인공지능이 비즈니스 프로세스 관리를 근본적으로 혁신하는 방법

BPM에 AI의 검색 및 자동화 기능을 배포하면 프런트 엔드 프로세스, 프로세스 데이터 분석, 비즈니스 프로세스 매핑 및 프로세스 모델링의 발전을 촉진할 수 있습니다.

비즈니스 프로세스 관리는 기업의 프로세스 엔지니어링 노력과 디지털 혁신 이니셔티브를 지원해 온 오랜 역사를 가지고 있습니다. 이제 BPM은 AI를 통해 큰 발전을 이루고 있습니다.

데이터 및 분석 컨설팅 회사인 DAS42의 수석 컨설턴트인 Jeff Springer는 다음과 같이 말했습니다. 그는 이러한 발전의 대부분은 기업 시스템, 센서 및 소셜 미디어와 같은 다양한 소스의 데이터 가용성이 증가하여 인공 지능 시스템 활성화로 이어지는 결과라고 덧붙였습니다.

AI가 BPM을 어떻게 변화시키고 있나요?

BPM에서는 배포 방법이 점점 더 중요해지고 있습니다. 다양한 애플리케이션 시나리오를 사용하여 프런트엔드 프로세스를 최적화하고, 프로세스 데이터를 분석하고, 비즈니스 프로세스를 매핑하고, 생성적 AI 프로세스 모델링 기능을 활용할 수도 있습니다.

프런트엔드 프로세스

지능형 플랫폼 제공업체 그리폰 콜센터의 경우 프런트 엔드 프로세스에 인공 지능을 배포하면 판매가 촉진되고 고객 만족도가 향상되며 직원 헌신이 향상된다고 명시했습니다. 예를 들어 컨택 센터에서는 비즈니스 프로세스 관리의 AI가 고객 상호 작용을 강화하고 통화 대기 시간을 줄입니다. , 맞춤형 추천 제공 및 실시간 판매 지원 제공

Process Mining

Process Mining은 기업이 프로세스를 개선하고 가치를 창출하며 비용을 절감할 수 있는 기회를 식별하도록 돕는 BPM의 핵심 요소입니다. 비즈니스 프로세스 SaaS 제공업체인 Celonis의 제품 관리, AI 및 지식 담당 부사장인 Chris Monkman은 이렇게 설명합니다. “반대로, 프로세스 마이닝을 통해 AI(시스템) 데이터를 더욱 스마트하게 훈련할 수 있습니다. 그 진정한 힘. 그러나 대규모 언어 모델(LLM) 훈련과 생성 AI의 환각 퇴치와 관련하여 프로세스 인텔리전스의 혁신을 위해서는 실시간 구조화된 데이터와 의미론적 지식의 개선이 필요합니다.

객체 중심 프로세스 마이닝

Celonis와 RWTH Aachen University는 비즈니스 프로세스를 더 잘 이해하고 제어하기 위해 인공 지능과 객체 중심 프로세스 마이닝을 결합하고 있습니다. 예를 들어 배송 주문이나 송장과 같은 실제 객체가 비즈니스 프로세스를 통해 이동함에 따라 AI는 예상 배송 시간을 지속적으로 업데이트하고, 지연이 발생할 때 경고를 보내고, 심지어 대규모 프로세스의 경우

문제 해결을 위한 조치를 취할 수도 있습니다.

엔터프라이즈 관리 소프트웨어 회사인 SAP Signavio는 LLM의 레이블이 지정된 데이터를 사용하여 소위 LPM(대형 프로세스 모델)을 교육하여 프로세스 데이터를 보다 정확하게 분석하고 있습니다. SAP와 학술 연구자들은 주로 비즈니스 프로세스 모델링 표기법을 사용하는 수십만 개의 비즈니스 모델 모음인 SAP Signavio Academic Models LPM 데이터세트를 출시했습니다. SAP Signavio의 글로벌 시장 영향 책임자인 Dee Houchen은 LPM이 모범 사례 권장 사항, 프로세스 분석, 콘텐츠 생성 및 프로세스 데이터 향상과 같은 다양한 사용 사례에 배포될 수 있다고 말했습니다.

데이터 추출 및 확대

ABBYY의 제품 마케팅 수석 부사장인 Bruce Orcutt는 광학 문자 인식 소프트웨어 제공업체인 ABBYY가 인공 지능 기술을 통해 고객 문서와 서신에서 더 많은 데이터를 추출하여 등록 속도를 높일 수 있는 방법을 모색하고 있다고 말했습니다. , 자금 조달 및 승인 프로세스에 대한 결정. AI는 또한 데이터 통찰력을 강화하고 프로세스 결과를 개선하는 데 사용될 수 있습니다. Orcutt는 “데이터가 왕입니다. 하지만 AI는 비즈니스에 영향을 미치는 방식으로 모든 데이터를 이해하고 모든 데이터에 맥락과 의미를 부여하는 데 도움이 됩니다 .

로우 코드/노 코드 개발

전통적으로 로우 코드 및 노 코드 도구가 BPM 분석 도구와 결합되어 비즈니스 리엔지니어링 노력을 간소화했습니다. Lotis Blue Consulting의 비즈니스 프로세스 파트너인 John King은 AI가 GitHub Copilot 기능을 사용하여 보다 로우 코드/노 코드 개발을 가능하게 한다고 말했습니다. 이 기능은 애플리케이션 개발의 분산화를 촉진하고 고객 요구 사항을 충족하기 위해 더 빠른 변경과 더 많은 A/B 테스트 유형 배포를 약속합니다. 기업은 IT 부서의 인프라 및 플랫폼 지원만으로 중요한 비즈니스 프로세스를 자동화하는 애플리케이션을 개발하고 지원할 수도 있습니다.

