스템입니다. 공통업무 중에서 문서 작성(창작)은 정보의 분석 및 검토, 인사이트 도출의 과정이 반복되는데, 외부의 일반적인 정보나 자의적 창작보다는 최근 메일과 문서, 회사 내 축적된 업무 지식과 여러 업무 시스템의 데이터를 활용한 산출물 생성이 필수입니다. 생성형 AI를 활용하기 위해서는 ‘기업의 복잡한 관계, 시스템, 그리고 다양한 정보를 어떻게 활용하느냐’가 핵심 고려 사항이라 할 수 있습니다.

이러한 측면에서 Data(회사 지적 자산 및 데이터), Tool(업무/협업 Tool), Output(산출물의 수준), Security(정보 유출 방지) 4가지 관점의 확인이 필요합니다. 최근 업무 정보라든지 외부 데이터를 잘 활용할 수 있어야 하고, 업무 상황에 맞게 회의, 메신저, 문서 작성 등의 툴을 쉽고 편리하게 사용할 수 있어야 합니다. 또한 산출물의 수준은 굉장히 중요하기 때문에 기업의 데이터와 업무 툴을 기반으로 최적의 질의를 통해 결과를 생성할 수 있어야 합니다. 마지막으로 회사 기밀이 유출되면 경영 리스크가 크기 때문에 민감한 정보의 유출 방지와 권한에 대한 관리가 가능해야 합니다.

즉, 기업이 생성형 AI 활용을 위해서는 △사내 데이터 활용 연계 구조, △Contextual & Seamless 사용성, △기업에 맞는 생성형 AI 보안 관리의 '3가지 핵심 포인트'에 대한 구체적인 방안의 확보가 매우 중요합니다.

기업의 생성형 AI 활용을 위한 핵심 포인트 (출처: 삼성SDS)

생성형 AI 기반 협업 솔루션, Brity Copilot

'Brity Works'는 삼성 임직원뿐만 아니라, 많은 기업 고객을 대상으로 서비스를 제공하고 있는 협업 솔루션(공통업무 솔루션)입니다. 기업에 최적화된 업무 커뮤니케이션을 지원하는 스위트 형태의 툴로서, 메일, 메신저, 미팅, 개인 및 공유된 문서를 통합적으로 관리할 수 있는 드라이브 서비스, 기업 내 업무 시스템들과 연계한 결재 플랫폼을 제공하며, 프론트엔드 솔루션이기 때문에 생성형 AI를 활용할 수 있는 최접점의 인터페이스라고 할 수 있습니다. 삼성SDS는 Brity Works와 앞서 언급한 생성형 AI를 활용하기 위한 '핵심 포인트'를 잘 조합해 서비스로 구성한 'Brity Copilot'을 제공하여 기업 공통업무의 하이퍼오토메이션을 지원합니다. 생성형 AI 활용을 위한 핵심 포인트 측면에서, Brity Copilot 서비스의 차별점은 무엇일까요?

1) 사내 데이터 활용 연계 구조

업무를 수행하려면 외부 정보뿐만 아니라 최근 메일이나 문서, 업무 시스템의 최신 정보 등 내부 데이터가 필요하며, 안전하고 적절한 활용을 위해 '어떤 LLM을 선택하고 어떻게 내부 데이터에 접근할 것인가?'의 문제를 해결해야 합니다. Brity Copilot은 여러 개의 LLM을 연계할 수 있는 ‘Multi LLM 옵션’을 제공합니다. 최근 메타의 LLaMA 등 오픈소스 기반의 성능 좋고 용도별로 최적화가 가능한 LLM이 공개되고 있기 때문에, 원하는 방식으로 최적화하여 Private LLM으로 활용하는 것이 일반화될 것입니다. Brity Copilot은 기업 내부의 인사나 경영 정보는 Private LLM을 활용하고, 시장 동향이나 학술자료 등은 외부 Public LLM으로 연계하여 회사 상황과 정책에 맞게 용도별로 여러 개의 LLM을 동시에 활용할 수 있습니다. 기업의 최적화된 데이터를 기반으로 파인튜닝(Fine-tuning)한 Private LLM을 지원하며, Private LLM이 불필요한 경우에는 Public LLM만을 연결하여 활용할 수도 있습니다.

