論文の概要: ProcessGPT: Transforming Business Process Management with Generative Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2306.01771v1
• Date: Mon, 29 May 2023 02:27:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-11 13:59:07.218613
• Title: ProcessGPT: Transforming Business Process Management with Generative Artificial Intelligence
• Title（参考訳）: ProcessGPT: 生成人工知能によるビジネスプロセス管理の変革
• Authors: Amin Beheshti, Jian Yang, Quan Z. Sheng, Boualem Benatallah, Fabio Casati, Schahram Dustdar, Hamid Reza Motahari Nezhad, Xuyun Zhang, Shan Xue
• Abstract要約: Generative Pre-trained Transformer (GPT)は、自然言語処理(NLP)を通じて人間のようなテキストを生成することができる最先端の機械学習モデルである。 ProcessGPTは、ビジネスプロセスデータの大規模なデータセット上で、生成事前訓練されたトランスフォーマーモデルをトレーニングすることによって設計することができる。 このモデルは、NLPや機械学習技術と統合して、プロセス改善のための洞察とレコメンデーションを提供することができる。
• 参考スコア（独自算出の注目度）: 37.63134810192718
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Generative Pre-trained Transformer (GPT) is a state-of-the-art machine learning model capable of generating human-like text through natural language processing (NLP). GPT is trained on massive amounts of text data and uses deep learning techniques to learn patterns and relationships within the data, enabling it to generate coherent and contextually appropriate text. This position paper proposes using GPT technology to generate new process models when/if needed. We introduce ProcessGPT as a new technology that has the potential to enhance decision-making in data-centric and knowledge-intensive processes. ProcessGPT can be designed by training a generative pre-trained transformer model on a large dataset of business process data. This model can then be fine-tuned on specific process domains and trained to generate process flows and make decisions based on context and user input. The model can be integrated with NLP and machine learning techniques to provide insights and recommendations for process improvement. Furthermore, the model can automate repetitive tasks and improve process efficiency while enabling knowledge workers to communicate analysis findings, supporting evidence, and make decisions. ProcessGPT can revolutionize business process management (BPM) by offering a powerful tool for process augmentation, automation and improvement. Finally, we demonstrate how ProcessGPT can be a powerful tool for augmenting data engineers in maintaining data ecosystem processes within large bank organizations. Our scenario highlights the potential of this approach to improve efficiency, reduce costs, and enhance the quality of business operations through the automation of data-centric and knowledge-intensive processes. These results underscore the promise of ProcessGPT as a transformative technology for organizations looking to improve their process workflows.
• Abstract（参考訳）: Generative Pre-trained Transformer (GPT)は、自然言語処理(NLP)を通じて人間のようなテキストを生成することができる最先端の機械学習モデルである。 GPTは大量のテキストデータに基づいてトレーニングされ、深層学習技術を使ってデータ内のパターンや関係を学習し、一貫性のあるコンテキストに適したテキストを生成する。 本稿では、GPT技術を用いて、必要な時に新しいプロセスモデルを生成することを提案する。 我々は、データ中心および知識集約プロセスにおける意思決定を強化する新しい技術として、ProcessGPTを導入する。 processgptは、ビジネスプロセスデータの大規模なデータセット上に生成前訓練されたトランスフォーマーモデルをトレーニングすることによって設計することができる。 このモデルは、特定のプロセスドメインに基づいて微調整され、プロセスフローを生成し、コンテキストとユーザ入力に基づいて決定を行うように訓練される。 このモデルは、NLPおよび機械学習技術と統合して、プロセス改善のための洞察とレコメンデーションを提供することができる。 さらに、モデルは反復的なタスクを自動化し、知識労働者が分析結果の伝達、証拠の支援、意思決定を可能にしながら、プロセスの効率を向上させることができる。 ProcessGPTはプロセス拡張、自動化、改善のための強力なツールを提供することで、ビジネスプロセス管理(BPM)に革命をもたらすことができます。 最後に、大規模銀行組織におけるデータエコシステムプロセスの維持において、ProcessGPTがデータエンジニアを増強するための強力なツールであることを示す。 我々のシナリオは、データ中心および知識集約プロセスの自動化を通じて、効率を改善し、コストを削減し、ビジネスオペレーションの品質を高めるためのこのアプローチの可能性を強調します。 これらの結果は、プロセスワークフローを改善したい組織にとって、ProcessGPTが変革的技術であることを示す。

関連論文リスト

• A Review of AI and Machine Learning Contribution in Predictive Business Process Management (Process Enhancement and Process Improvement Approaches) [4.499009117849108]
  我々は、ビジネスプロセス管理におけるAI/MLの統合を検討するため、学術文献の体系的なレビューを行う。 ビジネスプロセス管理とプロセスマップでは、AI/MLはプロセスメトリクスの運用データを使用して大幅に改善されている。
  論文  参考訳（メタデータ） (2024-07-07T18:26:00Z)
• Revolutionizing Process Mining: A Novel Architecture for ChatGPT Integration and Enhanced User Experience through Optimized Prompt Engineering [2.4578723416255754]
  本研究では,ChatGPTなどの大規模言語モデル(LLM)をプロセスマイニングツールに統合することで,新たなアプローチを提案する。 この研究の重要な革新は、各プロセスマイニングサブモジュール用に調整された迅速なエンジニアリング戦略を開発することである。 このアプローチの有効性を検証するために、研究者らは、BehfaLabのプロセスマイニングツールを使用している17社のデータを使用した。
  論文  参考訳（メタデータ） (2024-05-17T10:48:14Z)
• Leveraging Data Augmentation for Process Information Extraction [0.0]
  自然言語テキストデータに対するデータ拡張の適用について検討する。 データ拡張は、自然言語テキストからビジネスプロセスモデルを生成するタスクのための機械学習メソッドを実現する上で重要なコンポーネントである。
  論文  参考訳（メタデータ） (2024-04-11T06:32:03Z)
• 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)
• The Foundations of Computational Management: A Systematic Approach to Task Automation for the Integration of Artificial Intelligence into Existing Workflows [55.2480439325792]
  本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。 この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
  論文  参考訳（メタデータ） (2024-02-07T01:45:14Z)
• Supervised Pretraining Can Learn In-Context Reinforcement Learning [96.62869749926415]
  本稿では,意思決定問題における変換器の文脈内学習能力について検討する。 本稿では,変換器が最適動作を予測する教師付き事前学習法であるDPT(Decision-Pretrained Transformer)を導入,研究する。 事前学習した変換器は、オンラインと保守主義の両方をオフラインで探索することで、コンテキスト内における様々なRL問題の解決に利用できる。
  論文  参考訳（メタデータ） (2023-06-26T17:58:50Z)
• Machine learning in bioprocess development: From promise to practice [58.720142291102135]
  機械学習(ML)アプローチのようなデータ駆動の手法は、大きな設計空間を合理的に探索する可能性が高い。 本研究の目的は,これまでのバイオプロセス開発におけるML手法の適用例を示すことである。
  論文  参考訳（メタデータ） (2022-10-04T13:48:59Z)
• Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data Programming [77.38174112525168]
  私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
  論文  参考訳（メタデータ） (2022-03-02T19:57:32Z)
• AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
  本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。 本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-29T14:57:53Z)

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。