KR102670871B1

KR102670871B1 - Method, device and system for providing robotic-process-automation work automation subscription service platform for application no-code scalable application-programming-interface based on artificial-intelligence

Info

Publication number: KR102670871B1
Application number: KR1020230179271A
Authority: KR
Inventors: 류장근
Original assignee: 주식회사 바티에이아이
Priority date: 2023-12-12
Filing date: 2023-12-12
Publication date: 2024-05-30

Abstract

일실시예에 따르면, 장치에 의해 수행되는, AI 기반의 확장 가능한 API 앱 노코드 RPA 업무 자동화 구독서비스 플랫폼 제공 방법에 있어서, 제1 사용자의 업무 환경, 업무 규칙 및 업무 실행 패턴을 기반으로, 상기 제1 사용자의 맞춤형 업무흐름인 제1 워크플로를 생성하는 단계; 상기 제1 워크플로를 기초로, 제1 애플리케이션을 통해 제1 작업 정보를 수집하여 획득하는 단계; 상기 제1 워크플로를 기초로, 제2 애플리케이션을 통해 제2 작업 정보를 수집하여 획득하는 단계; 상기 제1 워크플로를 기초로, 제1 작업 정보 및 제2 작업 정보를 기반으로 제3 애플리케이션에서 실행 가능한 업무 보고서를 생성하는 단계; 및 상기 제1 워크플로를 기초로, 제4 애플리케이션을 통해 상기 업무 보고서를 발송하는 단계를 포함하는, AI 기반의 확장 가능한 API 앱 노코드 RPA 업무 자동화 구독서비스 플랫폼 제공 방법이 제공된다.According to one embodiment, in the method of providing an AI-based scalable API app no-code RPA business automation subscription service platform performed by a device, based on the work environment, work rules, and work execution patterns of the first user, creating a first workflow, which is a customized workflow for a first user; Based on the first workflow, collecting and obtaining first task information through a first application; Based on the first workflow, collecting and obtaining second task information through a second application; Based on the first workflow, generating an executable work report in a third application based on the first work information and the second work information; And based on the first workflow, a method of providing an AI-based scalable API app no-code RPA business automation subscription service platform is provided, including the step of sending the business report through a fourth application.

Description

AI-based scalable API app no-code RPA work automation subscription service platform method, device and system BASED ON ARTIFICIAL-INTELLIGENCE}

아래 실시예들은 AI(Artificial Intelligence) 기반의 확장 가능한 API(Application Programming Interface) 앱 노코드 RPA(Robotic Process Automation) 업무 자동화 구독서비스 플랫폼을 제공하기 위한 기술에 관한 것이다.The examples below relate to technology for providing an AI (Artificial Intelligence)-based scalable API (Application Programming Interface) app no-code RPA (Robotic Process Automation) business automation subscription service platform.

전세계 경기침체로 비용절감에 대한 기업들의 관심이 증가하고 있으며, Automation, Less Management, Less Employee 등의 방안을 찾고 있다.Due to the global economic downturn, companies' interest in cost reduction is increasing, and they are looking for ways to reduce costs, such as Automation, Less Management, and Less Employee.

또한, 국내 노동인구 및 연간 노동시간의 감소로 인해 추가비용 없이 24/7 작업 가능한 숙련된 디지털 노동력을 필요로 하고 있다.In addition, due to the decrease in the domestic working population and annual working hours, there is a need for a skilled digital workforce that can work 24/7 without additional costs.

또한, 표준화된 업무 시스템의 부재로 많은 업무가 수작업으로 처리되고, 이에 따른 human Error가 발생함에 따라 이를 방지하려는 노력을 하고 있다.In addition, due to the lack of a standardized work system, many tasks are handled manually, and efforts are being made to prevent human errors from occurring as a result.

또한, IT조직 또는 개발인력 부재, 부족으로 인해 자동화 시스템에 도입에 대한 니즈와 투자가 매년 증가하고 있다.In addition, the need for and investment in introducing automated systems is increasing every year due to the absence or shortage of IT organizations or development personnel.

상술한 문제점들이 대두되면서, 업무 자동화에 대한 필요성이 대두되고 있으며, 업무 자동화 기술에 대한 연구개발이 요구되고 있다.As the above-mentioned problems emerge, the need for task automation is emerging, and research and development on task automation technology is required.

한국등록특허 제10-2425731호Korean Patent No. 10-2425731 한국등록특허 제10-2411816호Korean Patent No. 10-2411816 한국공개특허 제10-2023-0166610호Korean Patent Publication No. 10-2023-0166610 한국공개특허 제10-2023-0115034호Korean Patent Publication No. 10-2023-0115034

일실시예에 따르면, AI 기반의 확장 가능한 API 앱 노코드 RPA 업무 자동화 구독서비스 플랫폼을 제공하는 방법, 장치 및 시스템을 제공하기 위한 것을 그 목적으로 한다.According to one embodiment, the purpose is to provide a method, device, and system for providing an AI-based scalable API app no-code RPA business automation subscription service platform.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.The object of the present invention is not limited to the object mentioned above, and other objects not mentioned can be clearly understood from the description below.

상기 제1 작업 정보를 수집하여 획득하는 단계는, 상기 제1 작업 정보를 수집하는 과정에서 제1 문서가 획득된 경우, 상기 제1 문서 상에서 제1 항목의 명칭이 표시되어 있는 부분을 제1 구역으로 분류하고, 상기 제1 문서 상에서 상기 제1 항목의 내용이 표시되어 있는 부분을 제2 구역으로 분류하는 단계; 상기 제1 구역 내에 포함되어 있는 글자를 제1 텍스트로 추출하는 단계; 상기 제1 텍스트를 제1 키워드로 설정하는 단계; 상기 제2 구역 내에 포함되어 있는 글자를 제2 텍스트로 추출하는 단계; 상기 제2 텍스트에 대한 자연어 처리를 통해 핵심 키워드를 인식하는 단계; 상기 제2 텍스트에서 인식된 핵심 키워드를 제2 키워드로 설정하는 단계; 및 상기 제1 키워드 및 상기 제2 키워드를 매칭한 결과를 기반으로, 상기 제1 항목에 대한 문자열을 생성하는 단계를 포함할 수 있다.The step of collecting and obtaining the first work information includes, when the first document is obtained in the process of collecting the first work information, the portion where the name of the first item is displayed on the first document is divided into the first zone. , and classifying a portion of the first document in which the content of the first item is displayed as a second zone; extracting letters included in the first zone as first text; setting the first text as a first keyword; extracting letters included in the second zone as second text; Recognizing key keywords through natural language processing of the second text; setting a key keyword recognized in the second text as a second keyword; and generating a string for the first item based on a result of matching the first keyword and the second keyword.

상기 제1 작업 정보를 수집하여 획득하는 단계는, 상기 제1 문서가 획득된 경우, 상기 제1 문서 내에 미리 설정된 트리거 단어가 포함되어 있는지 여부를 확인하는 단계; 상기 제1 문서 내에 상기 트리거 단어로 제1 단어가 포함되어 있는 것으로 확인되면, 상기 제1 문서 상에서 상기 제1 단어의 기한을 제1 일자로 확인하는 단계; 상기 제1 단어 및 상기 제1 일자를 기반으로, 제1 문구를 생성하는 단계; 및 상기 제1 단어의 업무를 처리하는 담당자가 제2 사용자로 확인되면, 상기 제1 문구와 상기 제1 문서를 상기 제2 사용자의 이메일로 발송하는 단계를 포함할 수 있다.The step of collecting and acquiring the first work information includes, when the first document is obtained, checking whether a preset trigger word is included in the first document; When it is confirmed that the first word is included as the trigger word in the first document, confirming the expiration date of the first word on the first document as a first date; generating a first phrase based on the first word and the first date; And when the person in charge of processing the first word is confirmed to be a second user, it may include sending the first phrase and the first document to the second user's email.

일실시예에 따르면, AI 기반의 확장 가능한 API 앱 노코드 RPA 업무 자동화 구독서비스 플랫폼을 제공함으로써, 개발지식이 없는 실무자가 즉시 활용 가능한 하이퍼오토메이션의 기술적 토대를 구축하고, 기존 RPA 자동화 개념을 넘어 비즈니스 자체를 사고의 중심에 두고 여러 비즈니스 및 IT 프로세스를 신속하게 식별하여 워크플로를 손쉽게 생성하고 자동화를 설정할 수 있는 효과가 있다.According to one embodiment, by providing an AI-based scalable API app no-code RPA task automation subscription service platform, it establishes a technical foundation for hyperautomation that practitioners without development knowledge can immediately use, and provides business solutions beyond the existing RPA automation concept. By putting itself at the center of your thinking, you can quickly identify multiple business and IT processes to easily create workflows and set up automation.

