🤖 machine learning

SCOPE: Sequential Causal Optimization of Process Interventions

本論文は、観測データから逐次的な介入を最適化するために後退帰納法と因果学習器を活用する処方的プロセスモニタリング手法であるSCOPEを紹介し、主要業績評価指標（KPI）を向上させるための介入を整合させるにおいて、既存の手法よりも優れた性能を示すものである。

原著者： Jakob De Moor, Hans Weytjens, Johannes De Smedt, Jochen De Weerdt

公開日 2026-06-10

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Jakob De Moor, Hans Weytjens, Johannes De Smedt, Jochen De Weerdt

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

あなたは、複雑で嵐の吹き荒れる海を航行する船の船長であると想像してください。あなたの目標は、貨物をできるだけ早く、かつ安く港に届けることです。航行中、あなたは一連の決断に直面します。「今、進路を変更すべきか？」「速度を上げるべきか？」「錨を下ろすべきか？」

問題は、これらの決断が独立したものではないということです。もし今、速度を上げれば、時間を節約できるかもしれません。しかし、もし特定の嵐が来る「前」に速度を上げてしまったら、燃料切れになるかもしれません。もし待てば、立ち往生してしまうかもしれません。最善の動きとは、次に何をしようとしているかに完全に依存しているのです。

これが、**処方的なプロセス・モニタリング（Prescriptive Process Monitoring: PresPM）**の課題です。これは、ビジネスプロセス（ローン申請やカスタマーサービス・チケットなど）のあらゆるステップにおいて、最高の最終結果を得るためにどのような行動を取るべきかを正確に指示する、「船長の航海日誌」を企業に提供するものです。

現在の地図が抱える問題

この論文は、こうした助言を与える現在の手法には、主に2つの欠陥があると言及しています。

「一歩先」への盲目性： 多くのシステムは、現在の瞬間だけを見て、「スピードを上げるのは良いことだ！」と言います。しかし、それが後にクラッシュを引き起こす可能性があることに気づいていません。彼らは個々の決定をバラバラに最適化してしまい、全体像を見失っているのです。
「偽の世界」の罠： 他のシステムは、AIエージェントを訓練するためにシミュレーション（「偽の世界」）を構築することで、この問題を解決しようとします。「ビデオゲームの中で、あらゆる経路を試せるようにして、練習しよう」と言うのです。論文ではこれを**「リアリティ・ギャップ（現実との乖離）」**と呼んでいます。シミュレーションで成功した戦略が、現実の、混沌とした世界でも通用するとは限りません。それは、実際の乱気流を考慮せずにパイロットをフライトシミュレーターで訓練するようなものです。実際に飛行機に乗ったとき、彼らは墜落してしまうかもしれません。

解決策：SCOPE

著者らは、SCOPE（Sequential Causal Optimization of Process Interventions）を紹介しています。SCOPEを「タイムトラベルする戦略家」と考えてください。

次に何をすべきかを推測する代わりに、SCOPEは**後退帰納法（Backward Induction）**という手法を用います。その仕組みを、簡単な例えで説明しましょう。

ニューヨークからロサンゼルスまでロードトリップを計画しており、手元に最も多くのお金を残して到着したいとします。

従来の方法： 次のガソリンスタンドを見て、「ここはガソリンが安いか？」と問いかけます。その一点のみに基づいて決定を下します。
SCOPEの方法： トリップの「終わり」（ロサンゼルス）からスタートします。「もしここに到着したとしたら、ここに来るための最善の方法は何だったか？」と問いかけます。次に、一つ前の都市へと戻ります。「もし自分がここにいるとしたら、どの選択がロサンゼルスでの最善の結果につながるか？」と問いかけます。このように、一歩ずつ後ろへと遡っていきます。そして、ニューヨークに戻ってくるのです。

ゴールから逆算して始めることで、SCOPEは「今の『悪い』動きが、後の『素晴らしい』動きを設定するために必要である可能性がある」ということを理解します。これにより、すべての決定を一つの完璧なシーケンス（連続した流れ）へと整合させるのです。

学習の仕組み（シミュレーターなしで）

SCOPEは、偽の世界を構築したり、何百万回ものシミュレーションを実行したりする必要はありません。代わりに、実際の履歴データ（過去の航海における実際の船のログ）を分析します。

しかし、実際のデータは一筋縄ではいきません。過去の船長たちは、会社の規則や不運によって、不適切な選択をせざざるを得なかった場合があります。これを**「交絡（Confounding）」**と呼びます。

例：ある銀行が、リスクの高い顧客に対してのみ高金利のローンを提供していたとします。もしデータをそのまま見ると、「高金利＝悪い結果」に見えます。しかし実際には、高金利ではなく「顧客のリスクの高さ」が悪い結果を引き起こしたのです。

