Large Process Models: A Vision for Business Process Management in the Age of Generative AI

要約

大規模言語モデル (LLM) やその他の生成的人工知能アプローチの成功が続いていることは、大規模な情報コーパスが厳密に定義された記号モデルに対して持つことができる利点を強調していますが、純粋に統計ベースのアプローチが持つ課題の証拠としても機能します。
安全性と信頼性の条件。
LLM やその他の基礎モデルベースのテクノロジーの可能性と限界を文脈化するためのフレームワークとして、LLM の相関力と分析精度と知識の信頼性を組み合わせた大規模プロセス モデル (LPM) の概念を提案します。
ベースのシステムと自動推論アプローチ。
LPM は、専門家が蓄積した豊富なプロセス管理経験と、規模、地域、業界などのさまざまな特性を持つ組織のプロセス パフォーマンス データを直接活用することを想定しています。
このビジョンでは、提案されている LPM により、組織はコンテキスト固有の (カスタマイズされた) プロセスやその他のビジネス モデル、詳細な分析、改善に関する推奨事項を受け取ることができるようになります。
そのため、ビジネス変革に必要な時間と労力を大幅に削減できると同時に、以前よりも深く、より影響力があり、より実用的な洞察を得ることが可能になります。
私たちは、LPM の実装は実現可能であると主張しますが、LPM ビジョンの特定の側面を実装するために解決する必要がある限界と研究上の課題も強調します。

要約(オリジナル)

The continued success of Large Language Models (LLMs) and other generative artificial intelligence approaches highlights the advantages that large information corpora can have over rigidly defined symbolic models, but also serves as a proof-point of the challenges that purely statistics-based approaches have in terms of safety and trustworthiness. As a framework for contextualizing the potential, as well as the limitations of LLMs and other foundation model-based technologies, we propose the concept of a Large Process Model (LPM) that combines the correlation power of LLMs with the analytical precision and reliability of knowledge-based systems and automated reasoning approaches. LPMs are envisioned to directly utilize the wealth of process management experience that experts have accumulated, as well as process performance data of organizations with diverse characteristics, e.g.,\ regarding size, region, or industry. In this vision, the proposed LPM would allow organizations to receive context-specific (tailored) process and other business models, analytical deep-dives, and improvement recommendations. As such, they would allow to substantially decrease the time and effort required for business transformation, while also allowing for deeper, more impactful, and more actionable insights than previously possible. We argue that implementing an LPM is feasible, but also highlight limitations and research challenges that need to be solved to implement particular aspects of the LPM vision.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google