한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.Meanwhile, the effects according to the embodiments are not limited to those mentioned above, and other effects not mentioned can be clearly understood by those skilled in the art from the description below.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 RPA 업무 자동화 구독서비스 플랫폼에 대한 개념도를 도시한 도면이다.
도 3은 일실시예에 따른 앱 커넥터를 활용한 워크플로 자동화 과정을 도시한 도면이다.
도 4는 일실시예에 따른 OCR을 활용한 텍스트 및 비정형 데이터 추출 과정을 도시한 도면이다.
도 5는 일실시예에 따른 AI 예측모델을 활용한 데이터 분석 및 의사결정 지원 과정을 도시한 도면이다.
도 6은 일실시예에 따른 초거대 AI언어모델을 활용한 UI/UX 강화 과정을 도시한 도면이다.
도 7은 일실시예에 따른 AI 기반의 확장 가능한 API 앱 노코드 RPA 업무 자동화 구독서비스 플랫폼을 제공하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 문서 내의 내 문자를 문자열로 변환하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 기한 맞춤 자동 알림 서비스를 제공하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 기한까지 남아있는 기간에 따라 문구에 포함되어 있는 글자의 글자 크기를 조정하는 과정을 설명하기 위한 순서도이다.
도 11 내지 도 12는 일실시예에 따른 업무 보고서의 배경색을 설정하는 과정을 설명하기 위한 순서도이다.
도 13는 일실시예에 따른 장치의 구성의 예시도이다.Figure 1 is a diagram schematically showing the configuration of a system according to an embodiment.
Figure 2 is a diagram illustrating a conceptual diagram of an RPA task automation subscription service platform according to an embodiment.
Figure 3 is a diagram illustrating a workflow automation process using an app connector according to an embodiment.
Figure 4 is a diagram illustrating a process of extracting text and unstructured data using OCR according to an embodiment.
Figure 5 is a diagram illustrating a data analysis and decision support process using an AI prediction model according to an embodiment.
Figure 6 is a diagram illustrating a UI/UX enhancement process using a very large AI language model according to an embodiment.
Figure 7 is a flow chart to explain the process of providing an AI-based scalable API app no-code RPA business automation subscription service platform according to an embodiment.
Figure 8 is a flow chart to explain the process of converting characters within a document into a string according to an embodiment.
Figure 9 is a flow chart to explain the process of providing a deadline-customized automatic notification service according to an embodiment.
Figure 10 is a flowchart for explaining a process of adjusting the font size of letters included in a phrase according to the period remaining until the deadline according to an embodiment.
Figures 11 and 12 are flowcharts for explaining the process of setting the background color of a business report according to an embodiment.
Figure 13 is an exemplary diagram of the configuration of a device according to an embodiment.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.Hereinafter, embodiments will be described in detail with reference to the attached drawings. However, various changes can be made to the embodiments, so the scope of the patent application is not limited or limited by these embodiments. It should be understood that all changes, equivalents, or substitutes for the embodiments are included in the scope of rights.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.Specific structural or functional descriptions of the embodiments are disclosed for illustrative purposes only and may be modified and implemented in various forms. Accordingly, the embodiments are not limited to the specific disclosed form, and the scope of the present specification includes changes, equivalents, or substitutes included in the technical spirit.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Terms such as first or second may be used to describe various components, but these terms should be interpreted only for the purpose of distinguishing one component from another component. For example, a first component may be named a second component, and similarly, the second component may also be named a first component.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.When a component is referred to as being “connected” to another component, it should be understood that it may be directly connected or connected to the other component, but that other components may exist in between.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the examples are for descriptive purposes only and should not be construed as limiting. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this specification, terms such as “comprise” or “have” are intended to designate the presence of features, numbers, steps, operations, components, parts, or combinations thereof described in the specification, but are not intended to indicate the presence of one or more other features. It should be understood that this does not exclude in advance the possibility of the existence or addition of elements, numbers, steps, operations, components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as generally understood by a person of ordinary skill in the technical field to which the embodiments belong. Terms defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related technology, and unless explicitly defined in the present application, should not be interpreted in an ideal or excessively formal sense. No.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In addition, when describing with reference to the accompanying drawings, identical components will be assigned the same reference numerals regardless of the reference numerals, and overlapping descriptions thereof will be omitted. In describing the embodiments, if it is determined that detailed descriptions of related known technologies may unnecessarily obscure the gist of the embodiments, the detailed descriptions are omitted.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.Embodiments may be implemented in various types of products such as personal computers, laptop computers, tablet computers, smart phones, televisions, smart home appliances, intelligent vehicles, kiosks, and wearable devices.

실시예에서 인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 판매자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.In an embodiment, an artificial intelligence (AI) system is a computer system that implements human-level intelligence, and unlike existing rule-based smart systems, it is a system in which machines learn and make decisions on their own. As artificial intelligence systems are used, recognition rates improve and sellers' tastes can be more accurately understood, and existing rule-based smart systems are gradually being replaced by deep learning-based artificial intelligence systems.

인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.Artificial intelligence technology consists of machine learning and element technologies using machine learning. Machine learning is an algorithmic technology that classifies/learns the characteristics of input data on its own, and elemental technology is a technology that mimics the functions of the human brain such as cognition and judgment by utilizing machine learning algorithms such as deep learning, including linguistic understanding and visual It consists of technical areas such as understanding, reasoning/prediction, knowledge expression, and motion control.

인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.The various fields where artificial intelligence technology is applied are as follows. Linguistic understanding is a technology that recognizes and applies/processes human language/characters and includes natural language processing, machine translation, conversation systems, question and answer, and voice recognition/synthesis. Visual understanding is a technology that recognizes and processes objects like human vision, and includes object recognition, object tracking, image search, person recognition, scene understanding, spatial understanding, and image improvement. Inferential prediction is a technology that judges information to make logical inferences and predictions, and includes knowledge/probability-based inference, optimization prediction, preference-based planning, and recommendation. Knowledge expression is a technology that automatically processes human experience information into knowledge data, and includes knowledge construction (data creation/classification) and knowledge management (data utilization). Motion control is a technology that controls the autonomous driving of vehicles and the movement of robots, and includes motion control (navigation, collision, driving), operation control (behavior control), etc.

일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.Generally, in order to apply machine learning algorithms to real life, learning is performed using a trial and error method due to the nature of the basic methodology of machine learning. In particular, deep learning requires hundreds of thousands of iterations. It is impossible to execute this in an actual physical external environment, so instead, the actual physical external environment is virtually implemented on a computer and learning is performed through simulation.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.1 is a diagram schematically showing the configuration of a system according to an embodiment.

도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 복수의 사용자 단말(100) 및 장치(200)를 포함할 수 있다.Referring to FIG. 1, a system according to an embodiment may include a plurality of user terminals 100 and devices 200 that can communicate with each other through a communication network.

먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.First, a communication network can be configured regardless of the communication mode, such as wired or wireless, and can be implemented in various forms to enable communication between servers and between servers and terminals.

복수의 사용자 단말(100) 각각은 통신 기능을 갖춘 연산 장치로 구현될 수 있으며, 예를 들면, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다.Each of the plurality of user terminals 100 may be implemented as a computing device with a communication function, and may be implemented as, for example, a mobile phone, a desktop PC, a laptop PC, a tablet PC, a smartphone, etc., but is not limited thereto. It can also be implemented as various types of communication devices that can be connected to external servers.

복수의 사용자 단말(100)은 기업에 근무하고 있는 직원들이 사용하는 단말로, 제1 사용자가 사용하는 제1 사용자 단말(110), 제2 사용자가 사용하는 제2 사용자 단말(120) 등을 포함할 수 있다.The plurality of user terminals 100 are terminals used by employees working in a company, and include a first user terminal 110 used by a first user, a second user terminal 120 used by a second user, etc. can do.

복수의 사용자 단말(100) 각각은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 복수의 사용자 단말(100)은 장치(200)와 유무선으로 통신하도록 구성될 수 있다.Each of the plurality of user terminals 100 may be configured to perform all or part of the calculation function, storage/reference function, input/output function, and control function of a typical computer. A plurality of user terminals 100 may be configured to communicate with the device 200 in a wired or wireless manner.

복수의 사용자 단말(100) 각각은 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 페이지에 접속되거나, 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 복수의 사용자 단말(100) 각각은 웹 페이지 또는 애플리케이션을 통해 장치(200)와 연동될 수 있다.Each of the plurality of user terminals 100 is connected to a web page operated by a person or organization providing services using the device 200, or is developed and distributed by a person or organization providing services using the device 200. An application can be installed. Each of the plurality of user terminals 100 may be linked to the device 200 through a web page or application.

복수의 사용자 단말(100) 각각은 장치(200)에서 제공하는 웹 페이지, 애플리케이션을 등을 통해 장치(200)에 접속할 수 있다.Each of the plurality of user terminals 100 may access the device 200 through a web page or application provided by the device 200.

장치(200)는 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(200)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(200)는 추론 기능을 수행하는 적어도 하나 이상의 인공지능 모델을 구비할 수 있다.The device 200 may be its own server owned by a person or organization that provides services using the device 200, a cloud server, or a p2p (peer-to-peer) set of distributed nodes. It may be possible. The device 200 may be configured to perform all or part of the calculation function, storage/reference function, input/output function, and control function of a typical computer. The device 200 may be equipped with at least one artificial intelligence model that performs an inference function.

장치(200)는 복수의 사용자 단말(100)과 유무선으로 통신하도록 구성될 수 있으며, 복수의 사용자 단말(100) 각각의 동작을 제어하고, 복수의 사용자 단말(100) 각각의 화면에 어느 정보를 표시할 것인지에 대해 제어할 수 있다.The device 200 may be configured to communicate wired or wirelessly with a plurality of user terminals 100, control the operation of each of the plurality of user terminals 100, and display certain information on the screen of each of the plurality of user terminals 100. You can control whether to display it or not.

장치(200)는 RPA 업무 자동화 구독서비스를 제공하는 서버로 구현되어, 해당 서비스를 위한 플랫폼을 제공할 수 있다.The device 200 may be implemented as a server that provides an RPA task automation subscription service and provide a platform for the service.

한편, 설명의 편의를 위해 도 1에서는 복수의 사용자 단말(100) 중 제1 사용자 단말(110) 및 제2 사용자 단말(120)만을 도시하였으나, 단말들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(200)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.Meanwhile, for convenience of explanation, only the first user terminal 110 and the second user terminal 120 are shown in FIG. 1 among the plurality of user terminals 100, but the number of terminals may vary depending on the embodiment. . As long as the processing capacity of the device 200 allows, the number of terminals is not particularly limited.

