설명 가능한 인공지능 기반의 프로세스 분석 자동화 연구

Abstract

The fields such as recognition and prediction that were considered what only humans could do are being automated with the recent development of artificial intelligence. However, human intervention is still regarded as essential in many areas of work. The process innovation project, one of the methodologies for business management, is one of the areas that was considered impossible without an expert’s judgment process. Business process innovation is divided into the steps of deriving an issue through status analysis and establishing an to-be process model by analyzing the cause of the issue. The process mining contributed significantly to effectively conducting the status analysis by automatically discovering the as-is process model using an information system log. However, it is still recognized that the experience and intuition of experts are very important to understand the root cause of the issue. In this study, based on the data of process mining, whether the result of the business process is normal or whether an issue will occur is predicted in advance using a machine learning model. Also, the cause of the issue was automatically found by analyzing the XAI (eXplainable Artificial Intelligence) algorithm that can explain the prediction model. By automatically deriving the causes of business process issues in this way, the scope of the use of artificial intelligence has been extended to the area of issue cause analysis for business process innovation that was previously considered impossible without human intervention. Furthermore, business process innovation projects that the companies operated with significant time and money can be conducted with far less time and human resources that can contribute to the company’s sustainable innovation. The research was conducted on the results of process mining and system log data published by banks, electronics manufacturing companies, and internet service companies. First, it proved that it is possible to automate cause analysis through an algorithm by analyzing the cause of the cancellation of the customer's loan application based on the bank's loan process. Additionally, for the refund process of manufacturing companies, various machine learning algorithms including deep learning and actively researched algorithms in the field of XAI were applied to analyze and compare. A deep learning model increases the accuracy of the prediction than a traditional machine learning model. On the other hand, the traditional machine learning model is advantageous for the cause analysis that they are in the trade-off relationship. However, the most important factor that affects the results is data pre-processing and it was confirmed that the performance of the cause analysis algorithm increased as the process flow, execution time, and additional attributes were added to the process log. Based on the result, a process model is created based on the user log of the mobile app of an music streaming service company. Then the machine learning model is applied to predict the user's ticket payment failure in advance and automatically derived the cause of the payment failure through an XAI algorithm. The automatically derived cause of the failure was the same as the cause of failure previously analyzed by process mining experts, and through this, it was proved that the automated issue cause analysis algorithm has excellent performance to replace the analysis of experts. The ‘eXplainable Artificial Intelligence-based Process