プロセスマイニング → AI化

AI導入候補をインタビューや想定業務フローだけで決めると、実際には存在しない標準工程、例外頻度、手戻り、待ち時間を前提に自動化し得る。Process Miningは情報システムのevent dataから実行実態を復元・比較するため、AI化前のprocess baseline、automation boundary、改善効果の前後比較に使える。ただし「発見された頻出経路＝望ましい工程」「bottleneck＝AIで解消可能」ではない。

Enterprise AI Core / process intelligence / implementation / governance / benchmark / organization overlay / non-LLM component。Process Mining自体をLLM能力として扱わず、AI導入前後の業務観測・選定・検証レイヤーとしてroutingする。

(1) event logからprocess discovery / conformance checking / enhancementを行うことは、AI化対象の現状把握に有効な基礎となるか。(2) case-centric XESだけではmulti-object業務を歪める場合、OCEL 2.xで何を保持できるか。(3) Process Mining結果からAI導入判断へ移る際に、どの追加gateが必要か。

• [official standard] IEEE 1849-2023, “IEEE Standard for eXtensible Event Stream (XES) for Achieving Interoperability in Event Logs and Event Streams”, IEEE Standards Association, published 2023-09-08, active standard, supersedes 1849-2016. Canonical URL: https://standards.ieee.org/ieee/1849/10907/ ; locator: status/abstract/history. LABEL=VERIFIED_SPEC. RELATION=support/context. XESはevent logs/streamsの相互運用用grammar・schema・extensionsを規定する。
• [official specification] “OCEL (Object-Centric Event Log) 2.0 Specification”, Berti et al., RWTH Aachen / OCEL, version 2.0, 2023-10-16. Canonical URL: https://www.ocel-standard.org/2.0/ocel20_specification.pdf ; locator: abstract/metamodel/exchange formats. LABEL=VERIFIED_SPEC/RESEARCH. RELATION=support/limit. Event-to-object / object-to-object relations、dynamic object attributes、qualified relations、SQLite/XML/JSON exchangeを規定。Current OCEL site also documents a later 2.1 revision adding CSV and bundled CSV/Parquet ZIP; exact 2.1 release pin is OPEN_UNKNOWN for future update.
• [primary field reference] “Process Mining Manifesto”, IEEE Task Force on Process Mining, van der Aalst et al., BPM Workshops/LNBIP 99, 2012, DOI 10.1007/978-3-642-28108-2_19. LABEL=RESEARCH. RELATION=context/support. Event logsからprocessをdiscover/monitor/improveする分野の基本原則と課題を整理。
• [author-maintained OSS] PM4Py release documentation/API, Process Intelligence Solutions. Canonical URL: https://github.com/process-intelligence-solutions/pm4py/blob/release/docs/source/api.rst ; locator: Conformance Checking. LABEL=OSS_PRACTICE. RELATION=support. Event logとprocess modelのconformanceをtoken-based replay / alignments / footprints等で比較できる。Exact package release/tag/commit as-of 2026-09-16はOPEN_UNKNOWN。
• [commercial implementation/context] Celonis, “How Does Process Mining Work?” / event-log documentation, accessed 2026-09-16. Canonical URL: https://www.celonis.com/insights/topics/how-does-process-mining-work ; locator: event log minimum fields. LABEL=SOURCE_REPORT/PRODUCT_VOLATILE. RELATION=context. Basic case-centric logのCase ID / Activity / Timestampを説明。製品availabilityやtenant挙動の証明には使用しない。
• [independent applied research] Hobeck, Berti, Weber, van der Aalst, “Object-Centric Process Mining for Blockchain Applications: Extracting and Representing Ethereum Execution Data in OCEL 2.0”, EMISAJ, 2025-05-23, DOI 10.18417/emisa.20.2. LABEL=RESEARCH. RELATION=limit/context. Multi-object execution dataへのOCEL適用を示す一方、hierarchical object typesやevent granularityにworkaroundが必要な限界も報告。