일실시예에 따르면, 장치(200)는 RPA 업무 자동화 구독서비스 플랫폼을 제공하는데 있어, 인공지능을 기반으로 확장 가능하면서 API 앱 노코드가 결합된 플랫폼을 제공할 수 있다. 이와 관련된 자세한 설명은 도 2를 참조하여 후술하기로 한다.According to one embodiment, the device 200 can provide an RPA business automation subscription service platform that is scalable based on artificial intelligence and combines API app no-code. A detailed description regarding this will be provided later with reference to FIG. 2 .

본 발명에서, 인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.In the present invention, artificial intelligence (AI) refers to technology that imitates human learning ability, reasoning ability, perception ability, etc. and implements this with a computer, and includes concepts such as machine learning and symbolic logic. may include. Machine Learning (ML) is an algorithmic technology that classifies or learns the characteristics of input data on its own. Artificial intelligence technology is a machine learning algorithm that analyzes input data, learns the results of the analysis, and makes judgments or predictions based on the results of the learning. Additionally, technologies that mimic the functions of the human brain, such as cognition and judgment, using machine learning algorithms can also be understood as the category of artificial intelligence. For example, technical fields such as verbal understanding, visual understanding, reasoning/prediction, knowledge representation, and motion control may be included.

기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다. 또는, 신경망 모델은 입력 데이터만 주어지는 경우에도 주어진 데이터 사이의 규칙성을 도출하여 그 관계를 학습할 수도 있다.Machine learning can refer to the process of training a neural network model using experience processing data. Machine learning can mean that computer software improves its own data processing capabilities. A neural network model is built by modeling the correlation between data, and the correlation can be expressed by a plurality of parameters. A neural network model extracts and analyzes features from given data to derive correlations between data. Repeating this process to optimize the parameters of the neural network model can be called machine learning. For example, a neural network model can learn the mapping (correlation) between input and output for data given as input-output pairs. Alternatively, a neural network model may learn the relationships by deriving regularities between given data even when only input data is given.

인공지능 학습모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다. 인공지능 학습모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 인공지능 학습모델은, 예를 들어, 인공 신경망 모델(Artificial Neural Network), 컨볼루션 신경망 모델(Convolution Neural Network: CNN) 등일 수 있다. 일 실시예로서, 인공지능 학습모델은, 지도학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방식에 따라 기계 학습될 수 있다. 기계 학습을 수행하기 위한 기계 학습 알고리즘에는, 의사결정트리(Decision Tree), 베이지안 망(Bayesian Network), 서포트 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neural Network), 에이다부스트(Ada-boost), 퍼셉트론(Perceptron), 유전자 프로그래밍(Genetic Programming), 군집화(Clustering) 등이 사용될 수 있다.An artificial intelligence learning model or neural network model may be designed to implement the human brain structure on a computer, and may include a plurality of network nodes with weights that simulate neurons of a human neural network. A plurality of network nodes may have a connection relationship with each other by simulating the synaptic activity of neurons in which neurons exchange signals through synapses. In an artificial intelligence learning model, multiple network nodes are located in layers of different depths and can exchange data according to convolutional connection relationships. The artificial intelligence learning model may be, for example, an artificial neural network model (Artificial Neural Network), a convolution neural network (CNN) model, etc. As an example, an artificial intelligence learning model may be machine-learned according to methods such as supervised learning, unsupervised learning, and reinforcement learning. Machine learning algorithms for performing machine learning include Decision Tree, Bayesian Network, Support Vector Machine, Artificial Neural Network, and Ada-boost. , Perceptron, Genetic Programming, Clustering, etc. can be used.

이중, CNN은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 다른 딥러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. CNN은 또한 표준 역전달을 통해 훈련될 수 있다. CNN은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.Among them, CNN is a type of multilayer perceptrons designed to use minimal preprocessing. CNN consists of one or several convolution layers and general artificial neural network layers on top of them, and additionally utilizes weights and pooling layers. Thanks to this structure, CNN can fully utilize input data with a two-dimensional structure. Compared to other deep learning structures, CNN shows good performance in both video and audio fields. CNNs can also be trained via standard back propagation. CNNs have the advantage of being easier to train and using fewer parameters than other feedforward artificial neural network techniques.

컨볼루션 네트워크는 묶인 파라미터들을 가지는 노드들의 집합들을 포함하는 신경 네트워크들이다. 사용 가능한 트레이닝 데이터의 크기 증가와 연산 능력의 가용성이, 구분적 선형 단위 및 드롭아웃 트레이닝과 같은 알고리즘 발전과 결합되어, 많은 컴퓨터 비전 작업들이 크게 개선되었다. 오늘날 많은 작업에 사용할 수 있는 데이터 세트들과 같은 엄청난 양의 데이터 세트에서는 초과 맞춤(outfitting)이 중요하지 않으며, 네트워크의 크기를 늘리면 테스트 정확도가 향상된다. 컴퓨팅 리소스들의 최적 사용은 제한 요소가 된다. 이를 위해, 심층 신경 네트워크들의 분산된, 확장 가능한 구현예가 사용될 수 있다.Convolutional networks are neural networks that contain sets of nodes with bound parameters. The increasing size of available training data and the availability of computational power, combined with algorithmic advances such as piecewise linear unit and dropout training, have led to significant improvements in many computer vision tasks. For extremely large data sets, such as those available for many tasks today, overfitting is not critical, and increasing the size of the network improves test accuracy. Optimal use of computing resources becomes a limiting factor. For this purpose, distributed, scalable implementations of deep neural networks can be used.

도 2는 일실시예에 따른 RPA 업무 자동화 구독서비스 플랫폼에 대한 개념도를 도시한 도면이다.Figure 2 is a diagram illustrating a conceptual diagram of an RPA task automation subscription service platform according to an embodiment.

일실시예에 따르면, RPA 업무 자동화 구독서비스 플랫폼은 RPA에서 AI 기술을 탑재한 하이퍼오토메이션(HyperAutomation)으로 구현될 수 있으며, 앱 커넥터, AI OCR, 데이터 분석 예측, AI 언어 모델 등의 다양한 기술을 탑재하고 사용성을 강화하여, 하이퍼오토메이션 노코드 SaaS 플랫폼으로 구현될 수 있다.According to one embodiment, the RPA business automation subscription service platform can be implemented as HyperAutomation equipped with AI technology in RPA, and is equipped with various technologies such as app connector, AI OCR, data analysis prediction, and AI language model. and enhances usability, it can be implemented as a hyperautomation no-code SaaS platform.

앱 커넥터는 로보틱 프로세스 자동화(Robotic Process Automation)와 관련된 서비스를 제공할 수 있으며, API 연동형 웹크롤링, 범용 http 웹크롤링, 비즈니스 앱 연동, 사내 업무 프로세스 통합 등의 기능을 제공할 수 있다.The app connector can provide services related to Robotic Process Automation and can provide functions such as API-linked web crawling, general-purpose http web crawling, business app linkage, and in-house work process integration.

AI OCR은 지능형 문서 처리(Intelligent Document Processing)와 관련된 서비스를 제공할 수 있으며, 이미지 인식, 좌표 기반 이미지 인식, PDF 문서 텍스트추출, 엑셀/노트 연동 등의 기능을 제공할 수 있다.AI OCR can provide services related to Intelligent Document Processing and can provide functions such as image recognition, coordinate-based image recognition, PDF document text extraction, and Excel/Note linking.

데이터 분석 예측은 분석과 통찰력(Analytics and Insights)과 관련된 서비스를 제공할 수 있으며, 핵심지표 도식화, 데이터분석 프로세스 구축, 인사이트 도출, 커스텀형 대시보드 생성 등의 기능을 제공할 수 있다.Data analysis prediction can provide services related to analytics and insights, and can provide functions such as diagramming key indicators, building a data analysis process, deriving insights, and creating custom dashboards.

AI 언어 모델은 지능형 프로세스 디스커버리(Intelligent Process Discovery)와 관련된 서비스를 제공할 수 있으며, 명령어 기반 호출, KeyBoard API, 대화형 AI 챗봇, AI 판단형 봇 등의 기능을 제공할 수 있다.The AI language model can provide services related to Intelligent Process Discovery and can provide functions such as command-based calls, KeyBoard API, conversational AI chatbot, and AI judgment bot.

도 2에 도시된 바와 같이, RPA 업무 자동화 구독서비스 플랫폼은 RPA 업무 자동화에 AI 언어, OCR, 데이터 및 프로세싱 분석 기술을 더하여 하이퍼오토메이션으로 구현될 수 있고, 하이퍼오토메이션의 기술에 업무형 콘텐츠를 포함한 노코드 구독형 SaaS 플랫폼으로 구현될 수 있다.As shown in Figure 2, the RPA task automation subscription service platform can be implemented with hyperautomation by adding AI language, OCR, data and processing analysis technology to RPA task automation, and can be implemented with hyperautomation technology plus task-oriented content. It can be implemented as a code subscription SaaS platform.

도 3은 일실시예에 따른 앱 커넥터를 활용한 워크플로 자동화 과정을 도시한 도면이다.Figure 3 is a diagram illustrating a workflow automation process using an app connector according to an embodiment.

도 3을 참조하면, 도 3의 (a)에 도시된 바와 같이, 작업화면을 웹으로 구현할 수 있고, 도 3의 (b)에 도시된 바와 같이, 웹크롤링, API를 활용해 다양한 작업과 연동할 수 있고, 도 3의 (c)에 도시된 바와 같이, 사용자 맞춤형의 업무흐름을 생성할 수 있다.Referring to Figure 3, as shown in (a) of Figure 3, the work screen can be implemented on the web, and as shown in (b) of Figure 3, web crawling and API can be used to link with various tasks. And, as shown in (c) of FIG. 3, a user-customized workflow can be created.

