人工智慧如何從根本上革新業務流程管理

在 BPM 中部署 AI 的發現和自動化功能，可推動前台流程、流程資料分析、業務流程繪製和流程建模的進步。

業務流程管理在幫助企業進行流程工程工作和數位轉型計畫方面有著悠久的歷史。現在，BPM正從AI中得到巨大的推動

數據和分析諮詢公司DAS42的首席顧問Jeff Springer表示：「人工智慧技術正在迅速發展，使開發更複雜、更有效的人工智慧驅動的流程發現和自動化解決方案成為可能。他補充說，其中許多進步是由於來自企業系統、感測器和社交媒體等許多來源的數據可用性不斷提高，從而導致更大規模的人工智慧部署。例如，深度學習演算法的發展使人工智慧系統能夠從數據中學習，並識別人類難以或不可能識別的模式。

##AI 如何改變BPM？

在BPM中，支援AI的部署越來越受歡迎。這種部署方式在許多應用程式場景中發揮重要作用。它可以用於優化前台流程、分析流程資料、映射業務流程，甚至利用生成式AI流程建模功能

#前台流程

Gryphon，the provider of intelligent platform for call centers, has stated that the deployment of artificial intelligence in front-end processes is driving sales, improving customer satisfaction, and enhancing employee dedication. For example, in contact centers, AI in business process management enalcess, interc​​ingsed sected interm ations, and offers real-time sales assistance.

流程挖掘

流程挖掘是BPM 的關鍵推動因素，可協助企業發現改善流程、創造價值和降低成本的機會。業務流程SaaS供應商Celonis的產品管理、人工智慧和知識副總裁Chris Monkman解釋說：「人工智慧有助於使流程挖掘更快、更易於使用，相反，流程挖掘使人工智能（系統）正在訓練的資料更加智能，從而釋放其真正的力量。但是，當涉及訓練大型語言模型（LLM）和生成式人工智慧與幻覺的鬥爭時，過程智能的創新將需要即時結構化資料和語義知識的改進。

以物件為中心的流程挖掘

Celonis和亞琛工業大學正在結合人工智慧和以物件為中心的流程挖掘，以更好地理解和控制業務流程。例如，當真實物件如運輸訂單或發票在業務流程中移動時，人工智慧可以持續更新預期的交貨時間，並在延誤發生時發送警報，甚至採取行動來解決問題

#大型流程模型

企業管理軟體公司 SAP Signavio 正在使用 LLM 中的標記資料來訓練所謂的大型流程模型（LPM） ，以更準確地分析流程數據。 SAP和學術研究人員發布了SAP Signavio Academic Models LPM資料集，該資料集收集了數十萬個業務模型，主要採用業務流程建模符號。 SAP Signavio全球市場影響主管Dee Houchen表示，LPM可以部署在許多用例中，例如最佳實踐建議、流程分析、內容創建和流程資料增強。

資料擷取與擴充

ABBYY產品行銷資深副總裁Bruce Orcutt表示，光纖字元辨識軟體供應商ABBYY正在探索人工智慧技術如何從客戶文件和信件中提取更多數據，以加快註冊、資助和審批流程的決策。人工智慧還可用於豐富數據洞察力並改善流程結果。 「數據為王，」Orcutt 說，「但 AI 有助於理解所有數據，並以對業務有影響力的方式為所有數據帶來背景和意義。#

低程式碼/無程式碼開發

傳統上，低程式碼和無程式碼工具與BPM分析工具結合，以幫助簡化業務再造工作。 Lotis Blue Consulting的業務流程合夥人John King表示，AI正在使用GitHub Copilot功能實現更多的低程式碼/無程式碼開發。此功能可促進應用程式開發的去中心化，並承諾更快的變更速度和更多的A/B測試類型的部署，以滿足客戶需求。企業還可以開發和支援應用程序，這些應用程式只需IT部門的基礎架構和平台支援即可實現關鍵業務流程的自動化