SCOPEは、このノイズを切り分けるために**因果学習（Causal Learning）**を使用します。これは、原因と相関関係を切り分ける探偵のようなものです。「もし、この特定の状況で異なる行動をとっていたら、何が起きていたのか？」を解明します。これにより、シミュレーションを行うことなく、現実世界の失敗から学ぶことができるのです。

結果：より優れた船長

著者らは、SCOPEを2つの「テストドライブ」でテストしました。

SimBank： シミュレートされた銀行のローンプロセス。
SimBPIC17： 複雑なシナリオをテストするために作成された、実世界のローンログに基づいた新しい半シミュレーション版。

彼らはSCOPEを以下の手法と比較しました。

「一歩先」の手法： 決定を一つずつ最適化するもの。
「シミュレーター」の手法： 「偽の世界」のアプローチを用いるもの。

判定：
SCOPEは一貫して勝利しました。特に、経路が長く複雑な場合（決定ポイントが多い場合）において、より優れた決定を下しました。

データが乱雑な場合（交絡が高い場合）でも、SCOPEは最善の経路を見つけ出しました。
「シミュレーター」の手法は、その「偽の世界」が現実と一致しなかったため、しばしば失敗しました。
「一歩先」の手法は、今日の選択が明日にどう影響するかを見通せなかったため、失敗しました。

まとめ

SCOPEは、ビジネスへの助言を与えるための新しい方法です。一歩ずつ見ていくのでも、ビデオゲームの中で生きているふりをするのでんでもなく、旅の全体像を見渡し、ゴールから逆算して、完璧な一連の動きを見つけ出すのです。それは、ただ舵を切るだけの船長と、あらゆる転舵が最終目的地にどう影響するかを知り尽くした、海図を持つ船長との違いなのです。

技術サマリー: SCOPE – プロセス介入の逐次的因果最適化

問題提起

処方的プロセスモニタリング（PresPM）は、スループットタイムやコストなどの主要業績評価指標（KPI）を最適化するために、ビジネスプロセスの実行中に介入を推奨することを目的としている。既存の手法は単一の介入決定を効果的に扱うことができるが、介入が孤立していない現実的な設定では失敗することが多い。多くのプロセスにおいては、先行する介入の結果が後続のアクションに依存したり、その逆であったりするような、相互依存する複数の意思決定ポイントが存在する。

現在のアプローチには、主に以下の3つの制限がある：

単一介入への焦点: 多くの手法は単一の意思決定ポイントのみを最適化しており、将来の意思決定のシーケンスを無視している。
孤立した逐次的最適化: シーケンスを扱う手法もあるが、各意思決定ポイントを個別に最適化（例：即時報酬の最大化）しており、最終的なKPIを最大化するためにケース全体を通じてアクションを整合させることに失敗している。
プロセス近似への依存: 逐次的最適化を試みる手法の多くは、近似されたプロセス（例：マルコフ決定過程）や拡張データを用いた強化学習（RL）に依存している。これは「リアリティギャップ」を導入し、近似における誤指定が、バイアスのある、あるいは劣った方策を招く原因となる。さらに、これらの手法は、実際のイベントログに見られるプロセスプレフィックスの高い不均一性や可変的な制御フローに苦慮することが多い。

手法: SCOPE

著者らは、プロセスのシミュレーションやデータの拡張を必要とせず、観測されたイベントログから直接、整合された逐次的介入方策を学習するフレームワークであるSCOPE（Sequential Causal Optimization of Process Interventions）を提案する。

コアコンポーネント

SCOPEは、可変的な制御フロー下での逐次的意思決定問題に対処するために、**因果学習（Causal Learning）と後退帰納法（Backward Induction）**を統合している。