이를 통해, 범용 HttpRequest 및 API 연동형 웹 크롤링을 자동화하여, 오픈 connector 형태와 기능별 API를 제공하여 손쉽게 크롤링이 가능하고, 웹 엑셀을 베이스로 크롤링 데이터 셋을 구축할 수 있으며 불러오기, 가공, 차트화, 내보내기 등 모든 과정을 한 화면에서 처리가 가능할 수 있다.Through this, general-purpose HttpRequest and API-linked web crawling is automated, providing open connector types and function-specific APIs to enable easy crawling. Crawling data sets can be built based on Web Excel, and can be loaded, processed, and charted. , export, etc. can all be processed on one screen.

또한, 비즈니스 앱 연동으로 워크플로를 생성하여, 다양한 애플리케이션과 앱 커넥터를 연동하여 업무 확장 및 관리가 용이할 수 있다.In addition, workflows can be created by linking business apps, making it easy to expand and manage work by linking various applications and app connectors.

또한, 사내 업무 프로세스 및 시스템과 통합하여, 사용자의 업무 환경 및 워크베이스 안에서 기존 시스템에 맞춘 워크플로(업무흐름) 및 업무규칙, 반복실행 설정을 통해 실무에 직접적인 강력한 자동화 처리가 가능할 수 있다.In addition, by integrating with in-house work processes and systems, powerful automation processing directly in practice can be possible through workflow (workflow), work rules, and repetitive execution settings tailored to the existing system within the user's work environment and workbase.

도 4는 일실시예에 따른 OCR을 활용한 텍스트 및 비정형 데이터 추출 과정을 도시한 도면이다.Figure 4 is a diagram illustrating a process of extracting text and unstructured data using OCR according to an embodiment.

도 4를 참조하면, 도 4의 (a)에 도시된 바와 같이, 다양한 파일을 인식하여 이미지 프로세스 과정을 수행할 수 있고, 도 4의 (b)에 도시된 바와 같이, 이미지 내 문자를 문자열로 변환하여 문자 분리 및 편집 과정을 수행할 수 있고, 도 4의 (c)에 도시된 바와 같이, 데이터를 최적화로 저장하여 데이터화 및 피드백 과정을 수행할 수 있다.Referring to FIG. 4, as shown in (a) of FIG. 4, image processing can be performed by recognizing various files, and as shown in (b) of FIG. 4, characters in the image are converted into strings. By converting, character separation and editing processes can be performed, and as shown in (c) of FIG. 4, data can be stored in an optimized manner and data conversion and feedback processes can be performed.

이를 통해, 비정형 데이터의 다종화 처리 기술을 구축하여, 기업 내 사용 중에 비정형데이터의 문서, 이미지의 비율이 대부분으로 이를 데이터화 하여 업무 워크플로화 할 수 있는 OCR 및 데이터 추출 기술을 구현할 수 있다.Through this, by establishing a technology to process various types of unstructured data, it is possible to implement OCR and data extraction technology that can convert most of the documents and images of unstructured data into data during use within a company and turn it into a business workflow.

또한, OCR 기능의 도입으로, 문서형 텍스트를 인식 후 추출하여 워크베이스와 연동되어 데이터를 수집하고, 해당 데이터는 앱 커넥터와의 연동을 통해 더 복잡하고 세밀한 맞춤형 워크플로를 생성할 수 있으며, 이후 가공, 전처리를 위한 학습데이터로 활용이 가능할 수 있다.In addition, with the introduction of the OCR function, document-type text is recognized and extracted to collect data in conjunction with the workbase, and the data can be used to create more complex and detailed customized workflows through linkage with the app connector. It can be used as learning data for processing and preprocessing.

도 5는 일실시예에 따른 AI 예측모델을 활용한 데이터 분석 및 의사결정 지원 과정을 도시한 도면이다.Figure 5 is a diagram illustrating a data analysis and decision support process using an AI prediction model according to an embodiment.

도 5를 참조하면, 도 5에 도시된 바와 같이, 데이터 소스, 데이터 처리, 데이터 분석 및 데이터 시각화를 반복 실행할 수 있다.Referring to Figure 5, as shown in Figure 5, data source, data processing, data analysis, and data visualization can be repeatedly performed.

이를 통해, 핵심지표 도식화를 통한 인사이트를 도출하여, 추출한 텍스트, 수치 데이터를 토대로 핵심지표를 자동으로 도식화한 후 이를 통계 DB를 활용한 수치 예측 자동화 봇과 연동할 수 있으며, 업무 프로세스 개선 최적화를 위한 인사이트와 전략방향 수립에 도움을 줄 수 있다.Through this, you can derive insights through diagramming key indicators, automatically diagram key indicators based on extracted text and numerical data, and then link them with an automated bot that makes numerical predictions using statistical DB, and optimizes work process improvement. It can help establish insight and strategic direction.

또한, 데이터 분석 자동화 프로세스를 구축하여, 학습 모델을 기반으로 사용자가 설정한 워크플로에 따라 데이터 수집 - OCR 텍스트 추출 - 예측모델 결과 생성 - 사용자에게 전송 등 일련의 자동화 프로세스를 생성하며, 특정 트리거에 따라 실행이 가능할 수 있다.In addition, by establishing a data analysis automation process, a series of automated processes are created according to the workflow set by the user based on the learning model, including data collection - OCR text extraction - prediction model result creation - sending to the user, and based on a specific trigger. It may be possible to execute it accordingly.

또한, 기업 커스텀 대시보드를 생성하여, MSSQL 연동을 통해 기업 자체 DB와 머신러닝 클러스터 예측 모델을 결합한 반응형 시각화 대시보드를 자동으로 생성하여, 데이터 기반 의사결정을 신속하게 할 수 있다.In addition, by creating a corporate custom dashboard, you can automatically create a responsive visualization dashboard that combines the company's own DB and machine learning cluster prediction model through MSSQL integration, enabling quick data-based decision making.

도 6은 일실시예에 따른 초거대 AI언어모델을 활용한 UI/UX 강화 과정을 도시한 도면이다.Figure 6 is a diagram illustrating a UI/UX enhancement process using a very large AI language model according to an embodiment.

도 6을 참조하면, 도 6의 (a)에 도시된 바와 같이, 명령어 기반으로 데이터를 요청하면, 자연어 기반의 명령 인식 후 수행할 수 있고, 도 6의 (b)에 도시된 바와 같이, 챗봇에게 업무를 요청하면, 대화형 업무 처리 시스템이 제공될 수 있고, 도 6의 (c)에 도시된 바와 같이, 판단형 봇이 사용자 의사결정 필요여부 판단 및 확인을 요청할 수 있다.Referring to FIG. 6, as shown in (a) of FIG. 6, if data is requested based on a command, it can be performed after natural language-based command recognition, and as shown in (b) of FIG. 6, the chatbot When a task is requested, an interactive task processing system can be provided, and as shown in (c) of FIG. 6, a judgment-type bot can request the user to judge and confirm whether a decision is necessary.

이를 통해, 명령어 기반 업무 처리 자동화로, 사용자의 업무 화면 내에서 플랫폼 화면을 빠르게 호출하고 간단한 명령어 타이핑 시 원하는 업무 프로세스를 자동으로 실행할 수 있어 사용자의 업무부담 감소 및 생산성을 강화할 수 있다.Through this, command-based work processing automation can quickly call the platform screen within the user's work screen and automatically execute the desired work process when typing a simple command, reducing the user's workload and enhancing productivity.

또한, 대화형 AI 챗봇 도입으로, NLP를 활용해 사용자의 요청을 이해하고 적절한 대응 및 워크플로를 자동으로 생성하여 업무 효율성을 향상시킬 수 있다.Additionally, with the introduction of conversational AI chatbots, work efficiency can be improved by utilizing NLP to understand user requests and automatically create appropriate responses and workflows.

또한, 하이퍼오토메이션 AI 판단형 봇으로, 자동화 작업 중 복잡한 의사결정이 필요한 경우, 이를 분석 및 가공하여 사용자에게 전달 후 승인을 요청하고, RPA봇과 사람과의 협력 프로세스 구축을 통해 더 고차원적인 작업을 자동화할 수 있다.In addition, as a hyperautomation AI judgment bot, when complex decisions are required during automation tasks, they are analyzed and processed, delivered to the user, and then requested for approval, and higher-level tasks are performed by establishing a collaborative process between RPA bots and people. It can be automated.

도 7은 일실시예에 따른 AI 기반의 확장 가능한 API 앱 노코드 RPA 업무 자동화 구독서비스 플랫폼을 제공하는 과정을 설명하기 위한 순서도이다.Figure 7 is a flow chart to explain the process of providing an AI-based scalable API app no-code RPA business automation subscription service platform according to an embodiment.

도 7을 참조하면, 먼저, S701 단계에서, 장치(200)는 제1 사용자의 업무 환경, 업무 규칙 및 업무 실행 패턴을 기반으로, 제1 사용자의 맞춤형 업무흐름인 제1 워크플로를 생성할 수 있다.Referring to FIG. 7, first, in step S701, the device 200 may create a first workflow, which is a customized workflow of the first user, based on the first user's work environment, work rules, and work execution patterns. there is.

즉, 장치(200)의 데이터베이스에는 사용자 별로 구분된 업무 정보가 저장되어 있으며, 장치(200)는 데이터베이스를 조회하여 제1 사용자의 업무 정보를 획득한 후, 제1 사용자의 업무 정보를 기초로, 제1 사용자의 업무 환경, 업무 규칙 및 업무 실행 패턴을 확인하고, 제1 사용자의 업무 환경, 업무 규칙 및 업무 실행 패턴을 기반으로, 제1 워크플로를 생성할 수 있다.That is, the database of the device 200 stores work information classified by user, and the device 200 searches the database to obtain the work information of the first user, and then based on the work information of the first user, The first user's work environment, work rules, and work execution patterns may be confirmed, and a first workflow may be created based on the first user's work environment, work rules, and work execution patterns.