Brity Copilot - Multi LLM 옵션 지원 (출처: 삼성SDS)

또한, Brity Copilot은 Brity Works의 메일과 문서, 업무 시스템 정보를 활용할 수 있도록 ‘Connector(Plug-in)’ 연계 구조를 제공합니다. 기업의 정보는 시시각각 최신화되기 때문에 매번 모든 정보를 LLM에 학습시키는 것은 어려운 일이며, 필요할 때 검색하여 업무에 활용하는 방식이 필요합니다. Brity Works에 저장된 최신 메일, 메신저 대화, 저장된 문서, 미팅 회의록 등과 같은 비정형 장문의 지식자산을 Brity Copilot의 ‘Knowledge Search’에 인덱싱 및 전처리(Vectorizing, 벡터화)하여 보관하고, LLM과 연계할 때 이를 검색/활용할 수 있는 구조를 기본으로 제공합니다. ERP, CRM 등 회사 내 구축된 업무 시스템에 있는 정형 데이터 역시 Open API로 개발하여 연계할 수 있습니다.

Brity Copilot – 내부 데이터 Pug-in 연계 (출처: 삼성SDS)

2) Contextual & Seamless 사용성

Brity Copilot은 개인의 업무 수행 조력자이자 개인 비서로서의 역할을 수행합니다. 쉽고 직관적인 사용자 경험을 제공하고, 사용자가 일하는 위치(시스템)에서 바로 접근 가능하여 커뮤니케이션 상황에 맞는 기능을 사용할 수 있도록 인터페이스를 제공합니다. 메일이나 결재를 요약하거나 초안을 작성해 주고, 메신저 대화 도중에 정보를 검색해서 즉시 공유해 줍니다. 미팅 시에는 실시간 한국어 자막을 제공하여 더 명확한 커뮤니케이션이 가능하고, 이전 회의 내용을 요약해 주기 때문에 업무 흐름을 놓치지 않을 수 있습니다. 또한, 녹취록 데이터를 기반으로 회의록을 자동으로 생성해 주며, Action Item을 도출하여 업무 유관자에게 신속하게 공유할 수도 있습니다. 또한, Brity Copilot은 문서 작성에 최적화된 ‘MS Office Add-in’ 기능을 제공할 예정입니다. MS Word, Excel, PowerPoint 프로그램에 Add-in을 추가하면 Brity Copilot으로 메일, 일정, 할 일, 문서 등 필요한 정보를 검색 및 요약하고 초안을 작성할 수 있습니다. 문서 작성은 기업의 최근 문서와 협의 내용, 현황을 기반으로 배경과 목적에 맞게 기업만의 형식과 스타일을 적용해야 하고, 수정 작업이 쉽게 이루어져야 합니다.

Brity Copilot은 필요한 자료와 데이터에 대한 빠른 접근과 최적의 질의를 쉽게 할 수 있도록 템플릿, 대화형 질의, 칩 메뉴 및 후속 질문 추천 등과 같은 프롬프트 UI를 제공합니다. Excel 작업 시에는 Copilot을 통해 엑셀 데이터를 요약표로 정리/분석하여 많은 시간과 노력이 필요한 인사이트를 빠르게 도출할 수 있습니다. Word를 활용한 기획 문서 작성 시에는 필요한 정보를 빠르게 찾고 활용할 수 있도록 다음 스텝의 프롬프트를 '칩 메뉴*' - 예를 들어, 사내 자료를 검색하고 요약하기 위해 Private LLM을 선택한 후 자유롭게 질의할 수도 있지만, '자료 검색’이라는 칩 메뉴를 선택하면 자료 검색 대상(메일 드라이브, 파일 드라이브..)을 선택할 수 있도록 옵션을 제공하는 등 - 로 가이드해 주기 때문에 빠르고 수월하게 콘텐츠를 생성할 수 있습니다.
* 칩 메뉴: 간략한 텍스트 또는 그림으로 구성된 사용자 입력 항목을 나타내는 UI 요소로, 선택 또는 필터링과 같은 작업에 사용됨. 즉. 사용자가 선택한 값을 표시하거나 선택할 수 있는 옵션을 제공하기 위해 활용함.

Brity Copilot – 오피스 Add-in 기능(칩 메뉴 예시) (출처: 삼성SDS)

기업의 임직원들은 메일, 회의, 문서 작업 등 수많은 툴을 오가며 업무를 처리합니다. Brity Copilot은 Seamless한 사용자 경험을 제공하여 단절 없이 업무 흐름을 유지하고 생산성을 확대할 수 있습니다. 예를 들어, '메신저'로 대화를 하다가 대화창에서 '미팅'을 즉시 개설할 수 있고, 미팅 시 Copilot을 통해 자동 생성된 회의록을 바로 '메일'을 통해 공유할 수 있습니다. 메일을 수신한 후에는 필요한 파일을 '드라이브'에서 검색하여, 'Office Add-in' 기능을 활용하여 문서 작업을 진행할 수 있습니다. 물론 작업을 완료한 문서는 바로 '메일'이나 '메신저'로 동료들에게 공유할 수 있어, 일의 시작부터 끝이 자연스럽게 연결될 수 있습니다.