• Process Miningは「AIに何をさせるか」を先に決める技術ではなく、実行ログからas-is processを観測し、variant・waiting/rework・逸脱を可視化してAI化仮説を作る前処理として位置付けるのが安全。
• case-centric logの最小形はCase ID / Activity / Timestampだが、注文・請求・配送・顧客等が相互作用する業務を単一caseへflattenすると、convergence/divergenceやobject関係を歪め得る。multi-object業務ではOCEL系を候補にする。
• discovery、conformance、performance/enhancementは分離する。発見modelへの適合率が高いことはbusiness correctnessやAI化適性を意味しない。
• AI化候補選定では、process evidenceに加え task determinism、exception rate、data availability/quality、authorization、error impact、human judgment requirement、latency/SLA、cost、reversibilityをgate化する。
• AI導入後は同じevent semanticsを維持してbefore/after比較し、cycle timeだけでなくrework、exception、escalation、human correction、policy violationを測る。

• event logは記録されたsystem behaviorであり、offline/manual work、shadow process、口頭判断、未記録例外を欠くことがある。log completenessを確認せず「実業務そのもの」とみなさない。
• timestamp semantics（start/complete等）、clock skew、duplicate/missing event、activity label drift、case correlation誤りでprocess mapが変形する。
• dominant pathは最適pathではない。高頻度の手戻りが制度上必要なcontrolである場合もある。
• bottleneck発見からLLM/Agent導入の因果効果は導けない。queueing、staffing、upstream data quality、policy approval等の非AI要因を分離する。
• conformance deviationは不正/異常とは限らず、正当な例外・process innovationを含み得る。
• object-centric化も万能ではなく、object/event granularity設計と関係付け自体がmodeling choiceである。

XES/OCELは交換仕様・データmodelであり特定commercial planのavailabilityとは分離。commercial process-mining製品はconnector、real-time ingestion、object-centric support、retention、region、RBAC、export/API、pricingを公開後WorkでPRODUCT_VOLATILEとして再pinする。社内実施にはsource-system log access、stable identifiers、timestamp semantics、privacy/legal basisが必要。

推奨pipeline: source systems → immutable/raw event extract → schema/identity normalization → data-quality report → XESまたはOCEL mapping → process discovery → conformance/performance analysis → candidate-AI task extraction → risk/authorization/economic gate → controlled pilot → same-event-schemaでpost-deployment measurement。LLMにraw logを直接要約させるだけではprocess miningの代替としない。

order-to-cash等のsynthetic fixtureにnormal path、rework、parallel activity、missing event、duplicate、clock skew、rare exception、multi-object relationを埋め込む。評価はvariant recovery、bottleneck localization、conformance precision/fitness（methodに応じて）、case/object correlation error、missing-event sensitivity、false automation-candidate rateを分離。AI導入pilotではcycle time、touch time、rework、escalation、human correction、policy violation、costをbefore/afterで測る。公開benchmarkをtenant process保証へ外挿しない。

Process logsはemployee/customer IDs、timestamps、case attributes等を含み得るため、purpose limitation、minimization/pseudonymization、RBAC、retention、export controlを要求。監査ではsource extract hash、mapping/version、activity/object dictionary、filter、time window、miner/algorithm version、discovered model、candidate decision、pilot resultをprovenance化する。log ingestion/storage/modelingとanalyst工数をAI化ROIへ含める。

「Process Miningは、情報システムに残るevent dataから実際に実行されたprocessの経路・逸脱・性能を分析し、AI化候補を経験則だけで選ばないための観測基盤になり得る。ただしevent logは業務全体の完全な写像ではなく、発見された頻出経路やbottleneckだけからAI導入の妥当性・因果効果を結論してはならない。multi-object業務ではcase-centric flatteningの歪みも評価する。」

Core候補 PROCESS_TO_AI_CANDIDATE_CONTRACT: source_system + extraction_window + raw_log_hash + event_schema_standard/version + case/object identity rule + activity dictionary + timestamp semantics + filter/transformation lineage + miner/algorithm/version + discovered variants + conformance/performance findings + data-quality limits + AI_candidate_task + non-AI alternative + authorization/risk gate + pilot design + before/after metrics + approval/rollback。EA-016 Evals、EA-017 Cost/ROI、EA-094 SLO、EA-095 Chargebackと接続する。

/ STOP_CONDITION

OCEL 2.1 exact publication/revision details、PM4Py current exact release/tag/commit、主要commercial productの2026-09-16 current object-centric/connector/region/plan/pricing matrix、実tenant log completeness。STOP_CONDITION: XES active revision、OCEL object-centric semantics、discovery/conformance境界、log incompletenessとcase-flattening failure、AI化gate、TEST_PROFILEが後続Workで採否判断できる粒度に達したためEA-096 bounded unitを停止。

---