大型流程模型:生成式AI时代的业务流程管理愿景
软件工程
2025-01-20 v3 人工智能
摘要
大型语言模型(LLMs)与其他生成式人工智能方法的持续成功,凸显了大型信息语料库相对于严格定义的符号模型所具有的优势,同时也证明了纯基于统计的方法在安全性与可信性方面面临的挑战。作为一个将LLM及其他基础模型技术的潜力与局限性置于背景中考察的框架,我们提出了大型流程模型(LPM)的概念,其将LLM的相关性能力与基于知识的系统和自动推理方法的解析精确性和可靠性相结合。LPM被设想为直接利用专家积累的丰富流程管理经验,以及具有不同特征(例如规模、地区或行业)的组织的流程绩效数据。在这一愿景中,所提出的LPM将使组织能够获得特定情境(定制化)的流程及其他业务模型、解析性深度剖析和改进建议。由此,它们将大幅减少业务转型所需的时间和精力,同时也能提供比以往更深、更具影响且可操作的洞察。我们认为实现LPM是可行的,但也强调了为实现LPM愿景特定方面所需解决的局限性与研究挑战。
引用
@article{arxiv.2309.00900,
title = {Large Process Models: A Vision for Business Process Management in the Age of Generative AI},
author = {Timotheus Kampik and Christian Warmuth and Adrian Rebmann and Ron Agam and Lukas N. P. Egger and Andreas Gerber and Johannes Hoffart and Jonas Kolk and Philipp Herzig and Gero Decker and Han van der Aa and Artem Polyvyanyy and Stefanie Rinderle-Ma and Ingo Weber and Matthias Weidlich},
journal= {arXiv preprint arXiv:2309.00900},
year = {2025}
}