[논문 리뷰] From Robotic Process Automation to Intelligent Process Automation: Emerging Trends

Tathagata Chakraborti, Vatche Isahagian외 5명|arXiv (Cornell University)|2020. 07. 27.

Robotic Process Automation Applications참고 문헌 56인용 수 10

한 줄 요약

이 논문은 로봇 프로세스 자동화(RPA)에서 지능형 프로세스 자동화(IPA)로의 진화를 조망하며, 기계 학습 및 AI의 통합이 RPA를 더 유연하고 지능적인 시스템으로 전환시킨다고 제안한다. 다중 모odal 데이터 처리, 자연어 인터페이스, 자동 프로세스 합성 분야의 핵심 연구 과제를 규명하고, 확장 가능하고 설명 가능한 자동화를 발전시키기 위해 AI 및 비즈니스 프로세스 관리 분야 간의 깊은 협력을 촉구한다.

ABSTRACT

In this survey, we study how recent advances in machine intelligence are disrupting the world of business processes. Over the last decade, there has been steady progress towards the automation of business processes under the umbrella of ``robotic process automation'' (RPA). However, we are currently at an inflection point in this evolution, as a new paradigm called ``Intelligent Process Automation'' (IPA) emerges, bringing machine learning (ML) and artificial intelligence (AI) technologies to bear in order to improve business process outcomes. The purpose of this paper is to provide a survey of this emerging theme and identify key open research challenges at the intersection of AI and business processes. We hope that this emerging theme will spark engaging conversations at the RPA Forum.

연구 동기 및 목표

• AI 및 기계 학습의 발전에 따라 전통적인 RPA에서 지능형 프로세스 자동화(IPA)로의 전환을 분석하기.
• AI 및 비즈니스 프로세스 관리(BPM) 분야의 교차점에서 발생하는 핵심 연구 과제를 규명하기.
• 비즈니스 프로세스 데이터를 텍스트, 이미지, 영상과 동일한 수준의 독립된 모달리티로 간주하여 지정하기.
• IPA의 보급을 가속화하기 위해 AI 분야와 BPM 전문가 간의 상호교류를 촉진하기.
• 자연어 기반 프로세스 명세, 다중 모달 학습, 비즈니스 프로세스의 자동 합성과 같은 새로운 추세를 부각하기.

제안 방법

• 최근 문헌과 산업 트렌드를 조사하여 RPA에서 IPA로의 진화 과정을 맵핑하기.
• 제어 흐름, 이벤트 시퀀스, 메타데이터, 비구조화된 문서, 사회적 네트워크를 포함한 비즈니스 프로세스 데이터를 새로운 모달리티로 분류하기.
• 초기 AAAI 2020 IPA 워크숍의 핵심 논문들을 분석하여 주요 연구 주제를 도출하기.
• 자연어 인터페이스와 의미 분석이 비전문가가 IPA 시스템을 구성하는 데 요구되는 전문 지식을 크게 감소시킬 수 있음을 제안하기.
• IPA 인터페이스 설계 및 작업 조합 최적화를 위해 몬테카를로 트리 검색과 다중 에이전트 프레임워크의 활용을 주장하기.
• 프로세스 마이닝과 GUI 상호작용 로그가 사용자 루틴을 학습하여 자동으로 프로세스를 추출하는 데 기여함을 강조하기.

실험 결과

연구 질문

• RQ1 AI 및 기계 학습 기술이 룰 기반 RPA를 넘어선 비즈니스 프로세스 자동화에 효과적으로 통합될 수 있는 방법은 무엇인가?
• RQ2 대규모로 RPA에서 IPA로 전환하는 데 있어 핵심적인 기술적 및 조직적 과제는 무엇인가?
• RQ3 비즈니스 프로세스 데이터가 기계 학습에서 새로운 모달리티로 공식적으로 취급될 수 있는 방법은 무엇이며, 이를 통해 어떤 새로운 기법이 가능해지는가?
• RQ4 자연어 및 다중 모달 입력(예: GUI 상호작용, 채팅 로그)을 얼마나 효과적으로 활용하여 프로세스 명세 및 합성을 자동화할 수 있는가?
• RQ5 설명 가능성, 전이 학습, 표현 학습이 IPA 시스템의 투명성과 적응 가능성 향상에 어떤 역할을 할 수 있는가?

주요 결과

• AI 및 기계 학습이 더 유연하고 맥락 인식 능력이 있으며 자동 최적화 기능을 갖춘 자동화로 전환됨에 따라, 이 분야는 RPA에서 IPA로의 전환을 겪고 있다.
• 제어 흐름, 이벤트 시퀀스, 메타데이터, 사회적 네트워크를 포함한 비즈니스 프로세스 데이터는 기계 학습 분야에서 별도로 다뤄지지 않은 독립적인 모달리티를 형성한다.
• 자연어 인터페이스와 의미 분석은 IPA 시스템을 구성하고 관리하는 데 요구되는 전문 지식을 크게 감소시킨다.
• 다중 에이전트 프레임워크와 몬테카를로 트리 검색은 대화형 및 상호작용 가능한 IPA 사용자 인터페이스 설계 최적화에 유망한 기법으로 나타난다.
• GUI 상호작용 로그에서의 프로세스 마이닝은 사용자가 주도하는 데이터 변환 루틴을 자동으로 발견함으로써 지능형 자동화를 지원한다.
• 초기 AAAI 2020 IPA 워크숍은 자연어 기반 프로세스 자동화, 다중 모달 학습, 자동 프로세스 합성 분야에서 강력한 연구 동향을 보였으며, 이는 점점 확장되는 다학제적 분야임을 시사한다.