구체적으로, 장치(200)는 제1 사용자의 업무 환경, 업무 규칙 및 업무 실행 패턴을 확인한 결과, 제1 사용자의 주요 업무가 제1 애플리케이션을 통해 제1 작업 정보를 수집하고, 제2 애플리케이션을 통해 제2 작업 정보를 수집하고, 제1 작업 정보 및 제2 작업 정보를 기반으로 제3 애플리케이션에서 실행 가능한 업무 보고서를 생성하고, 제4 애플리케이션을 통해 업무 보고서를 발송하는 것으로 확인되면, “제1 애플리케이션을 통해 제1 작업 정보를 수집하기”, “제2 애플리케이션을 통해 제2 작업 정보를 수집하기”, “제1 작업 정보 및 제2 작업 정보를 기반으로 제3 애플리케이션에서 실행 가능한 업무 보고서를 생성하기”, “제4 애플리케이션을 통해 업무 보고서를 발송하기” 순으로, 제1 워크플로를 생성할 수 있다.Specifically, as a result of checking the work environment, work rules, and work execution patterns of the first user, the device 200 collects the first work information through the first application and determines the first user's main work through the second application. If it is confirmed that the second task information is collected, an executable work report is generated in the third application based on the first task information and the second task information, and the work report is sent through the fourth application, the “first application “Collecting first task information through”, “Collecting second task information through a second application”, “Generating an executable work report in a third application based on the first task information and second task information. ”, “Sending a business report through a fourth application” can be used to create the first workflow.

예를 들어, 도 3에 도시된 바와 같이, 장치(200)는 제1 사용자의 업무 환경, 업무 규칙 및 업무 실행 패턴을 확인한 결과, 제1 사용자의 주요 업무가 검색 애플리케이션을 통해 키워드별 검색량 정보를 가져오고, 쇼핑 애플리케이션을 통해 제품별 가격 정보를 가져오고, 키워드별 검색량 정보와 제품별 가격 정보를 기반으로 엑셀에서 실행 가능한 업무 보고서를 생성하고, 메일 애플리케이션 통해 업무 보고서를 발송하는 것으로 확인되면, “검색 애플리케이션을 통해 키워드별 검색량 정보를 수집하여 획득하기”, “쇼핑 애플리케이션을 통해 제품별 가격 정보를 수집하여 획득하기”, “키워드별 검색량 정보와 제품별 가격 정보를 기반으로 엑셀에서 실행 가능한 업무 보고서를 생성하기”, “메일 애플리케이션을 통해 업무 보고서를 발송하기” 순으로, 제1 워크플로를 생성할 수 있다.For example, as shown in FIG. 3, the device 200 determines the first user's work environment, work rules, and work execution patterns. As a result, the first user's main work is search volume information by keyword through a search application. , import price information for each product through a shopping application, generate an executable business report in Excel based on search volume information for each keyword and price information for each product, and send the business report through an email application. , “Collect and obtain search volume information by keyword through a search application”, “Collect and obtain price information by product through a shopping application”, “In Excel based on search volume information by keyword and price information by product. You can create the first workflow in the following order: “Create an executable business report” and “Send a business report through an email application.”

S702 단계에서, 장치(200)는 제1 워크플로를 기초로, 제1 애플리케이션을 통해 제1 작업 정보를 수집하여 획득할 수 있다.In step S702, the device 200 may collect and obtain first task information through the first application based on the first workflow.

구체적으로, 장치(200)는 제1 워크플로를 기초로, 제1 사용자의 업무흐름 중에서 1단계 순서가 “제1 애플리케이션을 통해 제1 작업 정보를 수집하기”로 확인되면, 제1 애플리케이션을 통해 제1 작업 정보를 수집하여 획득할 수 있다.Specifically, based on the first workflow, if the first step sequence in the first user's workflow is confirmed as “collecting first task information through the first application,” the device 200 performs the first workflow through the first application. The first task information can be collected and obtained.

예를 들어, 장치(200)는 제1 애플리케이션이 검색 애플리케이션인 경우, 검색 애플리케이션을 통해 제1 키워드의 검색량 정보를 수집하여 제1 작업 정보로 획득할 수 있다.For example, when the first application is a search application, the device 200 may collect search volume information of the first keyword through the search application and obtain it as first task information.

S703 단계에서, 장치(200)는 제1 워크플로를 기초로, 제2 애플리케이션을 통해 제2 작업 정보를 수집하여 획득할 수 있다.In step S703, the device 200 may collect and obtain second task information through a second application based on the first workflow.

구체적으로, 장치(200)는 제1 워크플로를 기초로, 제1 사용자의 업무흐름 중에서 2단계 순서가 “제2 애플리케이션을 통해 제2 작업 정보를 수집하기”로 확인되면, 제2 애플리케이션을 통해 제2 작업 정보를 수집하여 획득할 수 있다.Specifically, based on the first workflow, if the second step sequence in the first user's workflow is confirmed to be “collect second task information through the second application,” the device 200 performs the first workflow through the second application. The second task information can be collected and obtained.

예를 들어, 장치(200)는 제2 애플리케이션이 쇼핑 애플리케이션인 경우, 쇼핑 애플리케이션을 통해 제1 제품의 가격 정보를 수집하여 제2 작업 정보로 획득할 수 있다.For example, when the second application is a shopping application, the device 200 may collect price information of the first product through the shopping application and obtain it as second task information.

S704 단계에서, 장치(200)는 제1 워크플로를 기초로, 제1 작업 정보 및 제2 작업 정보를 기반으로 제3 애플리케이션에서 실행 가능한 업무 보고서를 생성할 수 있다.In step S704, the device 200 may generate a work report executable in a third application based on the first task information and the second task information based on the first workflow.

구체적으로, 장치(200)는 제1 워크플로를 기초로, 제1 사용자의 업무흐름 중에서 3단계 순서가 “제1 작업 정보 및 제2 작업 정보를 기반으로 제3 애플리케이션에서 실행 가능한 업무 보고서를 생성하기”로 확인되면, 제1 작업 정보 및 제2 작업 정보를 기반으로 제3 애플리케이션에서 실행 가능한 업무 보고서를 생성할 수 있다.Specifically, based on the first workflow, the device 200 generates a work report executable in a third application based on the first task information and the second task information in the three-step sequence of the first user's workflow. If confirmed as “following”, an executable work report can be generated in a third application based on the first task information and the second task information.

예를 들어, 장치(200)는 제3 애플리케이션이 엑셀인 경우, 제1 작업 정보 및 제2 작업 정보를 기반으로 엑셀에서 실행 가능한 업무 보고서를 생성할 수 있다.For example, when the third application is Excel, the device 200 may generate an executable work report in Excel based on the first task information and the second task information.

S705 단계에서, 장치(200)는 제1 워크플로를 기초로, 제4 애플리케이션을 통해 업무 보고서를 발송할 수 있다.In step S705, the device 200 may send a business report through a fourth application based on the first workflow.

구체적으로, 장치(200)는 제1 워크플로를 기초로, 제1 사용자의 업무흐름 중에서 4단계 순서가 “제4 애플리케이션을 통해 업무 보고서를 발송하기”로 확인되면, 제4 애플리케이션을 통해 업무 보고서를 발송할 수 있다.Specifically, based on the first workflow, if step 4 of the first user's workflow is confirmed as “sending a business report through the fourth application,” the device 200 sends the business report through the fourth application. can be sent.

예를 들어, 장치(200)는 제4 애플리케이션이 특정 메일 애플리케이션인 경우, 해당 메일 애플리케이션을 통해 업무 보고서를 사용자에게 발송할 수 있다. 이때, 업무 보고서는 제1 사용자의 계정으로 발송될 수 있다.For example, if the fourth application is a specific mail application, the device 200 may send a business report to the user through the corresponding mail application. At this time, the business report may be sent to the first user's account.

도 8은 일실시예에 따른 문서 내의 내 문자를 문자열로 변환하는 과정을 설명하기 위한 순서도이다.Figure 8 is a flow chart to explain the process of converting characters within a document into a string according to an embodiment.

도 8을 참조하면, 먼저, S801 단계에서, 장치(200)는 제1 작업 정보를 수집하는 과정에서 제1 문서가 획득된 것으로 확인할 수 있다.Referring to FIG. 8, first, in step S801, the device 200 may confirm that the first document has been obtained in the process of collecting first task information.

즉, 장치(200)는 제1 애플리케이션이 문서 작성 애플리케이션인 경우, 제1 애플리케이션을 통해 문서 정보를 수집하는 과정에서 제1 문서가 획득된 것을 확인할 수 있다.That is, if the first application is a document creation application, the device 200 may confirm that the first document was obtained in the process of collecting document information through the first application.

S802 단계에서, 장치(200)는 제1 문서 상에서 제1 항목의 명칭이 표시되어 있는 부분을 제1 구역으로 분류하고, 제1 문서 상에서 제1 항목의 내용이 표시되어 있는 부분을 제2 구역으로 분류할 수 있다. 이를 위해, 제1 문서에는 제1 항목의 명칭이 표시되는 부분과 제1 항목의 내용이 표시되는 부분이 구분되어 있다.In step S802, the device 200 classifies the part where the name of the first item is displayed on the first document as the first zone, and the part where the content of the first item is displayed on the first document is classified as the second zone. Can be classified. For this purpose, the first document is divided into a part where the name of the first item is displayed and a part where the content of the first item is displayed.