작업 네트워크 분석

네트워크 분석은 그래프 이론을 사용하여 복잡한 시스템 구조와 기능. King은 이러한 동일한 개념이 회의, 전화 통화, 인스턴트 메시지 및 이메일의 업무 콘텐츠를 처리할 수 있는 업무 네트워크 분석을 통해 기업으로 확장될 수 있다고 믿습니다. 행동 및 협업 패턴을 식별하고 이를 회사 기대치 및 모범 사례와 비교하는 인공 지능의 힘을 통해 필요할 때 생산성을 향상할 수 있습니다.

디지털 트윈

디지털 트윈은 디지털 스레드를 연결하는 작업 모델입니다. 실제 물리적 환경과 복잡한 프로세스에 적용됩니다. AI 기술은 센서와 워크플로에서 캡처한 원시 데이터를 보다 관련성이 높은 디지털 트윈으로 변환하는 데 도움이 될 수 있습니다. 또한 King은 인공지능을 이러한 모델에 적용하여 다양한 시나리오와 의사결정 분석을 제공할 수도 있다고 지적했습니다. 그는 이것이 시간과 비용을 절약하는 데 도움이 될 것이며 기업이 희귀하거나 예상되는 이벤트가 발생하기 전에 모델링할 수 있게 함으로써 안전하면서도 객관적인 환경에서 이벤트의 영향을 이해하고 비상 대책을 개발하는 데 도움이 될 것이라고 믿습니다.

비즈니스 프로세스 매핑

DAS42의 Springer에는 이미 인공 지능과 기계 학습 모델이 적용되어 비즈니스 프로세스를 자동으로 매핑하고 개선 및 자동화 기회를 식별하고 있습니다. 그는 한 제조 회사가 생산 라인을 실시간으로 모니터링하고 잠재적인 병목 현상 및 기타 문제를 식별하고 운영자에게 시정 조치를 제공함으로써 성공적으로 생산량을 10% 늘렸다고 언급했습니다.

비즈니스 프로세스 분석

전통적으로 비즈니스 프로세스 분석은 프로세스 전문가가 수동으로 수행합니다. 사이버 보안 컨설팅 회사 S-RM의 미국 비즈니스 개발 책임자인 Stephen Ross는 BPM의 AI가 모델링, 협업, 프로세스 마이닝, 위험 관리 및 규정 준수와 관련된 작업에 대한 비즈니스 프로세스 분석 결과를 가속화할 수 있다고 말했습니다.

챗봇, 가상 비서 및 NLP

챗봇과 가상 비서는 약 60년 동안 존재해왔지만 상업적 가치는 지난 10년에야 실현되었습니다. 생성 AI를 기반으로 하는 자연어 처리(NLP)는 BPM 시스템에 통합되어 쿼리를 처리하고 직원에게 프로세스를 안내하며 고객 상호 작용을 개선할 수 있는 챗봇과 가상 도우미를 위한 새로운 비즈니스 기회를 열어줍니다. NLP는 또한 고객 피드백, 소셜 미디어 게시물과 같은 구조화되지 않은 데이터 소스를 분석하여 귀중한 통찰력을 추출하는 데에도 능숙합니다.

BPM에서 AI의 장점

Gryphon의 Steele을 예로 들면서 그는 BPM에 인공지능을 적용하면 프로세스 최적화, 효율성 향상, 비용 절감 및 가치 창출의 기회를 발견할 수 있다고 지적했습니다.

• 반복적인 작업을 식별하고 자동화하여 통화 상담원이 더 복잡한 작업에 집중할 수 있도록 하고 고객 만족도를 높입니다.
• 고객을 올바른 상담원이나 부서로 연결하여 통화 대기 시간을 줄이고 고객이 최상의 서비스를 받을 수 있도록 하세요.
• 상담원에게 실시간 지원을 제공하여 고객 서비스 문제를 더 빠르고 효율적으로 해결할 수 있습니다.
• 데이터를 분석하여 고객 감정, 추세, 패턴을 파악하여 고객 경험을 개선합니다.

비즈니스 프로세스 관리에서 인공 지능의 과제

BPM 애플리케이션에 AI를 배포하면 다음과 같은 과제, 위험 및 윤리적 문제가 수반됩니다.

• 전체적인 개요가 부족합니다. 현재 생성 AI가 BPM에 어떻게 더 광범위하게 기여할 수 있는지에 대한 합의가 없습니다.
• 생성 인공지능의 약점. LLM의 정확성, 편견, 재현성, 데이터 개인 정보 보호 및 환각에 대한 우려는 공급업체 동질성을 통해 해결되어야 합니다.
• 데이터 품질. AI 시스템을 훈련하고 운영하는 데 사용되는 데이터는 깨끗하고 정확하며 완전해야 합니다.
• 새로운 데이터 위험. 조직 내에서 고립된 AI에 대해 더 면밀히 조사하고 조직 데이터의 위치, 데이터의 구성, 사용 방법에 대한 이해가 필요합니다.
• 숙련된 인력이 부족합니다. 인공지능과 BPM에는 전문적인 기술과 지식이 필요하며, 이를 위해서는 전문 교육이나 필요한 기술을 갖춘 직원 채용에 추가 투자가 필요합니다.
• 일자리가 대체되는 것을 두려워합니다. 많은 조직에서는 생성적 AI와 자동화 기술이 동시에 작동하기를 원하므로 직원을 혁신의 중심에 유지해야 합니다.
• 윤리적 문제. 투명성, 책임성, 책임감 있는 사용은 물론 잠재적인 편견과 환상은 AI를 BPM에 적용할 때 고려해야 할 윤리적 고려 사항 중 일부일 뿐입니다.

위 내용은 인공지능이 비즈니스 프로세스 관리를 근본적으로 혁신하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!