Analysis Automation’ presented in the study extended the scope of application of the artificial intelligence algorithm to the field of issue cause analysis that were considered impossible without a human’s judgment process. In addition, the usefulness of the current process mining tool was improved by automation of cause analysis. With this, in the modern business environment where competition among industries is fierce and rapidly changing, process innovation activities that are essential for the survival of companies can be performed with much less time and human resources. Moreover, by allowing the process innovation system through automation, it will be of practical help in strengthening the competitiveness and continuous growth of the company. In the future, the development will progress by standardizing the data pre-processing and applied algorithms that they can be added as the major function of the process mining solution while researching to increase reliability by applying the ‘eXplainable Artificial Intelligence-based Process Issue Cause Analysis Automation’ technique to various business process data. In addition, the application of the artificial intelligence-based cause analysis technique that explains not only process mining but also numerous tasks that require cause analysis will provide various academic and economic effects.| 최근 인공지능의 발전과 함께 예전에는 사람만이 할 수 있다고 생각되어지던 이미지 인식, 고장 예측 등의 분야들이 자동화되고 있다. 그러나 아직 많은 업무 영역에서는 사람의 개입이 꼭 필요하다고 여겨지고 있으며, 경영혁신을 위한 방법론 중 하나인 업무 프로세스 혁신 (Process Innovation) 프로젝트는 전문가의 판단과정 없이는 수행이 불가능하다고 여겨지던 영역 중 하나이다. 업무 프로세스 혁신은 현황분석을 통한 이슈 도출과 그 이슈의 원인을 분석하여 목표 프로세스 모델을 수립하는 단계로 나뉜다. 그중 프로세스 마이닝은 정보시스템 로그를 이용하여 현행 프로세스 모델을 자동으로 생성해줌으로써 현황분석을 효과적으로 수행하는 데 크게 이바지했다. 그러나 이슈에 대한 근본 원인이 무엇인지 파악하기 위해서는 여전히 전문가의 경험과 직관이 매우 중요하다고 인식되고 있다. 본 연구에서는 프로세스 마이닝의 데이터를 기반으로 업무 프로세스 수행 결과가 정상일지, 또는 이슈가 발생할지를 머신러닝 모델을 이용해 사전에 예측하고, 학습된 예측 모델을 다시 설명 가능한 인공지능 알고리즘을 사용하여 분석함으로써 이슈의 원인을 자동으로 찾아냈다. 이렇게 업무 프로세스 이슈의 원인을 자동으로 도출함으로써 기존에는 사람의 개입 없이 불가능하다고 여겨지던 업무혁신을 위한 이슈 원인분석 영역까지 인공지능의 활용 범위를 확장하였을 뿐만 아니라, 기업들이 많은 시간과 비용을 들여 진행하던 업무 프로세스 혁신 프로젝트를 훨씬 적은 인력과 시간만으로도 더 정확하게 수행할 수 있게 되어 기업의 지속적인 혁신에 이바지할 수 있을 것이다. 연구는 은행, 전자제품 제조 기업, 인터넷 서비스 기업에서 공개한 프로세스 마이닝의 수행 결과와 시스템 로그 데이터를 대상으로 실험을 진행하였다. 먼저 은행의 여신 프로세스를 기반으로 고객의 대출 신청 취소가 발생하는 원인을 분석하여 알고리즘을 통한 원인분석 자동화가 가능하다는 것을 증명하였다. 또한, 제조 기업의 환불 프로세스를 대상으로 딥러닝을 포함한 다양한 머신러닝 알고리즘과 아직은 연구가 활발히 진행 중인 설명 가능한 인공지능 분야의 여러 알고리즘을 적용해본 후 비교 분석하였으며, 전통적인 머신러닝 모델보다는 딥러닝 모델을 사용할 때 예측의 정확도는 높아지지만, 반대로 원인분석에는 전통적인 머신러닝 모델이 유리한 Trade-off 관계가 있음을 확인하였다. 그러나 결과에 영향을 미치는 가장 중요한 요인은 데이터의 전처리로, 프로세스 로그를 그대로 사용하지 않고 프로세스 흐름, 수행 시간, 추가적인 속성들을 포함할수록 원인분석 알고리즘의 정확도가 높아짐을 확인하였다. 이 결과를 기반으로 인터넷 서비스 기업의 모바일 앱 사용자 로그를 기반으로 프로세스 모델을 생성한 후 머신러닝 모델을 적용해 사용자가 이용권 결제에 실패하는 경우를 미리 예측하고 설명 가능한 인공지능 알고리즘을 통해 결제에 실패하게 되는 원인을 자동으로 도출하였다. 자동으로 도출된 실패의 원인은 기존에 전문가들이 참여하여 분석한 실패의 원인과 동일하였으며, 이를 통해 이슈 원인분석 자동화 알고리즘이 전문가의 분석을 대체할 만큼 우수한 성능을 갖고 있음을 확인하였다. 본 연구를 통해 제시된 ‘설명 가능한 인공지능 기반의 프로세스 분석 자동화’는 그동안 이미지 인식, 결과 예측 등에 주로 활용되던 인공지능 알고리즘의 활용 범위를 사람의 판단과정 없이는 불가능하다고 생각했던 이슈 원인분석 분야까지 확장하였다. 또한, 현행 프로세스 분석 중심의 프로세스 마이닝 도구를 원인분석까지 자동화하도록 개선함으로써 유용성을 강화하였다. 이를 통해 업종 간 경쟁이 치열해지고 점점 빠르게 변화하고 있는 현대 경영환경에서 기업의 생존을 위해 필수적인 프로세스 혁신 활동을 훨씬 적은 시간과 인력으로 수행할 수 있고, 나아가 자동화를 통한 상시적인 프로세스 혁신 체계까지 가능하게 함으로써 기업의 경쟁력 강화와 지속적인 성장에 실질적인 도움이 될 것이다. 향후 ‘설명 가능한 인공지능 기반의 프로세스 이슈 원인분석 자동화’ 기법을 다양한 업무 프로세스 데이터에 적용하여 신뢰성을 높이는 연구를 진행하면서, 데이터 전처리와 적용 알고리즘을 표준화하여 프로세스 마이닝 솔루션의 주요한 기능으로 추가될 수 있도록 개발을 진행할 것이다. 더불어 프로세스 마이닝뿐 아니라 원인분석이 필요한 다양한 업무에 설명 가능한 인공지능 기반의 원인분석 기법을 적용해본다면 다양한 학술적, 경제적 효과를 얻을 수 있을 것이다.