S803 단계에서, 장치(200)는 제1 구역 내에 포함되어 있는 글자를 제1 텍스트로 추출할 수 있다.In step S803, the device 200 may extract letters included in the first zone as the first text.

S804 단계에서, 장치(200)는 제1 텍스트를 제1 키워드로 설정할 수 있다.In step S804, the device 200 may set the first text as the first keyword.

즉, 장치(200)는 제1 구역에 표시되어 있는 제1 항목의 명칭을 제1 키워드로 설정할 수 있다.That is, the device 200 may set the name of the first item displayed in the first zone as the first keyword.

예를 들어, 도 4에 도시된 바와 같이, 장치(200)는 제1 작업 정보를 수집하는 과정에서 법인등기부등본이 획득된 경우, 법인등기부등본 상에서 제1 구역 내에 포함되어 있는 글자가 “상호”로 확인되면, “상호”를 제1 키워드로 설정할 수 있다.For example, as shown in FIG. 4, when a certified copy of the corporate register is obtained in the process of collecting the first work information, the device 200 displays the letters included in the first section on the certified copy of the corporate register as “company name.” If confirmed, “mutual name” can be set as the first keyword.

S805 단계에서, 장치(200)는 제2 구역 내에 포함되어 있는 글자를 제2 텍스트로 추출할 수 있다.In step S805, the device 200 may extract letters included in the second zone as the second text.

S806 단계에서, 장치(200)는 제2 텍스트에 대한 자연어 처리를 통해 핵심 키워드를 인식할 수 있다,In step S806, the device 200 may recognize key keywords through natural language processing of the second text.

장치(200)는 제2 텍스트에 대해 형태소 분석(morphological analysis), 통사 분석(syntactic analysis), 의미 분석(semantic analysis) 및 화용 분석(pragmatic analysis)을 수행하여 키워드를 분석할 수 있으며, 분석된 결과를 기반으로, 제2 텍스트에서 핵심 키워드를 도출하여 인식할 수 있다.The device 200 can analyze keywords by performing morphological analysis, syntactic analysis, semantic analysis, and pragmatic analysis on the second text, and the analyzed results. Based on this, key keywords can be derived and recognized from the second text.

예를 들어, 도 4에 도시된 바와 같이, 장치(200)는 제1 작업 정보를 수집하는 과정에서 법인등기부등본이 획득된 경우, 법인등기부등본 상에서 제2 구역 내에 포함되어 있는 글자가 “주식회사 A은행”으로 확인되면, 제2 텍스트에 대한 자연어 처리를 통해, 제2 텍스트에서 “A은행”을 핵심 키워드로 도출하여 인식할 수 있다.For example, as shown in Figure 4, when the device 200 obtains a certified copy of the corporate register in the process of collecting the first work information, the letters included in the second zone on the certified copy of the corporate register are “Co., Ltd. A” If confirmed as “Bank”, “Bank A” can be derived as a key keyword from the second text through natural language processing on the second text and recognized.

장치(200)는 핵심 키워드 인식 시, 항목 별로 많이 사용되는 키워드를 분석하여, 각 항목 별로 많이 사용되는 주요 키워드 리스트를 생성할 수 있으며, 주요 키워드 리스트를 기반으로, 핵심 키워드를 도출하여 인식할 수 있다.When recognizing core keywords, the device 200 can analyze frequently used keywords for each item and generate a list of frequently used main keywords for each item. Based on the main keyword list, core keywords can be derived and recognized. there is.

S807 단계에서, 장치(200)는 제2 텍스트에서 인식된 핵심 키워드를 제2 키워드로 설정할 수 있다.In step S807, the device 200 may set the key keyword recognized in the second text as the second keyword.

즉, 장치(200)는 제2 구역에 표시되어 있는 제1 항목의 내용에서 핵심 키워드를 인식한 후, 인식된 핵심 키워드를 제2 키워드로 설정할 수 있다.That is, the device 200 may recognize a core keyword in the content of the first item displayed in the second area and then set the recognized core keyword as the second keyword.

S808 단계에서, 장치(200)는 제1 키워드 및 제2 키워드를 매칭한 결과를 기반으로, 제1 항목에 대한 문자열을 생성할 수 있다.In step S808, the device 200 may generate a string for the first item based on the result of matching the first keyword and the second keyword.

예를 들어, 장치(200)는 “상호”가 제1 키워드로 설정되고, “A은행”이 제2 키워드로 설정된 경우, “상호” 및 “A은행”을 매칭한 결과를 제1 항목에 대한 문자열로 생성할 수 있다.For example, when “business name” is set as the first keyword and “Bank A” is set as the second keyword, the device 200 matches the result of matching “business name” and “Bank A” for the first item. It can be created as a string.

장치(200)는 제1 문서 내에 포함되어 있는 각 항목 별로 문자열이 생성되면, 생성된 문자열을 취합하여 제1 데이터로 저장할 수 있고, 제1 데이터를 제1 작업 정보로 획득할 수 있다.When a string is generated for each item included in the first document, the device 200 can collect the generated strings and store them as first data, and obtain the first data as first work information.

도 9는 일실시예에 따른 기한 맞춤 자동 알림 서비스를 제공하는 과정을 설명하기 위한 순서도이다.Figure 9 is a flow chart to explain the process of providing a deadline-customized automatic notification service according to an embodiment.

도 9를 참조하면, 먼저, S901 단계에서, 장치(200)는 제1 작업 정보를 수집하는 과정에서 제1 문서가 획득된 경우, 제1 문서 내에 트리거 단어가 포함되어 있는지 여부를 확인할 수 있다. 여기서, 트리거 단어는 실시예에 따라 상이하게 설정될 수 있으며, 예를 들면, 의견제출기한, 계약종료 등으로 설정될 수 있으며, 특정 이벤트 명으로 설정될 수도 있다.Referring to FIG. 9 , first, in step S901, when a first document is obtained in the process of collecting first task information, the device 200 may check whether a trigger word is included in the first document. Here, the trigger word may be set differently depending on the embodiment. For example, it may be set as an opinion submission deadline, contract termination, etc., and may also be set as a specific event name.

일실시예에 따르면, 트리거 단어는 제1 사용자의 업무 환경, 업무 규칙 및 업무 실행 패턴을 기반으로, 자동으로 설정될 수 있고, 제1 사용자의 요청에 의해, 수동으로 설정될 수도 있다.According to one embodiment, the trigger word may be set automatically based on the first user's work environment, work rules, and work execution patterns, or may be set manually at the request of the first user.

S902 단계에서, 장치(200)는 제1 문서 내에 트리거 단어로 제1 단어가 포함되어 있는 것으로 확인되면, 제1 문서 상에서 제1 단어의 기한을 제1 일자로 확인할 수 있다.In step S902, if it is confirmed that the first word is included as a trigger word in the first document, the device 200 may check the deadline of the first word in the first document as the first date.

예를 들어, 제1 문서에 “계약종료까지 10일 남아있습니다”라는 내용과 “문서 작성일 “12월1일”이라는 내용이 기재되어 있고, “계약종료”가 트리거 단어로 설정되어 있는 경우, 장치(200)는 제1 문서 내에 “계약종료”가 포함되어 있는 것으로 확인할 수 있으며, 제1 문서에 기재된 내용을 토대로, “계약종료”의 기한을 “12월11일”로 확인할 수 있다.For example, if the first document contains “10 days left until contract termination” and “document creation date “December 1”, and “contract termination” is set as the trigger word, the device (200) can confirm that “contract termination” is included in the first document, and based on the contents stated in the first document, the deadline for “contract termination” can be confirmed as “December 11th.”

S903 단계에서, 장치(200)는 제1 단어 및 제1 일자를 기반으로, 제1 문구를 생성할 수 있다.In step S903, the device 200 may generate a first phrase based on the first word and the first date.

예를 들어, 장치(200)는 제1 단어가 “계약종료”로 확인되고, 제1 일자가 “12월11일”로 확인되면, “계약종료의 기한이 12월11일인 것을 알려드립니다”라는 제1 문구를 생성할 수 있다.For example, if the first word is confirmed as “contract termination” and the first date is confirmed as “December 11th,” the device 200 displays “We inform you that the contract termination deadline is December 11th.” The first phrase can be generated.

S904 단계에서, 장치(200)는 제1 단어의 업무를 처리하는 담당자가 제2 사용자로 확인되면, 제1 문구와 제1 문서를 제2 사용자의 이메일로 발송할 수 있다.In step S904, if the person in charge of processing the first word is confirmed to be the second user, the device 200 may send the first phrase and the first document to the second user's email.

예를 들어, 장치(200)는 제1 단어가 “계약종료”로 확인되면, 계약종료 업무를 처리하는 담당자가 제2 사용자인 것으로 확인할 수 있고, 제1 문구와 제1 문서를 제2 사용자의 이메일로 발송할 수 있다. 이때, 장치(200)는 제1 문구와 제1 문서를 제4 애플리케이션을 통해 제1 사용자의 이메일로 더 발송할 수 있다,For example, if the first word is confirmed to be “contract termination,” the device 200 may confirm that the person in charge of handling contract termination work is the second user, and may send the first phrase and the first document to the second user. It can be sent by email. At this time, the device 200 may further send the first phrase and the first document to the first user's email through the fourth application.

장치(200)는 제1 문구와 제1 문서를 제2 사용자의 이메일로 발송할 때, 제1 단어의 기한까지 남아있는 기간에 따라 제1 문구에 포함되어 있는 글자의 글자 크기를 조정할 수 있다. 이와 관련된 자세한 설명은 도 10을 참조하여 후술하기로 한다.When sending the first phrase and the first document to the second user's email, the device 200 may adjust the font size of the letters included in the first phrase according to the period remaining until the deadline for the first word. A detailed description regarding this will be provided later with reference to FIG. 10 .

