0과 1을 넘어: AI 기반 준수 모니터링의 새로운 지평

Qian Chen, Stefanie Rinderle-Ma, Lijie Wen 세 연구자는 AI 기반 준수 모니터링 시스템에서 위반 정도를 정량화하는 두 가지 새로운 접근법을 제시했습니다. 이는 이진 분류(Yes/No)를 넘어, 위반의 크기를 예측하는 혁신적인 방법으로, 합성 및 실제 데이터를 활용한 실험 결과를 통해 그 효과성을 검증했습니다. 이는 기업의 운영 성과에 대한 깊이 있는 통찰력을 제공하고, 위험 감소 및 완화를 위한 효율적인 의사결정을 지원할 수 있음을 시사합니다.

지금까지의 프로세스 준수 모니터링은 주로 사후적인 위반 감지에 초점을 맞춰왔습니다. 예측 기반 접근법이 등장했지만, 단순히 '준수/미준수' 여부만 판단하는 이진 분류에 그쳤죠. 하지만 Qian Chen, Stefanie Rinderle-Ma, Lijie Wen 세 연구자는 이러한 한계를 뛰어넘는 획기적인 연구 결과를 발표했습니다. 바로 위반의 정도를 정량적으로 측정하는 새로운 예측 준수 모니터링 접근법입니다.

혁신적인 두 가지 접근법

연구진은 두 가지 혁신적인 접근법을 제시했습니다. 첫 번째는 이진 분류 문제를 분류와 회귀를 결합한 하이브리드 작업으로 재구성하는 것입니다. 즉, 단순히 '준수' 또는 '미준수'로만 나누는 것이 아니라, 얼마나 준수 기준에서 벗어났는지 그 정도를 수치적으로 예측하는 것이죠. 두 번째 접근법은 다중 작업 학습(multi-task learning) 방법을 활용하여 준수 여부와 위반 정도를 동시에 예측합니다. 특히, 의료 등 다양한 분야에서 중요한 시간 제약 조건(temporal constraints) 에 초점을 맞춰 연구를 진행했습니다.

실제 데이터로 검증된 성능

합성 데이터와 실제 이벤트 로그를 사용한 평가 결과, 연구진의 접근법은 기존 최첨단 방식과 비교해 준수 예측 성능을 유지하면서 위반 정도를 정량적으로 측정하는 데 성공했습니다. 이는 단순한 위반 여부 확인을 넘어, 기업의 운영 성과에 대한 깊이 있는 통찰력을 제공하고, 위험 감소 및 완화를 위한 효율적인 의사결정을 지원할 수 있음을 의미합니다. 이는 마치 의사가 질병의 유무만 판단하는 것이 아니라, 질병의 심각도까지 정확히 진단하는 것과 같습니다. 이 연구는 단순한 기술적 발전을 넘어, 기업의 효율성과 위험 관리에 실질적인 변화를 가져올 잠재력을 지니고 있습니다.

맺음말: 이 연구는 AI 기반 예측 준수 모니터링의 새로운 가능성을 제시하며, 향후 다양한 분야에서의 적용 및 발전이 기대됩니다. 위반의 정도를 정량화함으로써, 기업들은 더욱 정교하고 효과적인 리스크 관리 전략을 수립하고, 운영 효율성을 높일 수 있을 것입니다.