3) 기업형 생성형 AI 보안 관리

보안 문제와 개인정보 유출 등의 컴플라이언스 이슈는 모든 기업의 고민거리입니다. 생성형 AI가 기업의 비즈니스 경쟁력을 확보할 수 있는 기술이라고 기대하지만 보안 리스크를 해결하지 못하면 아무 소용이 없습니다. 실제로 국내외 많은 기업들이 생성형 AI 도입을 주저하는 가장 큰 이유이기도 합니다. 그렇다면, 이러한 보안 이슈를 어떻게 해결할 수 있을까요?

보안에 민감한 기업의 경우, 퍼블릭 클라우드보다는 '프라이빗 클라우드'를 활용하여 업무 시스템이나 Private LLM을 구성하는 것이 매우 중요합니다. 물론, 프라이빗 클라우드의 활용은 옵셔널하고 여러 클라우드를 활용할 수도 있습니다. 그렇다면, 프라이빗 클라우드를 사용하면 완벽한 보안을 확보할 수 있을까요? 그렇지 않습니다. 사내에서 업무 수행 시 외부 접속은 반드시 필요하기 때문에 정보 유출의 위험은 항상 존재하고, 이를 잘 관리할 수 있는 필터링 기능이 필요합니다. Public LLM을 활용하여 시장 동향이나 최신 공개 자료 등의 검색은 문제될 것이 없으나 기업의 기밀 정보를 포함한 질의는 리스크가 크기 때문에, Brity Copilot은 '키워드 필터링' 기능을 제공합니다. 기업의 정책상 유출되면 안 되는 키워드나 개발 소스코드, 주민번호 등의 메시지 패턴을 설정하고 생성형 AI에 프롬프트 내용을 전달하기 전에 메시지를 분석하여 발송을 자동 차단할 수 있습니다. 사실 모든 기업들이 Private LLM을 구성하는 것은 쉽지 않으며, 대다수의 기업은 외부 Public LLM 기반의 서비스를 사용하게 될 것입니다. 이런 측면에서 키워드 필터링은 기업의 정책과 가이드라인 내에서 생성형 AI를 활용할 수 있게 하는 필수 기능입니다.

또한, 부서 및 개인의 업무에 따라 접근해야 하는 데이터가 상이하기 때문에 세밀한 데이터 권한 관리가 필요합니다. 생성형 AI를 활용하는 기업은 사내의 다양한 업무 시스템을 Plug-in으로 연계하여 사용하는 경우가 점차 증가할 것입니다. 회사 공통의 지적 자산, 정책 가이드 등 누구나 접근 가능한 데이터도 있지만, 인사나 재무 정보처럼 특정 부서만 관리하거나 같은 영업 직무라도 영업 기밀 등 담당자만 접근 가능한 정보도 존재합니다. Brity Works는 회사/부서/개인별, 직급별, 사용 위치와 디바이스별로 세밀한 권한 옵션을 제공하는 기업에 최적화된 협업 솔루션이며 Brity Copilot 서비스에도 동일한 수준의 접근 권한 관리를 제공합니다. 예를 들어, 한 사용자가 Brity Copilot을 통해 시스템 데이터를 요청할 때 해당 사용자의 접속 권한이 없는 경우 데이터 접근 불가를 안내하고, 접근 승인 절차를 통해 허용 가능한 데이터는 해당 시스템 관리자에게 권한을 요청할 수 있습니다.

Brity Copilot – 기업 내 생성형 AI 활용을 위한 보안 옵션 (출처: 삼성SDS)

Core업무 영역의 하이퍼오토메이션

기업 운영에는 ERP, SCM, HCM, PLM, CRM 등 대규모 기간계 시스템이 필요하며, 이를 제공하는 글로벌 솔루션 기업들은 생성형 AI를 적용한 Copilot을 개발하고 있습니다. 이런 기능들을 제대로 사용하기 위해서는 반드시 기업의 레거시와 잘 연결해야 하고, 한국 특화 프로세스에 대한 이해와 솔루션 경험이 매우 중요합니다. 삼성SDS는 B2B IT 혁신 사례와 경험을 기반으로 최적의 솔루션을 조합한 서비스를 통해 Core업무 영역의 하이퍼오토메이션을 지원합니다.