도 10은 일실시예에 따른 기한까지 남아있는 기간에 따라 문구에 포함되어 있는 글자의 글자 크기를 조정하는 과정을 설명하기 위한 순서도이다.Figure 10 is a flowchart for explaining a process of adjusting the font size of letters included in a phrase according to the period remaining until the deadline according to an embodiment.

도 10을 참조하면, 먼저, S1001 단계에서, 장치(200)는 제1 문구에서 제1 단어와 제1 일자에 대한 글자 크기를 제1 크기로 설정하고, 제1 문구에서 제1 단어와 제1 일자를 제외한 나머지 구절에 대한 글자 크기를 제2 크기로 설정할 수 있다. 이때, 제1 크기는 제2 크기 보다 큰 값으로 설정될 수 있다.Referring to FIG. 10, first, in step S1001, the device 200 sets the font size for the first word and the first date in the first phrase to the first size, and sets the font size for the first word and the first date in the first phrase to the first size. The font size for the rest of the verses except for the date can be set to the second size. At this time, the first size may be set to a value larger than the second size.

S1002 단계에서, 장치(200)는 현재 시점부터 제1 일자까지 남은 기간을 제1 기간으로 설정할 수 있다.In step S1002, the device 200 may set the remaining period from the current time to the first date as the first period.

S1003 단계에서, 장치(200)는 제1 기간이 짧을수록 제1 가중치를 더 높은 값으로 설정할 수 있다. 이때, 제1 가중치는 1보다 큰 값으로 설정될 수 있다.In step S1003, the device 200 may set the first weight to a higher value as the first period is shorter. At this time, the first weight may be set to a value greater than 1.

예를 들어, 장치(200)는 제1 기간이 20일로 확인되면, 제1 가중치를 1.1로 설정할 수 있고, 제1 기간이 10일로 확인되면, 제1 가중치를 1.2로 설정할 수 있다.For example, if the first period is confirmed to be 20 days, the device 200 may set the first weight to 1.1, and if the first period is confirmed to be 10 days, the device 200 may set the first weight to 1.2.

S1004 단계에서, 장치(200)는 제1 크기 및 제1 가중치를 곱한 값으로 제3 크기를 산출할 수 있다.In step S1004, the device 200 may calculate the third size as a value obtained by multiplying the first size and the first weight.

예를 들어, 장치(200)는 제1 크기가 10으로 설정되어 있는 경우, 제1 가중치가 1.1로 확인되면, “X 1.1”을 통해 제3 크기를 11로 산출할 수 있고, 제1 가중치가 1.2로 확인되면, “X 1.2”를 통해 제3 크기를 12로 산출할 수 있다.For example, if the first size is set to 10 and the first weight is confirmed to be 1.1, the device 200 may calculate the third size as 11 through “X 1.1” and the first weight is If confirmed to be 1.2, the third size can be calculated as 12 through “X 1.2”.

S1005 단계에서, 장치(200)는 제1 단어와 제1 일자가 제3 크기로 표시되고 나머지 구절이 제2 크기로 표시되도록 설정한 제1 문구를 제2 사용자의 이메일로 발송할 수 있다.In step S1005, the device 200 may send a first phrase set such that the first word and the first date are displayed in the third size and the remaining phrases are displayed in the second size to the second user's email.

즉, 장치(200)는 제1 문구와 제1 문서를 제2 사용자의 이메일로 발송할 때, 제1 단어의 기한까지 남아있는 기간이 짧을수록, 제1 문구에서 제1 단어와 제1 일자가 더 크게 표시되도록, 글자 크기를 제2 크기에서 제3 크기로 변경하여 조정할 수 있다.That is, when the device 200 sends the first phrase and the first document to the second user's email, the shorter the period remaining until the deadline of the first word, the more the first word and first date in the first phrase. To display large text, the font size can be adjusted by changing from the second size to the third size.

도 11 내지 도 12는 일실시예에 따른 업무 보고서의 배경색을 설정하는 과정을 설명하기 위한 순서도이다.Figures 11 and 12 are flowcharts for explaining the process of setting the background color of a business report according to an embodiment.

일실시예에 따르면, 도 11 내지 도 12에 도시된 각 단계는 S704 단계와 S705 단계 사이에 수행될 수 있다.According to one embodiment, each step shown in FIGS. 11 and 12 may be performed between steps S704 and S705.

도 11 내지 도 12를 참조하면, 먼저, S1101 단계에서, 장치(200)는 제1 작업 정보 및 제2 작업 정보 중에서 제1 문서의 중요도가 가장 높은 것으로 확인할 수 있다. 이를 위해, 수집되는 작업 정보에는 각각의 중요도가 설정되어 있을 수 있다.Referring to FIGS. 11 and 12 , first, in step S1101, the device 200 may confirm that the first document has the highest importance among the first task information and the second task information. For this purpose, the importance level may be set for each of the collected task information.

예를 들어, 제1 문서 및 제2 문서가 제1 작업 정보로 획득되고, 제3 문서 및 제4 문서가 제2 작업 정보로 획득된 경우, 장치(200)는 제1 문서, 제2 문서, 제3 문서 및 제4 문서 각각의 중요도를 비교한 결과, 제1 문서의 중요도가 가장 높게 설정되어 있는 것을 확인할 수 있다.For example, when the first document and the second document are obtained as first task information, and the third document and the fourth document are acquired as second task information, the device 200 may generate the first document, the second document, As a result of comparing the importance of each of the third and fourth documents, it can be seen that the importance of the first document is set the highest.

S1102 단계에서, 장치(200)는 제1 문서를 기초로, 제1 구역에서 표시되는 색상을 화소 별로 분석하여, 제1 구역의 전체 화소를 색상 계열에 따라 분류할 수 있다. 여기서, 색상 계열은 빨강, 주황, 노랑, 초록, 파랑, 남색, 보라 등의 색상 계열로 구분될 수 있다.In step S1102, the device 200 may analyze the color displayed in the first zone for each pixel based on the first document and classify all pixels in the first zone according to color series. Here, the color series can be divided into color series such as red, orange, yellow, green, blue, indigo, and purple.

예를 들어, 빨간 색상의 RGB 값이 (255, 0, 0)이고, 제1 구역 내에 제1 화소 및 제2 화소가 포함되어 있고, 제1 화소의 RGB 값이 (245, 10, 0)이고, 제2 화소의 RGB 값이(245, 0, 10)인 경우, 장치(200)는 제1 화소 및 제2 화소를 빨강 색상 계열로 분류할 수 있다. 즉, 장치(200)는 빨강 색상과 어느 정도 유사한 색상을 나타내고 있는 화소를 빨강 색상 계열로 분류할 수 있다.For example, the RGB value of the red color is (255, 0, 0), the first pixel and the second pixel are included in the first area, and the RGB value of the first pixel is (245, 10, 0). , if the RGB value of the second pixel is (245, 0, 10), the device 200 can classify the first and second pixels into the red color series. That is, the device 200 can classify pixels that display a color somewhat similar to red into the red color series.

S1103 단계에서, 장치(200)는 제1 구역의 전체 화소를 색상 계열에 따라 분류한 결과, 제1 구역에서 화소 수가 가장 많은 색상 계열을 제1 색상 계열로 확인할 수 있다.In step S1103, the device 200 may identify the color series with the largest number of pixels in the first zone as the first color series as a result of classifying all pixels in the first zone according to the color series.

S1104 단계에서, 장치(200)는 제1 구역에서 제1 색상 계열로 분류된 화소 수를 제1 수치로 설정하고, 제1 구역의 전체 화소 수를 제2 수치로 설정할 수 있다.In step S1104, the device 200 may set the number of pixels classified into the first color series in the first zone as a first value, and set the total number of pixels in the first zone as a second value.

S1105 단계에서, 장치(200)는 제1 수치를 제2 수치로 나눈 값으로 제1 비율을 산출할 수 있다.In step S1105, the device 200 may calculate the first ratio by dividing the first value by the second value.

S1106 단계에서, 장치(200)는 제1 비율이 기준 비율 보다 높은지 여부를 확인할 수 있다.In step S1106, the device 200 may check whether the first rate is higher than the reference rate.

S1106 단계에서 제1 비율이 기준 비율 보다 높은 것으로 확인되면, S1107 단계에서, 장치(200)는 업무 보고서의 배경색을 제1 색상으로 설정할 수 있다.If the first rate is confirmed to be higher than the reference rate in step S1106, the device 200 may set the background color of the business report to the first color in step S1107.

S1106 단계에서 제1 비율이 기준 비율 보다 높지 않은 것으로 확인되면, S1108 단계에서, 장치(200)는 제1 문서를 기초로, 제2 구역에서 표시되는 색상을 화소 별로 분석하여, 제2 구역의 전체 화소를 색상 계열에 따라 분류할 수 있다.If it is determined in step S1106 that the first ratio is not higher than the reference rate, in step S1108, the device 200 analyzes the color displayed in the second zone for each pixel based on the first document, and determines the overall color of the second zone. Pixels can be classified according to color series.

S1109 단계에서, 장치(200)는 제2 구역의 전체 화소를 색상 계열에 따라 분류한 결과, 제2 구역에서 화소 수가 가장 많은 색상 계열을 제2 색상 계열로 확인할 수 있다.In step S1109, the device 200 may identify the color series with the largest number of pixels in the second zone as the second color series as a result of classifying all pixels in the second zone according to the color series.

S1110 단계에서, 장치(200)는 제2 구역에서 제2 색상 계열로 분류된 화소 수를 제3 수치로 설정하고, 제2 구역의 전체 화소 수를 제4 수치로 설정할 수 있다.In step S1110, the device 200 may set the number of pixels classified into the second color series in the second zone as a third value, and set the total number of pixels in the second zone as a fourth value.

