지능형 프로세스 자동화(IPA)란?

전통적인 자동화는 프로세스가 명확하게 정의되어 있고 입력 형식이 일관될 때 가장 잘 작동합니다. 하지만 대부분의 비즈니스 운영은 그렇게 깔끔하게 진행되지 않습니다.

실제로는 데이터가 누락되거나 요청이 불분명하거나, 중간에 조건이 바뀌면 워크플로우가 무너집니다.

규칙 기반 시스템은 지시를 따르지만, 환경이 바뀌면 적응하지 못합니다.

지능형 프로세스 자동화(IPA)는 자동화에 엔터프라이즈 챗봇을 결합하여 복잡한 워크플로우를 이해할 수 있도록 합니다. 이 챗봇들은 자연스러운 입력을 해석하고, 시스템 간 불일치를 해결하며, 실시간으로 의사결정을 내립니다.

지능형 프로세스 자동화(IPA)란?

지능형 프로세스 자동화(IPA)는 로보틱 프로세스 자동화(RPA)에 인공지능(AI), 분석, 의사결정 논리를 결합하여, 인간의 개입 없이도 이해하고, 적응하며, 행동할 수 있는 워크플로우를 만듭니다.

지능형 자동화, 하이퍼 오토메이션, 또는 디지털 프로세스 자동화라고도 불리는 IPA는 기존의 규칙 기반 봇을 넘어섭니다.

머신러닝, 자연어 처리, 프로세스 마이닝과 같은 기술을 활용해 비정형 데이터를 처리하고, 맥락을 해석하며, 실시간으로 의사결정을 내립니다.

지능형 프로세스 자동화와 로보틱 프로세스 자동화의 차이

지능형 프로세스 자동화(IPA)와 로보틱 프로세스 자동화(RPA)는 종종 혼용되지만, 목적이 다릅니다.

RPA는 입력이 일관되고 단계가 미리 정의된 반복적이고 규칙 기반의 작업(예: 시스템 간 데이터 복사, 구조화된 양식 처리 등)을 처리하도록 설계되었습니다.

IPA는 여기에 인공지능을 자동화 스택에 추가하여, 비정형 입력을 처리하고, 실시간으로 조건을 평가하며, 맥락에 따라 의사결정을 내릴 수 있게 합니다.

따라서 단순한 스크립트로는 구현할 수 없는, 시스템이 보는 것에 따라 단계가 달라지는 워크플로우에 적합합니다.

지능형 프로세스 자동화의 주요 이점

자동화는 실제 비즈니스 프로세스의 복잡성을 처리할 수 있을 때만 효과적입니다. 대부분의 규칙 기반 봇은 입력이 달라지거나 단계가 예측 가능한 패턴을 따르지 않으면 작동이 멈춥니다.

IPA는 팀에 더 유연하고 확장 가능한 자동화 계층을 제공합니다. 동적인 입력을 처리하고 의사결정을 내릴 수 있도록 설계되었습니다.

대규모 수작업 감소

기존 자동화는 종종 세심한 감독이 필요합니다. 팀은 여전히 예외 검토, 데이터 불일치 해결, 스크립트에서 벗어난 작업 관리에 시간을 씁니다.

IPA는 이러한 감독을 줄여줍니다. 비즈니스 규칙에 따라 요청을 해석하고, 각 단계마다 사람의 개입 없이 작업을 수행할 수 있습니다.

일부 기업은 AI 에이전시와 협력해 이러한 워크플로우를 설계합니다. 이 파트너들은 시스템이 안정적이고 효율적이며 실제 비즈니스 운영에 적합하도록 집중합니다.

변화하는 입력과 맥락에 적응

기존 봇은 일관된 형식에 의존합니다. 오타나 문서 레이아웃 변경과 같은 작은 변화도 프로세스를 중단시킬 수 있습니다.

IPA는 다양한 변화를 처리할 수 있습니다. 입력을 읽고, 의도를 파악하며, 구조가 완벽하지 않아도 대응합니다. 일상적인 사용 환경에서 더 신뢰할 수 있습니다.

운영의 투명성 향상

규칙 기반 자동화는 맥락이 없으면 자주 실패합니다. 무슨 일이 어디서 일어났고, 무엇이 실패를 유발했는지 이해하기 어렵습니다.

