많은 이들에게 기업용 소프트웨어를 다루는 일은 조각이 계속 변하는 퍼즐을 맞추는 것과 같다. 운영 관리자나 지식 노동자들은 레거시 시스템에 데이터를 입력하거나 서로 호환되지 않는 포털 간에 기록을 옮기는 등 반복적이고 지루한 작업에 매일 수많은 시간을 소비한다. 이러한 반복적 '근육 기억'은 비즈니스 연속성에 필수적이지만, 여전히 수동 작업에 의존하는 경우가 많다.

지난 수년간 이러한 작업을 처리하기 위해 Robotic Process Automation이 활용되어 왔으나, 이는 구조적으로 매우 취약했다. 사용자 인터페이스가 조금만 업데이트되어도 봇 전체가 멈추기 일쑤였으며, 개발자들은 복잡한 스크립트를 처음부터 다시 작성해야 하는 번거로움을 겪었다.

최근에는 화면의 요소를 '보고' 상호작용할 수 있는 Large Vision-Language Model의 등장으로 새로운 가능성이 열렸다. 하지만 이러한 모델들은 기존처럼 픽셀 단위의 경직된 지시가 필요 없다는 유연함은 있으나, 비결정론적이라는 치명적인 단점이 있다. 기업 금융이나 의료 분야처럼 작은 실수 하나가 규제 위반이나 막대한 재정적 손실로 이어질 수 있는 환경에서는 99번 정확하다가도 1번 환각을 일으키는 AI 에이전트를 신뢰하기 어렵다.

Salesforce AI Research는 새로운 Graphical Process Automation(GPA) 프레임워크를 통해 이 간극을 메우고자 한다. GPA는 방대한 학습 데이터에 기반해 모델이 스스로 추측하게 하는 대신, 숙련된 사용자의 시연을 학습하는 방식을 택한다. 시스템은 전문가가 작업을 수행하는 과정을 관찰한 뒤, 매칭 알고리즘을 통해 해당 동작을 동일하게 재현한다. 이를 통해 자동화는 확률적 추측이 아닌 명확하고 의도된 워크플로우에 따라 정밀하게 실행된다.

이러한 접근 방식은 Salesforce가 정의하는 '능력-일관성 행렬'의 핵심이다. 기업은 강력하지만 예측 불가능하거나, 단순하지만 기능이 부족한 시스템을 넘어선 대안을 원하고 있다. GPA는 자율적인 추론에만 의존하지 않고 인간의 시연을 기반으로 자동화를 설계함으로써, 소프트웨어의 확장성과 인간 전문성의 신뢰성을 동시에 확보했다.

미래의 업무 방식을 고민하는 학생들에게 이번 변화는 AI가 더 실용적이고 하이브리드한 형태로 진화하고 있음을 시사한다. 모든 것을 자율적으로 수행하려는 '블랙박스' 에이전트의 시대를 지나, AI가 인간의 의도를 안정적으로 보조하는 감독형 자동화의 시대로 접어들고 있다. Salesforce의 GPA는 기업용 AI가 단순히 '생각'을 많이 하는 것보다, 얼마나 '예측 가능하게' 실행하는지가 가장 중요하다는 점을 잘 보여준다.

많은 이들에게 기업용 소프트웨어를 다루는 일은 조각이 계속 변하는 퍼즐을 맞추는 것과 같다. 운영 관리자나 지식 노동자들은 레거시 시스템에 데이터를 입력하거나 서로 호환되지 않는 포털 간에 기록을 옮기는 등 반복적이고 지루한 작업에 매일 수많은 시간을 소비한다. 이러한 반복적 '근육 기억'은 비즈니스 연속성에 필수적이지만, 여전히 수동 작업에 의존하는 경우가 많다.

지난 수년간 이러한 작업을 처리하기 위해 Robotic Process Automation이 활용되어 왔으나, 이는 구조적으로 매우 취약했다. 사용자 인터페이스가 조금만 업데이트되어도 봇 전체가 멈추기 일쑤였으며, 개발자들은 복잡한 스크립트를 처음부터 다시 작성해야 하는 번거로움을 겪었다.

최근에는 화면의 요소를 '보고' 상호작용할 수 있는 Large Vision-Language Model의 등장으로 새로운 가능성이 열렸다. 하지만 이러한 모델들은 기존처럼 픽셀 단위의 경직된 지시가 필요 없다는 유연함은 있으나, 비결정론적이라는 치명적인 단점이 있다. 기업 금융이나 의료 분야처럼 작은 실수 하나가 규제 위반이나 막대한 재정적 손실로 이어질 수 있는 환경에서는 99번 정확하다가도 1번 환각을 일으키는 AI 에이전트를 신뢰하기 어렵다.

Salesforce AI Research는 새로운 Graphical Process Automation(GPA) 프레임워크를 통해 이 간극을 메우고자 한다. GPA는 방대한 학습 데이터에 기반해 모델이 스스로 추측하게 하는 대신, 숙련된 사용자의 시연을 학습하는 방식을 택한다. 시스템은 전문가가 작업을 수행하는 과정을 관찰한 뒤, 매칭 알고리즘을 통해 해당 동작을 동일하게 재현한다. 이를 통해 자동화는 확률적 추측이 아닌 명확하고 의도된 워크플로우에 따라 정밀하게 실행된다.

이러한 접근 방식은 Salesforce가 정의하는 '능력-일관성 행렬'의 핵심이다. 기업은 강력하지만 예측 불가능하거나, 단순하지만 기능이 부족한 시스템을 넘어선 대안을 원하고 있다. GPA는 자율적인 추론에만 의존하지 않고 인간의 시연을 기반으로 자동화를 설계함으로써, 소프트웨어의 확장성과 인간 전문성의 신뢰성을 동시에 확보했다.

미래의 업무 방식을 고민하는 학생들에게 이번 변화는 AI가 더 실용적이고 하이브리드한 형태로 진화하고 있음을 시사한다. 모든 것을 자율적으로 수행하려는 '블랙박스' 에이전트의 시대를 지나, AI가 인간의 의도를 안정적으로 보조하는 감독형 자동화의 시대로 접어들고 있다. Salesforce의 GPA는 기업용 AI가 단순히 '생각'을 많이 하는 것보다, 얼마나 '예측 가능하게' 실행하는지가 가장 중요하다는 점을 잘 보여준다.