기간계 시스템 중 하나인 SCM은 자동화하기에 가장 어려운 영역 중 하나입니다. 그 이유는 트랜잭션 데이터가 아니라, 미래 데이터를 예측해서 계획을 세우고 리소스를 어디에, 얼마나 투입할지 등의 의사결정을 해야 하기 때문입니다. 그러나, 생성형 AI를 통해 이러한 부분까지 자동화할 수 있습니다. 지금까지 SCM 플래너는 각자의 지식과 경험을 바탕으로 시나리오 플래닝해 왔는데, 기업 입장에서는 재사용이 불가능한 자산이었습니다. 그러나, 시나리오를 계획하는 과정 속에 플래너가 취한 액션들, 예를 들면 버전 간 데이터를 비교하고 계획을 수정하는 등의 활동들이 모두 시스템에 기록/축적되고, 학습 데이터로 활용되면 유사한 문제가 발생했을 때 자동으로 해결할 수 있습니다.

예를 들어, 전략적 파트너십을 맺은 o9 Solutions와 함께 준비하고 있는 'SCM Copilot'을 활용하면, 수요를 예측하고 이에 따른 생산 Capa(Capacity)를 증량하는 프로세스를 자동화할 수 있습니다. 상세한 Use Case를 설명하면, A 사용자는 북미 시장에서 11월 블랙 프라이데이에 공격적인 프로모션을 진행할 예정으로, 기존에 수립한 시나리오 플랜을 변경하기 위해 SCM Copilot을 호출합니다. 수요를 20% 증량한 시나리오로 플랜을 재수행하고, 이전 베이스 버전과의 비교를 요청합니다. Copilot은 A 사용자 요청에 따라 재수행한 플랜과 이전 버전의 비교 결과를 요약하고, 상세 정보를 확인할 수 있는 링크를 제공합니다. A 사용자는 링크를 통해 SCM 시스템의 상세정보 페이지에서 수요 예측값과 공급 가용량의 차이가 있음을 확인하고, B 생산지원 담당자에게 공급 부족 예측 상황을 전달하여 생산 계획을 수정하도록 Copilot에 메시지 발송을 요청합니다. 요청을 받은 B 생산지원 담당자는 콜라보레이션 화면에서 메시지와 첨부 파일을 확인한 후, 생산 Capa 계획을 수정합니다. A 사용자는 수정된 결과를 확인하기 위해 Copilot에 시나리오 플랜과 버전 비교를 다시 요청하고, 수요 20% 증가 시나리오에 따라 11월 수요 및 공급 예측값이 모두 증가한 것을 확인할 수 있습니다. 이렇게 생성형 AI를 활용하면 SCM뿐만 아니라 기업의 8대 프로세스 전 영역에서 계획 수립 자동화, 분석 자동화, 문제 해결 자동화가 가능하게 될 것입니다. 이러한 측면에서, 삼성SDS가 고민하고 있는 생성형 AI를 활용한 제품 개발 프로세스의 자동화에 대해 자세히 살펴보겠습니다.

생성형 AI 기반 제품 개발, PLM Copilot

제품 개발은 PDM(Product Data Management)에서 제품 전 수명주기에서 발생되는 데이터 기반의 R&D 관리 시스템으로 발전하고 있습니다. 1990년대 PDM은 Time-to-Market을 위해 설계 부서 내 협업을 중심으로 제품 개발 정보의 전사 확대에 중점을 두었고, 이후 CPC(Collaborative Product Commerce)를 통해 개방형 협업과 기업 간 정보 생성 및 공유에 초점을 맞춰왔습니다. 2000년대에는 디지털 엔터프라이즈 관점으로 전사 밸류체인 전 영역의 협업을 위한 제품 정보와 전사 기간 정보를 통합하는 방향으로 발전했으며, 2010년부터는 디지털 트랜스포메이션을 위해 클라우드 기반으로 제품 정보를 통합하고 활용하는 방향으로 발전하고 있습니다. 그렇다면, 생성형 AI를 적용하면 제품 개발 체계는 어떤 방식으로 변화할까요?