이 문제는 멀티 에이전트 시스템에서 더 커집니다. 여러 에이전트가 병렬 또는 순차적으로 작동할 때, 가시성이 없으면 상호작용을 추적하거나 성능을 안정적으로 유지하기 어렵습니다.

IPA는 프로세스의 각 단계를 기록하여 관찰 가능성을 높입니다. 멀티 에이전트 시스템 평가 시 특히 유용하며, 팀이 문제를 분리하고 에이전트 협업 방식을 개선하는 데 도움을 줍니다.

지능형 프로세스 자동화는 어떻게 작동하나요?

지능형 프로세스 자동화는 이벤트, 데이터, 의사결정, 행동을 하나의 자동화된 흐름으로 연결합니다. 각 단계는 AI 에이전트가 처리하며, 입력이 복잡하거나 불완전해도 상황을 이해하고 다음 행동을 결정합니다.

IPA가 실제로 어떻게 작동하는지 알아보기 위해, 일반적인 전자상거래 워크플로우인 반품 요청 처리를 살펴보겠습니다.

모든 요청을 지원 담당자에게 전달하는 대신, 입력을 해석하고 다음 단계를 결정하며 여러 도구에서 행동할 수 있는 AI 에이전트로 프로세스를 처음부터 끝까지 자동화할 수 있습니다.

1단계: 트리거 이벤트로 프로세스 시작

고객이 반품 요청 양식을 작성하거나 반품을 요청하는 메시지를 보냅니다. 이 메시지가 반품 워크플로우를 시작합니다.

에이전트가 즉시 요청을 받아 수동 분류를 기다릴 필요가 없습니다.

2단계: AI 에이전트가 정보 분석

에이전트는 메시지나 양식을 스캔하여 주문번호, 상품명, 반품 사유, 고객 ID 등 주요 정보를 추출합니다.

비정형 메시지의 경우, 대형 언어 모델(LLM)을 사용해 의도를 해석하고 올바른 주문을 식별합니다.

3단계: AI 에이전트가 다음 단계를 결정

비즈니스 규칙과 반품 정책을 바탕으로, 에이전트는 해당 상품이 반품 대상인지, 환불 또는 적립금 등 어떤 유형의 반품이 가능한지 확인합니다.

지원 담당자가 하던 결정을 즉시 처리합니다.

4단계: AI 에이전트가 시스템 간 작업 수행

결정이 내려지면 에이전트는 다음을 수행합니다:

• 주문 상태 업데이트
• 반품 라벨 생성
• 고객에게 안내 발송
• 창고에 알림 전송

모든 작업이 연결된 시스템 내에서 이루어지며, 팀 간 인계가 필요 없습니다.

5단계: AI 에이전트가 결과 기록

초기 요청부터 최종 응답까지 각 단계가 기록됩니다. 이 기록은 대시보드와 알림 시스템으로 전달되어 프로세스 추적이 가능합니다.

수동 검토가 필요한 경우, 전체 맥락과 함께 이관됩니다.

지능형 프로세스 자동화 활용 사례

챗봇 활용 사례에 많은 관심이 있지만, 실제로 가장 큰 효과를 내는 자동화는 의사결정, 행동, 후속 조치를 이끄는 백엔드 워크플로우에서 일어납니다.

지능형 프로세스 자동화는 규칙만으로는 처리하기 어렵지만, 반복적이어서 수작업으로 남기엔 비효율적인 워크플로우에 적합합니다.

예측 불가능한 입력, 분산된 도구, 반복적으로 사람의 검토가 필요한 결정을 다루는 팀이라면 IPA가 도움이 될 수 있습니다.

비정형 문서 및 양식 처리

규칙 기반 봇은 복잡한 입력을 처리할 때 쉽게 무너집니다. 송장, 청구서, 계약서, 온보딩 서류 등 많은 비즈니스 문서는 일관된 형식을 따르지 않는 비정형 또는 반정형 데이터를 포함하고 있습니다.

IPA 에이전트는 광학 문자 인식(OCR)과 자연어 처리(NLP)를 사용해 이를 처리합니다.

• 영수증에서 총액 추출
• 계약서 조항 분석
• 스캔된 서류에서 신원 확인

데이터가 해석되면, 시스템은 사람의 개입 없이도 작업을 수행할 수 있습니다. 이를 통해 HR 챗봇이 직원 서류를 처리하거나, 고객 서비스 챗봇이 문서 기반 지원 요청을 받는 등 도구 내에서 처음부터 끝까지 자동화된 워크플로우가 가능해집니다.