S1111 단계에서, 장치(200)는 제3 수치를 제4 수치로 나눈 값으로 제2 비율을 산출할 수 있다.In step S1111, the device 200 may calculate the second ratio as the third value divided by the fourth value.

S1112 단계에서, 장치(200)는 제2 비율이 기준 비율 보다 높은지 여부를 확인할 수 있다.In step S1112, the device 200 may check whether the second ratio is higher than the reference ratio.

S1112 단계에서 제2 비율이 기준 비율 보다 높은 것으로 확인되면, S1113 단계에서, 장치(200)는 업무 보고서의 배경색을 제2 색상으로 설정할 수 있다.If the second ratio is confirmed to be higher than the reference rate in step S1112, the device 200 may set the background color of the business report to the second color in step S1113.

S1112 단계에서 제2 비율이 기준 비율 보다 높지 않은 것으로 확인되면, S1201 단계에서, 장치(200)는 제1 비율 및 제2 비율을 더한 값으로 제3 비율을 산출할 수 있다.If it is confirmed in step S1112 that the second ratio is not higher than the reference rate, in step S1201, the device 200 may calculate the third ratio as the sum of the first ratio and the second ratio.

S1202 단계에서, 장치(200)는 제3 비율이 기준 비율 보다 높은지 여부를 확인할 수 있다.In step S1202, the device 200 may check whether the third ratio is higher than the reference ratio.

S1202 단계에서 제3 비율이 기준 비율 보다 높은 것으로 확인되면, S1203 단계에서, 장치(200)는 제1 색상과 제2 색상을 혼합하여 제3 색상을 도출할 수 있다.If the third ratio is confirmed to be higher than the reference ratio in step S1202, the device 200 may mix the first color and the second color to derive the third color in step S1203.

예를 들어, 장치(200)는 제1 색상이 빨강 색상이고, 제2 색상이 노랑 색상인 경우, 제1 색상과 제2 색상을 혼합하여 제3 색상을 주황 색상으로 도출할 수 있다.For example, when the first color is red and the second color is yellow, the device 200 may mix the first color and the second color to derive the third color as orange.

S1204 단계에서, 장치(200)는 제3 색상이 도출되면, 업무 보고서의 배경색을 제3 색상으로 설정할 수 있다.In step S1204, if the third color is derived, the device 200 may set the background color of the business report to the third color.

S1202 단계에서 제3 비율이 기준 비율 보다 높지 않은 것으로 확인되면, S1205 단계에서, 장치(200)는 제1 문서를 기초로, 제1 문서에서 표시되는 색상을 화소 별로 분석하여, 제1 문서의 전체 화소를 색상 계열에 따라 분류할 수 있다.If it is confirmed in step S1202 that the third ratio is not higher than the reference rate, in step S1205, the device 200 analyzes the color displayed in the first document for each pixel, based on the first document, and determines the overall color of the first document. Pixels can be classified according to color series.

S1206 단계에서, 장치(200)는 제1 문서의 전체 화소를 색상 계열에 따라 분류한 결과, 제1 문서에서 화소 수가 가장 많은 색상 계열을 제4 색상 계열로 확인할 수 있다.In step S1206, the device 200 may classify all pixels of the first document according to the color series and identify the color series with the largest number of pixels in the first document as the fourth color series.

S1207 단계에서, 장치(200)는 업무 보고서의 배경색을 제4 색상으로 설정할 수 있다.In step S1207, the device 200 may set the background color of the business report to the fourth color.

도 13는 일실시예에 따른 장치의 구성의 예시도이다.Figure 13 is an exemplary diagram of the configuration of a device according to an embodiment.

일실시예에 따른 장치(200)는 프로세서(210) 및 메모리(220)를 포함한다. 프로세서(210)는 도 1 내지 도 12를 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 12를 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(200)를 이용하는 자 또는 단체는 도 1 내지 도 12를 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.Device 200 according to one embodiment includes a processor 210 and memory 220. The processor 210 may include at least one device described above with reference to FIGS. 1 to 12 or may perform at least one method described above with reference to FIGS. 1 to 12 . A person or organization using the device 200 may provide services related to some or all of the methods described above with reference to FIGS. 1 to 12 .

메모리(220)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(220)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.The memory 220 may store information related to the methods described above or store a program in which methods described later are implemented. Memory 220 may be volatile memory or non-volatile memory.

프로세서(210)는 프로그램을 실행하고, 장치(200)를 제어할 수 있다. 프로세서(210)에 의하여 실행되는 프로그램의 코드는 메모리(220)에 저장될 수 있다. 장치(200)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.The processor 210 can execute programs and control the device 200. The code of the program executed by the processor 210 may be stored in the memory 220. The device 200 is connected to an external device (eg, a personal computer or a network) through an input/output device (not shown) and can exchange data through wired or wireless communication.

장치(200)는 인공지능 모델을 학습시키거나, 학습된 인공지능 모델을 이용하는데 사용될 수 있다. 메모리(220)는 학습 중인 또는 학습된 인공지능 모델을 포함할 수 있다. 프로세서(210)는 메모리(220)에 저장된 인공지능 모델 알고리즘을 학습시키거나 실행시킬 수 있다. 인공지능 모델을 학습시키는 학습 장치와 학습된 인공지능 모델을 이용하는 장치(200)는 동일할 수도 있고 개별적일 수도 있다.The device 200 may be used to learn an artificial intelligence model or use a learned artificial intelligence model. Memory 220 may include a learning or learned artificial intelligence model. The processor 210 may learn or execute the artificial intelligence model algorithm stored in the memory 220. The learning device that trains the artificial intelligence model and the device 200 that uses the learned artificial intelligence model may be the same or may be separate.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented with hardware components, software components, and/or a combination of hardware components and software components. For example, the devices, methods, and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, and a field programmable gate (FPGA). It may be implemented using one or more general-purpose or special-purpose computers, such as an array, programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions. A processing device may execute an operating system (OS) and one or more software applications that run on the operating system. Additionally, a processing device may access, store, manipulate, process, and generate data in response to the execution of software. For ease of understanding, a single processing device may be described as being used; however, those skilled in the art will understand that a processing device includes multiple processing elements and/or multiple types of processing elements. It can be seen that it may include. For example, a processing device may include a plurality of processors or one processor and one controller. Additionally, other processing configurations, such as parallel processors, are possible.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc., singly or in combination. Program instructions recorded on the medium may be specially designed and configured for the embodiment or may be known and available to those skilled in the art of computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -Includes optical media (magneto-optical media) and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, etc. Examples of program instructions include machine language code, such as that produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter, etc. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may include a computer program, code, instructions, or a combination of one or more of these, which may configure a processing unit to operate as desired, or may be processed independently or collectively. You can command the device. Software and/or data may be used on any type of machine, component, physical device, virtual equipment, computer storage medium or device to be interpreted by or to provide instructions or data to a processing device. , or may be permanently or temporarily embodied in a transmitted signal wave. Software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer-readable recording media.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.Although the embodiments have been described with limited drawings as described above, those skilled in the art can apply various technical modifications and variations based on the above. For example, the described techniques are performed in a different order than the described method, and/or components of the described system, structure, device, circuit, etc. are combined or combined in a different form than the described method, or other components are used. Alternatively, appropriate results may be achieved even if substituted or substituted by an equivalent.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents of the claims also fall within the scope of the following claims.

Claims

In the method of providing an AI-based scalable API app no-code RPA task automation subscription service platform performed by a device including a processor and memory to provide services to user terminals on which the first to fourth applications are installed,
Based on the work information of the first user, the work environment, work rules, and work execution patterns of the first user are confirmed, and as a result of checking the work environment, work rules, and work execution patterns of the first user, the first user When the main task is confirmed, creating a first workflow, which is a customized workflow for the first user, based on the first user's work environment, work rules, and work execution patterns;
Based on the first workflow, collecting and obtaining first task information through the first application;
Based on the first workflow, collecting and obtaining second task information through the second application;
Based on the first workflow, generating a work report executable in the third application based on first task information and second task information; and
Based on the first workflow, sending the business report through the fourth application,
The step of collecting and obtaining the first work information is,
When a first document is obtained in the process of collecting the first work information, the part where the name of the first item is displayed on the first document is classified into a first zone, and the first item is selected on the first document. Classifying the part where the contents are displayed into a second zone;
extracting letters included in the first zone as first text;
setting the first text as a first keyword;
extracting letters included in the second zone as second text;
Recognizing key keywords through natural language processing of the second text;
setting a key keyword recognized in the second text as a second keyword; and
Generating a string for the first item based on a result of matching the first keyword and the second keyword,
The step of collecting and obtaining the first work information is,
When the first document is obtained, checking whether a preset trigger word is included in the first document;
When it is confirmed that the first word is included as the trigger word in the first document, confirming the expiration date of the first word on the first document as a first date;
generating a first phrase based on the first word and the first date; and
When the person in charge of handling the first word is confirmed to be a second user, sending the first phrase and the first document to the second user's email,
The step of sending the first phrase and the first document to the second user's email,
In the first phrase, the font size for the first word and the first date is set to a first size, and the font size for the remaining phrases in the first phrase excluding the first word and the first date is set to a first size. Step 2: Set to size;
setting the remaining period from the current time to the first date as a first period;
setting the first weight to a higher value as the first period is shorter;
calculating a third size as a product of the first size and the first weight; and
Comprising the step of sending a first phrase set such that the first word and the first date are displayed in the third size and the remaining phrases are displayed in the second size to the second user's email,
How to provide an AI-based scalable API app no-code RPA business automation subscription service platform.

delete