論文の概要: AI Trust in business processes: The need for process-aware explanations

• arxiv url: http://arxiv.org/abs/2001.07537v1
• Date: Tue, 21 Jan 2020 13:51:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-08 00:12:01.206449
• Title: AI Trust in business processes: The need for process-aware explanations
• Title（参考訳）: ビジネスプロセスにおけるAI信頼:プロセス対応の説明の必要性
• Authors: Steve T.K. Jan, Vatche Ishakian, Vinod Muthusamy
• Abstract要約: ビジネスプロセス管理(BPM)の文献は、機械学習ソリューションに富んでいます。 NLPドメインを含むディープラーニングモデルは、プロセス予測に応用されている。 私たちは、BPMにAIモデルが採用されていない大きな理由は、ビジネスユーザーがリスクに逆らってAIモデルを暗黙的に信頼していないことであると断言しています。
• 参考スコア（独自算出の注目度）: 11.161025675113208
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Business processes underpin a large number of enterprise operations including processing loan applications, managing invoices, and insurance claims. There is a large opportunity for infusing AI to reduce cost or provide better customer experience, and the business process management (BPM) literature is rich in machine learning solutions including unsupervised learning to gain insights on clusters of process traces, classification models to predict the outcomes, duration, or paths of partial process traces, extracting business process from documents, and models to recommend how to optimize a business process or navigate decision points. More recently, deep learning models including those from the NLP domain have been applied to process predictions. Unfortunately, very little of these innovations have been applied and adopted by enterprise companies. We assert that a large reason for the lack of adoption of AI models in BPM is that business users are risk-averse and do not implicitly trust AI models. There has, unfortunately, been little attention paid to explaining model predictions to business users with process context. We challenge the BPM community to build on the AI interpretability literature, and the AI Trust community to understand
• Abstract（参考訳）: ビジネスプロセスは、ローン申請の処理、請求書の管理、保険請求など、多数の企業業務を支えている。 ビジネスプロセス管理(bpm)の文献は、プロセストレースのクラスタについての洞察を得るための教師なし学習、部分的なプロセストレースの結果、持続時間、パスを予測するための分類モデル、ドキュメントからビジネスプロセスを抽出すること、ビジネスプロセスの最適化や意思決定ポイントのナビゲートを推奨するモデルなど、機械学習ソリューションに富んでいます。 最近では、NLPドメインを含むディープラーニングモデルがプロセス予測に応用されている。 残念なことに、これらのイノベーションのほとんどが、企業企業によって適用され、採用されています。 私たちは、BPMにAIモデルが採用されていない大きな理由は、ビジネスユーザーがリスクに逆らってAIモデルを暗黙的に信頼していないことであると断言しています。 残念ながら、プロセスコンテキストでビジネスユーザーにモデル予測を説明することにはほとんど注意が払われていない。 私たちはbpmコミュニティにai解釈可能性の文献を構築するよう挑戦し、ai信頼コミュニティに理解を求めます。

関連論文リスト

• MR-Ben: A Meta-Reasoning Benchmark for Evaluating System-2 Thinking in LLMs [55.20845457594977]
  大規模言語モデル(LLM)は、問題解決と意思決定の能力の向上を示している。 本稿ではメタ推論技術を必要とするプロセスベースのベンチマークMR-Benを提案する。 メタ推論のパラダイムは,システム2のスロー思考に特に適しています。
  論文  参考訳（メタデータ） (2024-06-20T03:50:23Z)
• The Danger Within: Insider Threat Modeling Using Business Process Models [0.259990372084357]
  本稿では、BPMN(Business Process Modeling and Notation)を利用した新たなインサイダー脅威知識ベースと脅威モデリングアプリケーションを開発する。 その結果は、アノテーションなしでもBPMNダイアグラムを利用して組織内の脅威を自動的に識別できることを示している。
  論文  参考訳（メタデータ） (2024-06-03T09:26:53Z)
• Process Modeling With Large Language Models [42.0652924091318]
  本稿では,大規模言語モデル(LLM)のプロセスモデリングへの統合について検討する。 プロセスモデルの自動生成と反復的改善にLLMを利用するフレームワークを提案する。 予備的な結果は、プロセスモデリングタスクを合理化するフレームワークの能力を示している。
  論文  参考訳（メタデータ） (2024-03-12T11:27:47Z)
• SNAP: Semantic Stories for Next Activity Prediction [4.5723650480442535]
  進行中のプロセスにおける次のアクティビティを予測することは、ビジネスプロセス管理ドメインにおける最も一般的な分類タスクの1つです。 ビジネスプロセス予測のための現在の最先端AIモデルは、プロセスイベントログ内で利用可能なセマンティック情報を十分に活用していない。 本稿では,プロセス履歴イベントログから意味的文脈的ストーリを構築することで,言語基盤モデルを活用する新しいSNAP手法を提案する。
  論文  参考訳（メタデータ） (2024-01-28T10:20:15Z)
• Benchmarking Automated Machine Learning Methods for Price Forecasting Applications [58.720142291102135]
  自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。 CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。 本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
  論文  参考訳（メタデータ） (2023-04-28T10:27:38Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
  ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。 我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• Just Tell Me: Prompt Engineering in Business Process Management [63.08166397142146]
  GPT-3や他の言語モデル(LM)は、様々な自然言語処理(NLP)タスクに効果的に対処できる。 私たちは、迅速なエンジニアリングは、BPM研究にLMの能力をもたらすことができると論じています。
  論文  参考訳（メタデータ） (2023-04-14T14:55:19Z)
• Generating Hidden Markov Models from Process Models Through Nonnegative Tensor Factorization [0.0]
  我々は,理論的プロセスモデルと関連する最小隠れマルコフモデルを統合する,数学的に新しい手法を提案する。 提案手法は, (a) 理論的プロセスモデル, (b) HMM, (c) 結合非負行列テンソル因子分解, (d) カスタムモデル選択を集約する。
  論文  参考訳（メタデータ） (2022-10-03T16:19:27Z)
• Extending LIME for Business Process Automation [2.5470840043956886]
  ビジネスプロセスアプリケーションには、軽量でモデルに依存しない、LIMEのような既存の説明手法が失敗するタスクの順序や制約があります。 我々は、AIビジネスプロセスアプリケーションを説明するためにLIMEを拡張した局所的な説明フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-09T21:30:46Z)
• Explanations of Machine Learning predictions: a mandatory step for its application to Operational Processes [61.20223338508952]
  信用リスクモデリングは重要な役割を果たす。 近年,機械学習や深層学習の手法が採用されている。 この分野における説明可能性問題に LIME 手法を適用することを提案する。
  論文  参考訳（メタデータ） (2020-12-30T10:27:59Z)
• Process Discovery for Structured Program Synthesis [70.29027202357385]
  プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。 本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。 我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
  論文  参考訳（メタデータ） (2020-08-13T10:33:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。