레거시 워크플로우를 에이전트 기반 BPM(Agentic BPM)으로 격상시키기 위한 프로세스 하네스: CUGA FLO에서의 설계 및 구현
요약
기존의 결정론적 워크플로우 엔진을 교체하지 않고도 에이전트 기반 BPM으로 격상시키는 '프로세스 하네스' 메커니즘을 소개합니다. TDF 모델을 통해 Task, Decision, Flow 세 가지 에이전트 유형을 정의하고 CUGA FLO를 통해 구현 사례를 입증합니다.
핵심 포인트
- 레거시 엔진의 구조적 권한을 유지하며 에이전트 계층을 추가하는 프로세스 하네스 제안
- Task, Decision, Flow로 구성된 작업-결정-흐름(TDF) 모델 개발
- 정책 기반의 프로세스 FRAME을 통한 LLM 추론 제어 및 감독
- 대출 승인 워크플로우를 통한 CUGA FLO의 실질적 구현 및 검증
우리는 기존의 워크플로우 엔진을 교체하지 않고도 레거시 워크플로우를 에이전트 기반 비즈니스 프로세스 관리(Agentic BPM)로 격상시키기 위한 새로운 메커니즘인 프로세스 하네스(process harness)를 소개합니다. 프로세스 하네스는 결정론적(deterministic) 워크플로우 엔진 주변에 정책에 의해 제어되는 에이전트 계층을 배치하여, 엔진이 프로세스에 대한 구조적 권한을 유지하는 동안 지정된 제어 지점(control points)을 가로채 추론(reasoning), 적응(adaptation) 및 감독(oversight)을 수행합니다. 프로세스 하네스를 엄격하게 정의하기 위해, 우리는 데이터 스키마(data schema)와 실행 의미론(execution semantics)을 모두 규정하는 작업-결정-흐름(Task-Decision-Flow, TDF) 모델을 개발합니다. TDF는 LLM 추론을 정책에 의해 제어되는 세 가지 에이전트 유형으로 분해합니다: 지식 집약적인 작업 실행을 위한 TaskAgent, 케이스별 게이트웨이 라우팅을 위한 DecisionAgent, 그리고 원칙적인 훅(hook) 메커니즘을 통해 런타임 흐름 적응을 관리하는 FlowAgent입니다. 각 에이전트는 시스템 내의 모든 LLM 호출을 관리하는 집합적 정책 세트인 프로세스 FRAME에서 추출된 명시적인 정책 내에서 추론합니다. 그런 다음 우리는 TDF 모델의 설계 및 구현 실체로서 CUGA FLO를 제시하며, 세 가지 에이전트 유형과 훅 기반의 규제 오버라이드(regulatory override)를 모두 실행하는 대출 승인 워크플로우를 통해 이를 입증합니다. 프로세스 하네스는 구조적 준수를 강제하는 결정론적 워크플로우 실행을 통해 실현되는 명령적 요구사항(imperative requirements)과, 프로세스가 요구되는 지정된 제어 지점마다 정책 프레임워크 내의 에이전트 자율성을 통해 실현되는 규범적 요구사항(normative requirements)을 독특하게 조화시킵니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기