시스템 간 다단계 워크플로우 자동화

온보딩이나 반품 처리 같은 프로세스는 하나의 시스템에서만 이루어지지 않습니다. 보통 CRM, 내부 데이터베이스, 일정 관리 플랫폼, 알림 도구 등 여러 시스템에 걸쳐 진행되며, 각 요소마다 별도의 의존성이 추가됩니다.

IPA 에이전트는 단계별로 흐름을 관리합니다. 입력을 평가하고, 상황에 따라 결정을 내리며, 연결된 시스템 내에서 작업을 실행합니다.

수동 라우팅이나 불안정한 임시방편 없이 논리가 그대로 유지됩니다.

이런 이유로 IPA는 예약 챗봇과 같은 워크플로우의 엔진으로 적합합니다. 인터페이스에서 기본 정보를 수집하는 동안, 시스템은 일정 확인, 예약, 확인 메시지 전송, 백엔드 도구 업데이트까지 모두 처리합니다.

메시지 의도에 따라 지원 티켓 라우팅

지원 대기열은 종종 메시지가 불분명하게 들어와서 막히곤 합니다. 고객이 항상 정해진 형식을 따르지 않고, 대부분의 시스템은 실제로 무엇을 요청하는지 이해하지 못합니다.

IPA 에이전트는 메시지를 해석하고, 핵심 정보를 파악하며, 적절한 조치를 결정해 처리합니다.

긴급도를 평가하고, 티켓을 적합한 시스템이나 팀으로 사람의 개입 없이 전달할 수 있습니다.

이것이 AI 티켓팅 시스템이 더 확장 가능한 이유입니다. 티켓에 맥락이 추가되고, 올바른 곳으로 전달됩니다.

내부 포털에서 셀프서비스 구현

내부 팀은 종종 사람의 개입이 필요 없는 승인이나 답변을 기다리며 시간을 보냅니다. 이런 지연은 주로 책임이 불분명하거나 느린 수동 프로세스에서 발생합니다.

IPA는 내부 포털을 더 유용하게 만듭니다. 사용자의 필요를 이해하고, 백엔드 시스템과 연결해, 하나의 인터페이스에서 불필요한 반복 없이 직접 작업을 완료합니다.

이 방식은 여러 채널과 사용자에 걸쳐 워크플로우를 확장하면서도, 각 상호작용의 기록을 명확하게 유지할 수 있어 매우 효과적입니다.

상위 5개 지능형 프로세스 자동화 소프트웨어

규칙 기반 자동화를 넘어설 준비가 되었다면, 올바른 소프트웨어 선택이 매우 중요합니다.

환불, 온보딩, 분류, 티켓 라우팅 등 복잡한 워크플로우를 자동화할 때, 이 플랫폼들이 핵심 요소를 제공합니다.

1. Botpress

Botpress는 자동화 방식에 대한 제어를 원하는 팀을 위해 설계되었습니다. 단순히 규칙만 따르는 것이 아니라, 입력, 메모리, 실시간 맥락에 따라 결정을 내리는 에이전트를 정의할 수 있습니다.

반품 가능성 확인, 환불 요청 해석, 여러 시스템 간 기록 업데이트 등 다양한 플로우를 구축할 수 있습니다. 각 에이전트는 규칙, LLM, 결정 논리를 사용할 수 있으며, 웹, Slack, WhatsApp 등 다양한 채널에서 중복 작업 없이 실행됩니다.

변수 입력, API 트리거, 실제 운영 결과가 포함된 지능형 워크플로우를 구축할 때 이상적입니다.

주요 기능:

• 플로우 논리, 메모리, 조건을 갖춘 AI 에이전트 시각적 빌더
• 여러 채널에서 작동하며 백엔드 도구와 통합 가능
• 실시간 API 호출, 동적 라우팅, 맞춤형 작업 지원
  
  

가격:

• 사용량 기반 AI 크레딧이 포함된 무료 플랜
• Plus: 라이브 에이전트 연동 및 플로우 테스트 $89/월
• Team: 월 $495로 협업, SSO, 접근 제어 제공
• Enterprise: 맞춤형

2. Make (구 Integromat)

Make는 코딩 없이 앱을 연결하도록 설계되었습니다. 시각적 캔버스에서 다단계 시나리오를 구축할 수 있어, 도구 간 작업 자동화가 필요한 IPA에 적합합니다.

