생성형 레코더 - 비전 기반 폴백

생성형 레코더의 비전 기반 폴백은 비전 모델을 추가적인 폴백 메커니즘으로 사용하여 자동화 복원력을 높이도록 설계되었습니다. 비전 기반 폴백은 폴백의 효율성을 높이고, 비즈니스 연속성을 제공하며, 유지보수 노력을 최소화하고, 조직의 SLA 준수를 지원하는 등 다양한 이점을 제공합니다.

컴퓨터 비전 모델이라고 불리는 비전 모델 AI는 고급 머신 러닝 기술을 통해 시각 데이터(이미지 또는 비디오 등)를 해석, 분석 및 이해하도록 설계된 인공지능 시스템입니다. 비전 기반 폴백은 자동화 프로세스에서 복원력을 강화하고 실행 실패를 최소화하기 위해 사용되는 메커니즘입니다. 이는 비전 모델을 사용하여 변경 사항을 식별하고 실시간으로 업데이트함으로써, 예상치 못한 변경이 발생하더라도 자동화 작업이 원활하게 계속되도록 보장합니다.
주: 생성형 레코더, 텍스트 기반 폴백 및 네이티브 폴백은 Automator AI 할당량을 전혀 소모하지 않습니다. 그러나 생성형 레코더의 비전 기반 폴백은 폴백이 실제로 런타임에서 트리거될 때마다 한 건의 권장 사항을 소모합니다. 비전 기반 폴백이 활성화된 자동화의 수는 할당량에 영향을 미치지 않습니다. 권장 사항은 실행 중에 비전 기반 폴백이 활성화될 때만 차감됩니다.

기능

생성형 레코더는 자동화로 조정된 앙상블 모델을 활용하여 비즈니스 애플리케이션을 시각적으로 깊이 있게 파악합니다.

비전 기반 폴백은 다음을 수행할 수 있습니다.
  • 기존의 방법으로는 놓칠 수도 있는 수정된 UI 구조를 정확하게 식별합니다.
  • 수동으로 개입할 필요없이 레이아웃 및 디자인 변경에 적응합니다.
  • 실패를 방지하여 자동화 효율성을 높입니다.

사용 가능한 기능에 대한 정보는 생성형 레코더를 참조하십시오.

비전 기반 폴백 활성화 방법:
  1. Bot Creator로 로그인합니다.
  2. Bot 편집기에서 고급 설정 > 패키지 설정으로 이동합니다.
  3. 패키지 설정 > 레코더에서 생성형 AI 비전 기반 폴백을 활성화합니다.
    주: 사용자 환경에서 안정적인 작동을 보장하기 위해 비전 폴백 시간 초과를 90초 이상으로 설정할 것을 권장합니다.

비전 기반 폴백 선택 설정

비전 기반 폴백에서 이미지 정제

주: 시스템에 Python이 별도로 설치되어 있는 경우, 비전 기반 폴백이 제대로 작동하지 않을 수 있으며, 이로 인해 이미지 마스킹 실패가 발생할 수 있습니다. 구체적으로, 이미지 마스킹에 사용되는 내장형 Python은 봇 실행 중에만 추출되어 간섭하지 않지만, 제어판 > 프로그램 및 기능에 표시되는 추가 Python 설치는 비전 기반 폴백 작업에 영향을 줄 수 있습니다. 비전 기반 폴백을 안정적으로 실행하려면, 프로그램 및 기능에서 이러한 Python 설치를 제거하십시오.

생성형 레코더의 이미지 정화 기능을 사용하면 모든 스크린샷이 정제된 후에 데이터가 외부로 전송되므로 민감한 비즈니스 정보를 안전하게 보호할 수 있습니다.

자동화 중에 캡처된 스크린샷에는 PII, 재무 데이터, 고객 기록, 내부 대시보드 또는 독점 콘텐츠와 같은 민감한 비즈니스 정보가 포함될 수 있습니다. 정제하지 않으면 이 정보가 클라우드 기반 또는 외부 AI 서비스와 상호 작용할 때 의도치 않게 노출될 수 있습니다.

AI 서비스에 의해 처리되기 전에 이미지를 정제함으로써 생성형 레코더는 다음을 보장합니다.
  • 기밀 유지: 민감한 데이터를 소스에서 삭제하여 노출 위험을 없앱니다.
  • 제어된 데이터 흐름: 민감한 비즈니스 정보가 제거된 이미지와 텍스트만 환경 외부로 전송됩니다.
  • 설계 단계부터 보안을 고려한 접근 방식: 정제 작업은 자동으로 일관되게 수행되어, 사용자의 판단이나 설정에 대한 의존도를 줄입니다.
주: 응용 프로그램 스크린샷에서는 영어 텍스트만 정제됩니다.
조직의 성과 요구 사항 및 규정 준수 요구 사항에 따라, 이미지 정제 방법 선택 설정을 통해 정제 작업의 실행 방식을 선택할 수 있습니다.
  • 클라우드 기반 정제: 대상 애플리케이션의 스크린샷이 Automation Anywhere Cloud Service로 안전하게 전송됩니다. 이미지는 수신된 후 분석을 위해 AI 모델에서 처리하기 전에 클라우드에서 자동으로 정제됩니다.

    성능 향상과 로컬 디바이스 성능에 대한 영향을 최소화하기 위해 중앙 집중식 처리를 선호하는 경우 이 옵션을 선택할 수 있습니다.

  • 로컬 정제: 스크린샷의 정제 작업은 AI 분석을 위해 이미지가 전송되기 전에 사용자의 기기에서 직접 수행됩니다. 이 과정은 해당 기기에서 실행 중인 레코더 패키지에서 전적으로 처리합니다.

    조직에서 로컬 데이터 처리, 규제 준수 또는 제한된 네트워크 환경을 우선시하는 경우 이 옵션을 선택할 수 있습니다.