工作網絡分析

#網路分析是使用圖論來理解複雜系統結構和功能的方法。 King認為，透過工作網絡分析，這些相同的概念可以擴展到企業，該分析可以處理來自會議、電話、即時訊息和電子郵件的工作內容。透過人工智慧的識別行為和協作模式，並將其與公司的期望和最佳實踐進行比較，可以在需要時提高生產力

數位孿生

#數位孿生是一種工作模型，它將數位執行緒與現實世界的實體環境和複雜過程連結起來。人工智慧技術可以幫助將從感測器和工作流程中獲取的原始數據轉換為更相關的數位孿生。此外，King指出，人工智慧還可以應用於這些模型，以提供不同的場景和決策分析。他認為，這將有助於節省時間和金錢，並允許公司在罕見或預期事件發生之前對其進行建模，從而在安全但客觀的環境中了解事件的影響，並製定應急措施

業務流程映射

根據DAS42的Springer所說，人工智慧和機器學習模型已經被應用於自動繪製業務流程並確定改進和自動化的機會。他指出，一家製造公司正在即時監控其生產線，識別潛在的瓶頸和其他問題，並向操作員提供糾正措施，成功地將產量提高了10%

##業務流程分析

傳統上，業務流程分析是由流程專家手動完成的。網路安全顧問公司 S-RM 美洲業務發展主管 Stephen Ross 表示，BPM中的 AI 可以加速涉及建模、協作、流程挖掘以及風險管理和合規性的任務的業務流程分析結果。

聊天機器人、虛擬助理和NLP

#儘管聊天機器人和虛擬助理已經存在了近 60 年，但它們的商業價值直到最近十年才得以實現。在生成式 AI 的支援下，自然語言處理 （NLP） 為聊天機器人和虛擬助理開闢了新的商機，可以整合到 BPM 系統中，以處理查詢、指導員工完成流程並改善客戶互動。 NLP 也擅長分析非結構化資料來源，例如客戶回饋和社交媒體帖子，以提取有價值的見解。

AI 在BPM 中的優勢

以Gryphon的Steele為例，他指出在BPM中應用人工智慧可以發現流程優化、提高效率、降低成本和創造價值的機會，具體如下：

識別並自動執行重複性任務，讓呼叫座席騰出時間專注於更複雜的任務，提高顧客滿意度。
• 將客戶路由到正確的座席或部門，以減少呼叫等待時間並確保客戶獲得最佳服務。
• 為座席提供即時協助，以更快、更有效率地解決客戶服務問題。
• 分析資料以識別客戶情緒、趨勢和模式，從而改善客戶體驗。

人工智慧在業務流程管理中的挑戰

#在BPM 應用程式中部署AI 的好處伴隨著挑戰、風險和道德問題，包括以下內容：

• 缺乏整體概述。關於生成式 AI 如何更廣泛地促進 BPM，目前還沒有共識。
• 生成式人工智慧的弱點。對 LLM 的準確性、偏見、可重複性、資料隱私和幻覺的擔憂需要由供應商同質化解決。
• 資料品質。用於訓練和操作人工智慧系統的資料必須乾淨、準確和完整。
• 新資料風險。 需要對組織內的孤立 AI 進行更嚴格的審查，並了解組織資料的位置、組成內容以及使用方式。
• 缺乏熟練工人。人工智慧和BPM需要專門的技能和知識，這將需要在專業培訓或僱用具有必要技能的員工方面進行額外投資。
• 害怕工作被取代。許多組織希望生成式人工智慧和自動化技術能夠同步運作，因此他們需要讓員工處於轉型的循環和中心。
• 道德問題。透明度、問責制和負責任的使用以及潛在的偏見和幻覺只是將 AI 應用於 BPM 時的一些道德考慮因素。

#

以上是人工智慧如何從根本上革新業務流程管理的詳細內容。更多資訊請關注PHP中文網其他相關文章！