한 시스템이 다른 시스템의 변화에 반응해야 하는 워크플로우에서 강점을 보입니다 — 예를 들어 CRM과 주문 시스템 동기화, 지원 폼에 조건부 작업으로 응답 등입니다.

에이전트 수준의 맥락이나 AI 의사결정은 없지만, 프로세스 수준의 통합과 트리거에는 빠르고 유연합니다.

주요 기능:

• 수백 개 앱을 위한 드래그 앤 드롭 워크플로우 빌더
• 조건부 논리, 일정 관리, 데이터 파싱, 웹훅 지원
• 복잡한 분기와 다단계 플로우 지원
  
  

가격:

• 무료: 월 1,000회 작업
• Core: $9/월
• Pro 및 Teams: 더 많은 사용량과 고급 제어 기능 제공
  
  

3. Zapier

Zapier는 도구를 빠르게 연결하고 복잡한 분기가 필요하지 않을 때 가장 적합합니다. 완전한 오케스트레이션 계층은 아니지만, 챗봇과 CRM, 일정 관리, 데이터베이스 간 데이터 전달을 코드 없이 처리합니다.

IPA에서 Zapier는 해석된 의도를 백엔드 작업으로 전환할 때 유용합니다. '생각'을 하진 않지만, 생각하는 시스템과 실제 작업 도구를 연결해줍니다.

주요 기능:

• 6,000개 이상의 통합 지원
• 챗봇, 폼, 웹훅에서 트리거 가능
• 엔지니어링 지원 없이도 팀이 쉽게 설정 가능

가격:

• 무료: 월 100개 작업
• Starter: 월 $19.99
• Professional: 월 $49, 고급 기능 포함

4. Tidio

Tidio는 자동화 기능이 추가된 라이브 채팅 플랫폼입니다. 완전한 IPA 플랫폼은 아니지만, 라우팅, 입력 수집, 지원 문의 답변 등 고객 대상 작업 자동화에 적합합니다.

AI 답변, 조건부 플로우, 백엔드 연동을 지원해 표면적인 의사결정 자동화에 유용합니다. 소규모 운영팀이나 중소기업에 적합한 시작점입니다.

주요 기능:

• AI 기반 라이브 채팅 및 자동화 템플릿
• 채팅 라우팅, 폼 처리, CRM 통합
• 유연한 응답을 위한 GPT 기반 어시스턴트

가격:

• 무료: 기본 채팅 및 자동화
• Starter: 월 $29
• Plus: AI 기능 및 CRM 동기화

5. n8n

n8n은 논리, 트리거, 통합을 완전히 제어할 수 있는 오픈소스 워크플로우 자동화 플랫폼입니다. Zapier나 Make와 달리 자체 호스팅이 가능하며, 필요에 따라 코드를 작성할 수 있습니다.

기술 리소스가 있고 유연성과 프라이버시를 원하는 팀에 이상적입니다. IPA 에이전트를 실행하고, API와 연동하며, 구조화/비구조화 데이터를 처리할 수 있습니다 — 모두 맞춤형 워크플로우 내에서 가능합니다.

주요 기능:

• 코드 노드 지원 시각적 에디터
• 웹훅, 스케줄러, 조건부 분기 지원
• 직접 호스팅 또는 클라우드 서비스 이용 가능

가격:

• 무료: 자체 호스팅
• Cloud Basic: 월 $20
• Pro: 팀 기능 포함 월 $50

지능형 프로세스 자동화 배포 방법

지능형 프로세스 자동화를 이해하는 것과 실제로 적용하는 것은 다릅니다. 실천에는 집중, 계획, 올바른 시작점이 필요합니다.

대부분의 팀은 한 번에 모든 것을 바꾸지 않습니다. 자주 문제가 발생하는 프로세스 — 눈에 잘 띄고 반복적이며 여전히 사람의 개입이 필요한 부분부터 시작합니다.

예시를 들어보겠습니다:

고객 성공팀이 환불을 수동으로 처리하고 있습니다.

이 워크플로우는 폼 제출, 여러 시스템에서 데이터 조회, 특정 비즈니스 규칙에 따라 승인 또는 거부를 결정하는 방식으로 이루어집니다.

