Large Language Models can accomplish Business Process Management Tasks

要約

ビジネス プロセス管理 (BPM) は、基礎となるプロセスを管理することによって組織活動とその成果を改善することを目的としています。
これを達成するには、多くの場合、非構造化テキスト文書を含むさまざまなソースからの情報を考慮する必要があります。
したがって、研究者は、自然言語処理技術を使用してテキスト文書から情報を抽出する、BPM 固有のソリューションをいくつか開発しました。
これらのソリューションはそれぞれのタスクに固有のものであり、汎用機器として複数のプロセス関連の問題を解決することはできません。
しかし、最近の顕著な推論機能を備えたラージ言語モデル (LLM) の出現を考慮すると、複数のアプリケーションを備えたこのような汎用ツールが実現可能であるように見えます。
このペーパーでは、特定の LLM を 3 つのタスク例 (テキスト記述からの命令型プロセス モデルのマイニング、テキスト記述からの宣言型プロセス モデルのマイニング、テキスト記述からのプロセス タスクの適合性の評価) に適用することによって、LLM がテキスト関連の BPM タスクをどのように達成できるかを説明します。
ロボットによるプロセスオートメーションの説明。
大規模な構成や迅速なエンジニアリングを行わなくても、LLM が既存のソリューションと同等かそれ以上にパフォーマンスを発揮することを示し、将来の BPM 研究や実際の使用法への影響について議論します。

要約(オリジナル)

Business Process Management (BPM) aims to improve organizational activities and their outcomes by managing the underlying processes. To achieve this, it is often necessary to consider information from various sources, including unstructured textual documents. Therefore, researchers have developed several BPM-specific solutions that extract information from textual documents using Natural Language Processing techniques. These solutions are specific to their respective tasks and cannot accomplish multiple process-related problems as a general-purpose instrument. However, in light of the recent emergence of Large Language Models (LLMs) with remarkable reasoning capabilities, such a general-purpose instrument with multiple applications now appears attainable. In this paper, we illustrate how LLMs can accomplish text-related BPM tasks by applying a specific LLM to three exemplary tasks: mining imperative process models from textual descriptions, mining declarative process models from textual descriptions, and assessing the suitability of process tasks from textual descriptions for robotic process automation. We show that, without extensive configuration or prompt engineering, LLMs perform comparably to or better than existing solutions and discuss implications for future BPM research as well as practical usage.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google