後退帰納法フレームワーク:
- 本手法は、動的治療レジメン（DTR）の枠組みをビジネスプロセスに適応させたものである。最終決定ポイント（ $K$ ）から最初の決定ポイント（$1$）へと、後ろ向きに反復処理を行う。
- 各決定ポイント $k$ において、現在のプロセスプレフィックス $\sigma_k$ が与えられた際に、その後に最適なアクションが取られると仮定した場合の、アクション $a_k$ を取った際の期待結果を表すQ関数（ $Q_k$ ）を推定する。
- また、プレフィックス $\sigma_k$ から達成可能な最善の結果を表す価値関数（ $V_k$ ）を計算する。
- 決定的な点として、SCOPEは価値関数に対して後悔ベース（regret-based）の定式化を利用する： $V_k(\sigma_k) = E[V_{k+1}(\sigma_{k+1}) + (Q_k(\sigma_k, a^{opt}_k) - Q_k(\sigma_k, a^{obs}_k)) | \sigma_k]$ 。この定式化は、プロセスプレフィックスの不均一性を考慮した際、モデルの誤指定や誤差の伝播に対して堅牢であることから採用されている。
因果学習器（Causal Learners）:
- 観測データ（交絡因子を含む）からQ関数を推定するために、SCOPEは因果学習器を採用する。高次元のプレフィックス空間における不安定性を避けるため、逆確率重み付け（IPW）は使用しない。
- 本フレーム組みは、モデルに依存しない学習器をサポートしており、具体的には以下をテストしている：
  - S-learner: 全てのアクションに対して結果を予測する単一のモデル。
  - T-learner: 各アクションに対して個別のモデル。
  - RA-learner: Q関数を推定し、次に因果効果に焦点を当てるための疑似アウトカムを推定する2ステップのアプローチ。
- これらの学習器により、システムは、歴史的にほとんど選択されていないものの、KPIを向上させる可能性が高いアクションを特定することができ、ランダム化比較試験なしで交絡を効果的に処理できる。
アルゴリズム (SCOPE-S):
- 学習: アルゴリズムは最後の決定ポイントから開始する。ポイント $k$ に到達するケースに対し、因果モデルを訓練して $Q_k$ を推定する。その後、最適なアクションを算出し、後退帰似の定式化を用いて前の決定ポイントの価値推定値を更新する。制御フローにより決定ポイントをスキップした場合は、価値が後ろ向きに伝達される。
- 推論: プロセスは前向きに進む。決定ポイントに到達すると、アルゴリズムはその特定のポイントに対して事前訓練されたモデルにクエリを送り、最も高い推定Q値を持つアクションを選択する。

主な貢献

SCOPEフレームワーク: 因果学習と後退帰納法を組み合わせ、因果に基づいた整合的な逐次的方策を学習するPresPMアプローチの導入。プロセスのシミュレータやデータの拡張を必要とせず、観測ログから直接動作する。
新規ベンチマーク (SimBPIC17): 実世界のBPIC17_Wイベントログに基づく半合成データセットの作成と公開。このベンチマークにより、可変的な決定ポイントと現実的な交絡を持つ逐次的PresPM手法の評価が可能となり、実データにおけるグランドトゥルース（真の反事実）の欠如という課題に対処している。
実証的検証: 合成および半合成データセットにおいて、SCOPEが最先端のベースラインを上回ることを示す包括的な実験。

実験結果

著者らは、以下の3つのベースラインに対してSCOPEを評価した：

KMeans-Q (Branchi et al. [5]): プロセス近似（MDP）と強化学習（RL）を用いた逐次的手法。
SEP-S (de Leoni et al. [9] の適応版): 意思決定ポイントを独立して最適化する手法。
ランダム・ポリシーおよび上限値（Upper Bound）。

主な知見:

パフォーマンス: SCOPEは、異なる交絡レベル（ $\delta$ ）、訓練セットサイズ、および決定ポイントの数を含む様々な設定において、一貫して両方のベースラインを上回った。
整合性の影響: 独立最適化ベースライン（SEP-S）に対するSCOPEの優位性は、決定ポイントの数が増えるにつれて拡大した。これは、シーケンス全体を通じて介入を整合させることの重要性を裏付けている。
交絡に対する堅牢性: パフォーマンスは一般に交絡が高くなると低下するものの、SCOPEは堅牢性を維持した。RA-learnerとS-learnerが最も優れた性能を示し、T-learnerは高い交絡下で劣化が見られた。
近似 vs 直接学習: プロセス近似手法（KMeans-Q）は性能が低く変動が大きかった。これは、RLのためにプロセスを近似することは、介入を独立して扱うことよりも、ましてやSCOPEのような因果的整合を用いることよりも効果が低い可能性を示唆している。
複雑性: 複数のモデルを訓練するという理論的な複雑さがあるものの、SCOPEは実用面ではKMeans-Qよりも大幅に速く訓練でき、独立ベースラインと同等の推論複雑度を実現した。

意義と主張

本論文は、RLベースの逐次的なアプローチに内在する「リアリティギャップ」に対処することで、SCOPEがPresPMにおける重要な進歩を遂げたことを主張している。因果学習と後退帰納法を活用することで、SCOPEは、誤指定される可能性のあるプロセスモデルを構築することなく、観測データから最適な逐的方策を導き出すことができる。

著者らは、SCOPEが基礎となるモデルの予測精度に依存し、ケース間の干渉がない（SUTVA）ことを前提としているものの、現実的なレベルの交絡下でも効果的な逐的方策を特定できることを強調している。結論として、相互に依存する決定ポイントを持つプロセスを最適化するには、因果学習と後退帰納法を組み合わせることが不可欠であり、シミュレーションに多大な労力を要する方法に対する実用的な代替案となるとしている。また、逐次的PresPMの研究を促進するために、SimBPIC17ベンチマークを公開している。