느리고, 실수하기 쉽고, 확장하는 데 비용이 많이 듭니다. 그래서 지능형 프로세스 자동화가 필요한 이유입니다.

1. 병목 현상을 일으키는 한 가지 워크플로우부터 시작하세요

환불 승인 워크플로우가 좋은 예입니다. 요청이 들어오지만, 일관성이 없습니다. 어떤 요청에는 주문 번호가 있지만, 어떤 요청에는 없습니다. 상담원은 세부 정보를 찾아야 하고, 자격을 확인하며, 비즈니스 규칙을 직접 적용해야 합니다.

이런 마찰이 있는 프로세스는 지능형 자동화에 적합합니다 — 논리는 명확하지만 입력값이 조금씩 달라서 규칙 기반 봇이 실수하기 쉽습니다.

2. 예외를 포함해 전체 흐름을 정리하세요

프로세스가 어떻게 진행되는지 문서화하세요. 환불 요청이 어떻게 들어오는지, 상담원이 어디서 정보를 얻는지, 어떤 결정을 내리고 어떤 행동을 하는지 추적하세요.

자주 발생하는 예외도 반드시 포함하세요: 데이터 누락, 불분명한 반품 사유, 주문 정보와 환불 정책 불일치 등입니다.

이런 부분에서 지능형 자동화가 개입해야 합니다.

3. 의사결정이 이루어지는 지점을 찾으세요

사람이 입력을 해석하거나 판단을 내리는 지점을 찾아보세요. 환불 워크플로우에서는 고객의 사유를 읽고, 반품 규정과 비교해 환불, 적립금, 거절 중 하나를 결정하는 과정이 여기에 해당합니다.

이런 각 결정은 논리가 정의되어 있고 데이터에 접근할 수 있다면 AI 에이전트가 처리할 수 있습니다.

4. 실행을 담당하는 도구를 연결하세요

결정이 내려지면, 시스템은 주문 상태를 업데이트하고, 고객에게 알리며, 라벨을 발급하거나 결제를 진행해야 합니다.

이를 자동화하려면, 해당 도구들과 연결되어 작업을 안정적으로 조정할 수 있는 플랫폼이 필요합니다. 에이전트 오케스트레이션 계층이나 통합 지원이 있는 자동화 프레임워크가 여기에 해당할 수 있습니다.

5. 테스트하고, 모니터링하며, 개선하세요

환불 프로세스가 자동화되면, 성과를 추적하세요. 어떤 사례가 제대로 처리되고, 어떤 부분에서 시스템이 어려움을 겪는지 살펴보세요. 이 피드백을 활용해 의사결정 논리를 다듬고 신뢰성을 높이세요.

IPA 시스템은 유동적입니다. 다양한 예외 상황을 포착하고 처리할수록 워크플로우가 더 강력하고 확장성 있게 됩니다.

IPA 도입 시 흔히 겪는 과제

지능형 프로세스 자동화는 큰 효과를 낼 수 있지만, 단순히 기술만으로는 성공할 수 없습니다.

대부분의 장애물은 조직이 프로세스를 구성하고, 책임을 배분하며, 자동화와 목표를 어떻게 연계하는지에서 발생합니다.

프로세스 및 데이터 준비 부족

자동화는 프로세스가 일관될 때 가장 잘 작동합니다. 하지만 많은 조직에서는 워크플로우가 문서화되어 있지 않거나 팀마다 다르게 처리됩니다. 데이터도 여러 시스템에 분산되어 있거나 형식이 달라, 안정적인 자동화 구축이 어렵습니다.

지능형 프로세스 자동화를 도입하기 전에, 현재 프로세스가 어떻게 작동하는지 먼저 정리하세요. 입력값, 알려진 예외, 도구 의존성, 그리고 여전히 사람의 개입이 필요한 지점을 문서화하세요.

초기 구현을 지나치게 복잡하게 만드는 경우

팀이 너무 많은 것을 한 번에 자동화하려고 시도하는 경우가 많습니다. 초기 도입에서 여러 시스템을 아우르거나 예외 상황까지 모두 포함하면, 지연이나 도입 실패 가능성이 높아집니다.

