본 논문은 비즈니스 프로세스 관리에 인공지능과 머신러닝을 적용하여 프로세스 최적 실행 경로를 식별하는 새로운 프레임워크인 FORLAPS(Fine-Tuned Offline Reinforcement Learning Augmented Process Sequence Optimization)를 제시합니다. FORLAPS는 상태 의존적 보상 형성 메커니즘을 활용한 강화 학습을 통해 상황에 맞는 처방을 가능하게 합니다. 실제 이벤트 로그를 사용한 실험 결과, FORLAPS는 자원 시간 31% 절감 및 프로세스 시간 23% 단축을 달성했습니다. 또한, 강화 학습 모델의 자동 미세 조정을 가능하게 하는 프로세스 인식 데이터 증강 기법을 도입했습니다. Damerau-Levenshtein 거리를 사용한 접두사 및 추적 수준 평가를 통해 강건성을 평가하였으며, 의료, 금융, 규제 기관 등 다양한 분야의 사례 연구를 통해 모델의 적응성을 검증하여 기존 최첨단 접근 방식을 능가하는 성능을 보였습니다.
