大语言模型以提升商业流程建模：过去、现在与未来趋势

生成式人工智能，特别是大语言模型（Large Language Model, LLM），的近期进展刺激了日益增长的兴趣，以自动或辅助使用自然语言进行商业流程建模任务。已提出若干方法，将文本流程描述转化为BPMN和相关工作流程模型。然而，这些方法在组织环境中有效支持复杂流程建模的程度仍不明确。本文呈现一项关于AI驱动方法的文献综述，这些方法将自然语言转化为BPMN流程模型，特别关注大语言模型的作用。遵循结构化的综述策略，我们确定了相关研究并进行分析，以分类现有方法、检验大语言模型如何集成到文本到模型管道中，以及检验所生成模型所使用的评估实践。分析结果显示，从基于规则的和传统NLP管道向依赖提示工程、中间表示和迭代细化机制的大语言模型方法转变的趋势清晰可见。虽然这些方法显著扩展了自动流程模型生成的能力，但文献也暴露了与语义正确性、评估碎片化、可重复性以及在现实组织上下文中受限验证相关的持久挑战。基于这些发现，本综述确定了关键研究空白并讨论了未来研究的有前景的方向，包括通过检索增强生成（Retrieval-Augmented Generation, RAG）整合上下文知识、其与大语言模型的集成、开发交互式建模架构以及需要更全面和标准化评估框架的需求。