대신, 하나의 명확한 의사결정 지점과 측정 가능한 결과가 있는 단일 프로세스부터 시작하세요. 범위를 좁게 유지해 빠르게 가치를 입증하세요.

명확한 책임자나 장기적 비전 부재

지능형 프로세스 자동화 시스템은 적응하고 발전하는 프로젝트입니다. 성능, 논리, 유지보수를 담당할 팀이나 담당자가 없으면 시스템이 금방 낡거나 방향을 잃기 쉽습니다.

처음부터 지속적으로 관리할 책임자를 지정하세요. 누군가는 자동화 성과, 문제 발생 지점, 조정이 필요한 부분을 계속 추적해야 합니다.

비즈니스 목표와 자동화 논리의 불일치

모든 프로세스가 자동화할 가치가 있는 것은 아니며, 모든 자동화가 가치를 창출하는 것도 아닙니다. 때로는 논리가 기술적으로 가능한 것에만 맞춰져 실제 비즈니스 요구와는 다를 수 있습니다.

이를 피하려면, 실제 사용자와 함께 워크플로우를 설계하세요. 지원팀, 운영 리더, 제품 책임자가 모두 포함되어야 합니다.

자동화가 실제 요구와 맞아떨어질 때, 지속적인 성과를 낼 가능성이 훨씬 높아집니다.

지금 바로 워크플로우에 IPA를 도입하세요

IPA는 이미 사용 중인 워크플로우(지원 분류, 환불 승인, 문서 처리, 내부 라우팅 또는 일정 요청)에 추가할 때 가장 효과적입니다.

Botpress와 같은 플랫폼을 사용하면, 무엇을 할지 결정하고, 외부 도구와 연결하며, 비정형 입력을 처리하고, 웹, Slack, WhatsApp, 내부 도구 등 다양한 채널에서 실행되는 에이전트를 구축할 수 있습니다.

불안정한 스크립트를 대체하거나 기존 플로우를 확장하든, IPA는 단순 반복 작업이 아닌 실제 업무 자동화를 위한 구조를 제공합니다.

작게 시작하세요. 유용한 것을 만들어보세요. 빠르게 배포하세요.

자주 묻는 질문

1. IPA는 비즈니스 프로세스 관리(BPM)와 어떻게 다르나요?

IPA(지능형 프로세스 자동화)는 BPM이 프로세스 설계, 모델링, 최적화에 중점을 두는 반면, 실제로 AI, 머신러닝, RPA를 활용해 의사결정과 실행을 자동화한다는 점에서 다릅니다. BPM은 전략적이고, IPA는 운영 및 실행 중심입니다.

2. IPA가 인간의 업무를 완전히 대체할 수 있나요, 아니면 단순히 업무 부담만 줄여주나요?

IPA는 반복적이고 규칙 기반의 작업을 자동화해 인간의 업무량을 줄이기 위해 설계되었습니다. 인간을 완전히 대체하는 것이 아니라, 자동화가 신뢰할 수 없는 문제 해결이나 관계 구축 등 고부가가치 업무에 집중할 수 있도록 도와줍니다.

3. IPA에서 주로 사용되는 머신러닝 모델은 무엇인가요?

IPA에서 흔히 사용되는 머신러닝 모델로는 비정형 텍스트 이해를 위한 자연어 모델(BERT, GPT 등), 규칙 기반 결정을 위한 랜덤 포레스트, 문서 태깅이나 의도 인식을 위한 분류 모델 등이 있습니다. 어떤 작업을 자동화하느냐에 따라 모델이 달라집니다.

4. IPA는 대기업에만 해당되나요, 아니면 중소기업도 혜택을 볼 수 있나요?

IPA는 중소기업에도 매우 유용합니다. 송장 처리나 양식 검증 등 반복 작업을 소규모 팀도 자동화할 수 있습니다. 클라우드 기반 IPA 도구 덕분에 자원이 제한된 기업도 저렴하고 쉽게 확장할 수 있습니다.

5. IPA 모델을 효과적으로 학습하거나 구성하려면 어떤 종류의 데이터가 필요하나요?

IPA 모델을 효과적으로 학습하려면 실제 운영 데이터 — 이메일, 지원 티켓, 채팅 기록, 양식, 거래 기록 등 — 와 올바른 결과 또는 행동이 짝지어진 데이터가 필요합니다. 깨끗하게 라벨링된 과거 데이터가 성능을 높여줍니다.