[기술 요약] ABPMS 프로세스 프레임의 하이브리드 특성과 자동 프로세스 발견에 미치는 영향

1. 문제 정의 (Problem Statement)

기존의 비즈니스 프로세스 관리 시스템(BPMS)은 정해진 절차를 실행하고 자동화하는 데 집중해 왔습니다. 그러나 인공지능이 결합된 **AI-Augmented Business Process Management System (ABPMS)**는 단순한 실행 도구를 넘어, 프로세스의 상태를 추론하고 스스로 최적화하며 의사결정을 내리는 '자율성(Autonomy)'을 지향합니다.

이러한 자율성을 구현하기 위해서는 시스템이 운영되어야 하는 경계와 규칙을 정의하는 **'프로세스 프레임(Process Frame)'**이 필수적입니다. 기존 연구들은 다음과 같은 한계를 가집니다:

• 단일 모델링 언어의 한계: 절차적(Procedural) 지식과 선언적(Declarative) 지식을 통합적으로 표현하기 어려움.
• 폐쇄 세계 가정(Closed-world Assumption)의 충돌: 기존 절차적 모델은 모델에 정의되지 않은 활동을 오류로 간주하지만, 자율적 시스템에서는 모델 외부의 활동을 허용하는 '개방 세계 가정(Open-world Assumption)'이 필요함.
• 자동 발견(Discovery)의 어려움: 복잡하게 얽힌(Semi-concurrent) 다중 모델 환경에서 기존의 직접적 후속 관계(Directly-follows relations) 기반 발견 방식은 신뢰도가 떨어짐.

2. 연구 방법론 (Methodology)

2.1. 프로세스 프레임의 개념화 (Conceptualization)

본 논문은 프로세스 프레임을 **절차적 모델(Petri nets 등)**과 **선언적 모델(Declare 등)**이 반-병렬적(Semi-concurrently)으로 실행되는 **하이브리드 비즈니스 프로세스 표현(HBPR)**으로 정의합니다.

• 개방 세계 가정 채택: 모든 모델(절차적 모델 포함)은 자신이 관장하는 활동 범위 내에서만 제약 조건을 부과하며, 그 외의 활동은 무시하거나 허용합니다.
• 수학적 정형화: 트레이스 투영(Trace Projection) 개념을 도입하여, 전체 실행 트레이스에서 각 모델이 자신의 활동 집합에 해당하는 부분 트레이스(Projection)만을 검토하여 수용 여부를 결정하도록 정의했습니다.

2.2. 자동 프로세스 발견 접근법

선언적 제약 조건(Declare constraints)을 활용하여 절차적 행동을 역으로 찾아내는 방식을 제안합니다.

• Pockets of Rigidity (경직성의 포켓): 전체적으로는 유연한 선언적 모델을 유지하되, 반복되거나 엄격한 규칙이 필요한 특정 부분(Sub-behavior)만을 절차적 모델(Petri net)로 변환하여 모델을 단순화하고 명확하게 만드는 전략입니다.
• 매핑 알고리즘: Declare의 다양한 템플릿(Response, Precedence, Succession 등)과 그 조합을 사용하여, 반복(Repetition)이 존재하는 상황에서도 순차 흐름(Sequence), 병렬성(Parallelism), 배타적 선택(XOR), 포괄적 선택(OR) 등의 16가지 절차적 변형을 식별할 수 있도록 설계했습니다.

3. 주요 기여 (Key Contributions)

1. 하이브리드 프로세스 프레임 프레임워크 제안: 절차적/선언적 모델이 공존하며 활동을 공유(Overlap)할 수 있는 새로운 ABPMS 운영 모델을 제시했습니다.
2. 절차적 모델에 대한 개방 세계 가정 적용: Petri net과 같은 절차적 모델을 제약 조건(Constraint)처럼 해석하여, 모델 외부 활동에 대해 유연성을 부여하는 이론적 근거를 마련했습니다.
3. 반복을 고려한 선언적-절차적 매핑: 기존 연구의 한계였던 '활동 반복' 문제를 해결하기 위해, Declare의 확장된 템플릿(Alternate Response 등)과 삼항 제약 조건(Interposition, Balanced Enablement)을 사용하여 복잡한 제어 흐름을 매핑하는 방법을 개발했습니다.
4. 비블록 구조(Non-block-structured) 대응: 프로세스가 정형화된 블록 구조가 아닌, 중첩되거나 복잡하게 얽힌 경우에도 프로세스 프레임을 성공적으로 발견할 수 있음을 입증했습니다.

4. 연구 결과 (Results)

• 매핑 정확도: 실험 결과, 총 16가지의 절차적 변형 중 14가지가 Declare 제약 조건의 조합을 통해 정확하게 발견될 수 있음을 확인했습니다. (나머지 2개는 후처리 필요)
• 복잡성 감소: 선언적 제약 조건으로만 표현했을 때 매우 방대해지는 규칙들을(예: 병렬 구조에서 수많은 Alternate Succession 제약 조건), 대응하는 Petri net 조각으로 교체함으로써 모델의 가독성과 관리 효율성을 높일 수 있음을 보여주었습니다.
• 다양한 시나리오 검증: 선택적 흐름, 반복적 흐름, 중첩된 병렬/선택 구조 등 비블록 구조의 시나리오에서도 제안된 방법론이 정확하게 동작함을 DFA(결정적 유한 오토마타)를 통해 검증했습니다.

5. 의의 및 결론 (Significance)

본 연구는 자율적 AI 시스템(ABPMS)이 비즈니스 프로세스를 어떻게 이해하고 경계를 설정해야 하는가에 대한 근본적인 답을 제시합니다.

• 학술적 의의: 프로세스 모델링의 패러다임을 '완전한 실행 경로의 기술'에서 '행동 경계의 정의'로 전환시켰으며, 하이브리드 모델링의 수학적 토대를 마련했습니다.
• 실무적 의의: 기존의 이벤트 로그로부터 복잡한 비즈니스 규칙을 자동으로 추출하여, AI가 준수해야 할 '가이드라인(Process Frame)'을 생성하는 기술적 토대를 제공합니다. 이는 향후 AI 에이전트가 비즈니스 환경에서 안전하고 규정에 맞게(Compliant) 자율적으로 활동할 수 있게 하는 핵심 기술이 될 것입니다.