제품 개발 트렌드 (출처: 삼성SDS)

제품 개발 데이터는 노하우와 해결 과정을 포함한 모든 데이터가 축적되어야 하고, 문제 해결을 위해 유사한 필요 정보를 쉽게 찾을 수 있어야 하며, 저장된 정보는 논리적 선후행 구성이 있는 가치 있는 정보여야 합니다. 제품 개발은 개발부터 단종까지 굉장히 긴 수명주기를 가지고 있습니다. 자동차는 최소 10년 동안 그 정보가 관리되고, 전함이나 군수는 50년, 100년 주기로 데이터를 관리해야 합니다. 또한, 담당자나 기업이 바뀔 수도 있기 때문에 논리적 선후행 구성이 있는 정보는 필수입니다.

이러한 데이터를 활용하는 현장의 페인포인트를 살펴보면, 컨셉을 기획하는 선행 연구원은 필요한 정보나 중간 산출물의 파악이 어렵고, 설계 엔지니어는 설계 시 고려해야 할 사항이 너무 많아 결국 기존 방식을 고수하는 경우가 많습니다. 또한, 전체 업무의 50~80%에서 CAD 등 전문 엔지니어링 툴을 사용하나, 해당 툴 안에서만 정보가 축적되고 변경된 사항을 연관된 시스템에 반영하지 못하는 경우가 많습니다. 검증 엔지니어는 제품이 복잡해지면서 더 많은 Test Case가 필요하나, 시간과 인력의 부족으로 충분한 검증을 위한 Test Case를 생성하지 못하기도 합니다.

그러나, 생성형 AI를 적용하면 제품 기획 단계에서는 시장이나 기술, 사내 시스템 정보와 연계한 검색을 지원하여 사실 기반의 내용 검토가 가능하고, 컨셉 기획의 아이디어를 생성해 줍니다. 제품 개발(R&D) 단계에서는 다양한 측면을 고려한 디자인 초안을 생성해 줍니다. 또한, 소프트웨어 코드와 실험 계획 및 테스트 케이스를 생성하고, 디자인 및 소프트웨어 코드에 대한 리뷰를 지원해 줄 수도 있습니다.

PLM Copilot을 활용한 제품 개발 체계 (출처: 삼성SDS)

1) 디자인안 생성 프로세스

페르소나를 가정하여 디자인안 생성을 위한 시나리오를 설명해 보겠습니다. 김설계는 자동차 부품 설계 엔지니어로, 인도향 전략 모델에 들어갈 부품에 대한 긴급 설계 요청을 받았습니다. 설계안을 작성할 시간은 부족하고 방법은 떠오르지 않은 상태인데, 설계 아이디에이션을 위해 베이스 모델과 사례를 검토하여 갭을 분석하고 방안을 수립하는 등 많은 일을 해야 합니다. 문제는 해당 내용의 확인이 어려울 뿐만 아니라 많은 자료를 어디서 찾아야 하는지 잘 알 수 없고, 설계 시 고려할 것이 많은데 시간의 제약으로 기존의 관행대로 진행하게 된다는 것입니다.

Copilot을 적용하면, Copilot은 설계 요청을 감지하여 요약 메시지로 알려줍니다. 김설계는 Copilot에 "구체적으로 인도향 전략 제품의 베이스 모델에 대한 주요 스펙과 하중을 변경할 경우 베이스 모델과의 스펙 차이점을 비교해줘. 추가로, 사내 지식 허브에서 하중만 변경한 설계 사례를 확인해줘"라고 요청합니다. 생성형 AI는 요약된 분석 리포트를 생성하여 모델의 스펙을 비교해 주고, 사내 지식 허브 중 유사 사례의 위치를 RAG(Retrieval-Augmented Generation, 검색 증강 생성) 등을 활용·제공하여 사실 여부를 체크할 수 있도록 합니다. 김설계는 분석 리포트를 기반으로 "허용 하중을 제약조건으로 S 모델 개선 설계 방식인 트러스 지지대 보강 사례를 참고하여, 지지대 두께/위치/수량을 변경해 경량화된 10개의 설계안을 생성해줘."라고 제약 조건 및 조정할 파라미터 등을 포함해 생성형 AI에게 요청합니다. 생성형 AI는 삼성SDS가 제품 개발에서 꾸준히 연구 중인 'Generative Design'과 연계하여 디자인 초안과 설명 내용을 생성해 주고, 김설계는 설계안을 검토하여 확정할 수 있습니다.

