[논문 리뷰] Recent Advances in Data-Driven Business Process Management

Lars Ackermann, Martin Käppel외 22명|arXiv (Cornell University)|2024. 06. 03.

Business Process Modeling and AnalysisBusiness, Management and Accounting인용 수 3

한 줄 요약

이 논문은 데이터 기반 비즈니스 프로세스 관리(BPM)를 위한 연구 의제를 제안하며, 생성형 AI, 대규모 언어 모델(LLM), 고도화된 데이터 분석 기술과 같은 신기술의 통합을 강조하여 프로세스의 투명성, 자동화, 준수성을 향상시키고자 한다. 본 논문은 예측 기반 프로세스 마이닝과 AI 기반 기법을 활용하여 실시간 준수 모니터링을 위한 '예측하고 준수하라(preview and comply)' 파이프라인을 도입하여 BPM 라이프사이클 전반에서 의사결정, 데이터 품질, 프로세스 자동화를 향상시킨다.

ABSTRACT

The rapid development of cutting-edge technologies, the increasing volume of data and also the availability and processability of new types of data sources has led to a paradigm shift in data-based management and decision-making. Since business processes are at the core of organizational work, these developments heavily impact BPM as a crucial success factor for organizations. In view of this emerging potential, data-driven business process management has become a relevant and vibrant research area. Given the complexity and interdisciplinarity of the research field, this position paper therefore presents research insights regarding data-driven BPM.

연구 동기 및 목표

• 데이터 폭증과 AI 기술 발전으로 인한 데이터 기반 의사결정으로의 패러다임 전환을 다루기 위해.
• 프로세스 라이프사이클 전반에서 기술적 잠재력과 실용적 BPM 응용 간 격차를 메우기 위한 핵심 연구 분야를 식별하고 우선순위를 정하기 위해.
• 개선된 데이터 품질, 새로운 데이터 소스(예: 비정형 데이터) 및 AI 강화 분석 기법을 통해 BPM의 기초를 공고히 하기 위해.
• 예측 모니터링, 준수 예측, AI 기반 추천 기능을 통합하여 프로세스 인식 자동화를 촉진하기 위해.
• 학계와 산업 간의 융합적 협력을 통해 근거 기반, 신뢰성 있고 투명한 BPM 시스템을 발전시키기 위해.

제안 방법

• 실행 시점 준수 적용 이전에 프로세스 결과와 준수 상태를 사전에 예측하는 방식으로 기존 준수 모니터링 방식을 뒤집는 '예측하고 준수하라' 파이프라인을 제안한다.
• 이벤트 로그와 실시간 스트림를 활용한 예측 기반 비즈니스 프로세스 모니터링 기법을 적용하여 KPI 및 준수 리스크를 예측한다.
• 이메일, 영상, 오디오 등 비정형 데이터에서 통찰을 도출하기 위해 대규모 언어 모델(LLM)과 자연어 처리(NLP) 기법을 통합한다.
• 프로세스 모델이 준수 규칙을 충족하는지 확인하기 위해 모델 체킹 기법을 적용하며, 이는 로그 기반(사후 분석) 및 스트림 기반(실시간) 모두에 적용된다.
• 일반화 능력과 강건성을 향상시키기 위해 이종 학습, 연합 학습, 신경-기호 AI와 같은 고급 AI 기법을 탐색한다.
• 프로세스 데이터 품질을 측정하고 향상시키기 위한 프레임워크를 개발하며, 프로세스 구현 및 최적화를 위한 AI 기반 추천도 제공한다.

실험 결과

연구 질문

• RQ1 예측 기반 프로세스 모니터링과 준수 규칙 적용을 통합한 '예측하고 준수하라' 파이프라인을 통해 예측 준수 모니터링는 어떻게 향상시킬 수 있는가?
• RQ2 대규모 언어 모델(LLM)과 NLP는 이메일, 센서 로그 등 비정형 데이터 소스에서 프로세스 모델링을 위한 실행 가능한 통찰을 어떻게 도출할 수 있는가?
• RQ3 이종 학습과 연합 학습과 같은 신기술 기반 AI 기법은 데이터 기반 BPM 시스템의 신뢰성과 확장성은 어떻게 향상시킬 수 있는가?
• RQ4 데이터 기반 BPM에서 높은 품질, 신뢰성 있고 투명한 프로세스 데이터를 확보하기 위해 필요한 프레임워크와 측정 지표는 무엇인가?
• RQ5 작업 수준의 자동화를 넘어서 AI 기반 의사결정 지원과 실시간 모니터링을 통합함으로써 프로세스 인식 자동화는 어떻게 더욱 진전시킬 수 있는가?

주요 결과

• '예측하고 준수하라' 파이프라인은 실행 전 준수 상태를 예측함으로써 더 유연하고 유지보수 용이하며 투명한 준수 모니터링을 가능하게 하여 시스템의 반응성과 적응성을 향상시킨다.
• 이메일, 영상 등 비정형 데이터 소스에서 LLM과 NLP를 활용하면 프로세스 발견 및 모니터링 능력이 크게 향상되어 더 풍부한 맥락 인식 프로세스 모델을 가능하게 한다.
• 예측 기반 비즈니스 프로세스 모니터링에 준수 예측 기능을 통합할 경우 사전 리스크 탐지와 인간의 편향을 줄인 의사결정 향상이 가능하다.
• 신경-기호 AI 및 연합 학습과 같은 고급 AI 기법의 통합은 데이터 기반 BPM 응용에서 모델의 강건성, 개인정보 보호 및 일반화 능력을 향상시킬 수 있다.
• 신뢰할 수 있는 자동화와 신뢰성 있는 AI 기반 추천을 위해 프로세스 데이터 품질을 측정하고 향상시키는 것은 필수적이다.
• 제안된 연구 의제는 데이터 기반, AI 통합, 준수 모니터링, 데이터 품질, 자동화의 다섯 가지 고영향력 연구 분야를 식별하여 향후 BPM 분야의 혁신을 위한 체계적인 길을 제시한다.