생성형 AI + Gen. Design을 활용한 디자인안 생성 시나리오 (출처: 삼성SDS)

이렇게 생성형 AI 도입을 통한 제품 개발 체계의 혁신을 위해서는 선행해야 할 일을 잊지 말아야 합니다. 먼저, 논리적 연계가 있어 학습 가치가 있는 △제품 개발 데이터를 꾸준히 축적하고 수집하는 것입니다. 제품 개발 현장에는 데이터가 많다고 생각하지만, CAD 파일 및 해석 결과 정도만 존재할 경우가 많습니다. 가장 중요한 데이터는 회의 내용 및 이슈에 대한 트러블 슈팅 등이며, 학습할 만한 가치가 있도록 꾸준히 수집하고 이를 기반으로 Use Case를 발굴해야 합니다. 생산성을 향상할 수 있는 Use Case가 확보되지 않으면 생성형 AI는 의미가 없습니다. 또한, 기업 내부 정보를 외부로 보내는 것은 위험하기 때문에 내부 데이터에 대한 학습과 다양한 외부 LLM 모델을 오케스트레이션 할 수 있는 △확장 가능한 기업형 AI 플랫폼 도입이 필요합니다.

삼성SDS는 확장 가능한 생성형 AI 서비스 플랫폼 기반으로 ‘제품 개발 오퍼링'을 준비하고 있습니다. '생성형 AI 서비스 플랫폼'은 데이터 수집과 전처리, 정형 및 벡터라이제이션 데이터를 LLM과 연결하는 '데이터 모듈'과 LLM 학습, 학습 데이터 관리 및 파인튜닝 등을 지원하는 '학습 모듈', 그리고 모델 오케스트레이터, 필터링, 지식 검색을 지원하는 '서비스 모듈'로 구성됩니다. 즉, ‘제품 개발 오퍼링’은 Brity Works의 공통업무 환경을 중심으로 설계/개발, 제품 관리, SW 관리, 디지털 트윈 등 제품 개발을 위한 주요 앱과 생성형 AI 플랫폼이 연결되는 구조로 제품 개발 프로세스의 자동화를 통한 생산성 향상을 지원합니다.

생성형 AI를 적용한 제품 개발 서비스 오퍼링 (출처: 삼성SDS)

글을 마치며..

공장은 룰을 적용하여 자동화되었지만, 오피스 업무의 자동화는 룰 적용이 어려워 미완성 자동화에 머물고 있었습니다. 생성형 AI의 등장으로 단순 반복 업무의 자동화뿐만 아니라 지적 업무의 자동화가 가능해졌으며, 기업의 전 프로세스 영역에서 하이퍼오토메이션을 통해 업무 생산성을 폭발적으로 향상시킬 수 있습니다. 생성형 AI 기반 하이퍼오토메이션의 Key는 Autopilot이 아닌 'Copilot'입니다. 사람은 통찰력으로 업무 전체를 파악하여 Copilot에 작업 지시를 내리고, 작업된 결과를 바탕으로 최종 의사결정을 수행하는 것, 즉, 'Copilot'이라는 조력자를 통해서 업무를 효율화하는 개념입니다.

삼성SDS의 'Brity Copilot'은 기업의 공통업무 시스템(메일, 메신저, 미팅, 데이터 저장)에 생성형 AI를 접목하여, Seamless한 협업과 기존 레거시 시스템과의 연계가 가능하고 프라이빗 클라우드 환경의 지원으로 보안 걱정 없이 사용할 수 있습니다. 핵심(Core)업무 시스템(ERP, SCM, HCM, PLM, CRM 등) 영역에서는 글로벌 솔루션 기업과 협업하여 Copilot을 준비하고 있으며, 그 예로 SCM Copilot 적용을 통해 수요 예측 변화에 따른 생산 계획 조정을 자동화할 수 있습니다. 또한, 시스템 개발·운영 영역에서도 시범 적용한 결과, 개발 속도는 30% 향상되고 검증은 2배로 빨라졌으며, ERP 운영에서도 고객 요청의 60%를 자동으로 처리할 수 있습니다.

기업은 생성형 AI 적용을 위해 전체 비즈니스 관점에서 자동화할 영역을 우선적으로 정의하고, 이후 해야 할 일을 디테일하게 설계해야 합니다. 결국은 도메인 지식과 기술 전문성을 보유한 인력이 함께 고민해야 하는 일이며, 삼성SDS와 같이 B2B 사업 경험이 많은 IT 서비스 기업과 현장에서 협업하며 답을 찾는 것이 중요합니다. 삼성SDS는 기업의 복잡한 업무에서 생성형 AI를 쉽고 편하게 사용할 수 있도록 가이드하고 구현하여, Hyperautomated Enterprise의 여정을 함께 할 것입니다.



▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.