論文の概要: From Words to Workflows: Automating Business Processes

• arxiv url: http://arxiv.org/abs/2412.03446v1
• Date: Wed, 04 Dec 2024 16:34:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-05 15:08:38.165605
• Title: From Words to Workflows: Automating Business Processes
• Title（参考訳）: 言葉からワークフローへ:ビジネスプロセスの自動化
• Authors: Laura Minkova, Jessica López Espejel, Taki Eddine Toufik Djaidja, Walid Dahhane, El Hassane Ettifouri,
• Abstract要約: ロボットプロセス自動化(RPA)の限界が明らかになっている。 人工知能(AI)の最近の進歩は、インテリジェントオートメーション(IA)の道を開いた。 本稿では,自然言語のユーザ要求から自動生成する新しい方法であるText2Workflowを紹介する。
• 参考スコア（独自算出の注目度）: 0.2796197251957245
• License:
• Abstract: As businesses increasingly rely on automation to streamline operations, the limitations of Robotic Process Automation (RPA) have become apparent, particularly its dependence on expert knowledge and inability to handle complex decision-making tasks. Recent advancements in Artificial Intelligence (AI), particularly Generative AI (GenAI) and Large Language Models (LLMs), have paved the way for Intelligent Automation (IA), which integrates cognitive capabilities to overcome the shortcomings of RPA. This paper introduces Text2Workflow, a novel method that automatically generates workflows from natural language user requests. Unlike traditional automation approaches, Text2Workflow offers a generalized solution for automating any business process, translating user inputs into a sequence of executable steps represented in JavaScript Object Notation (JSON) format. Leveraging the decision-making and instruction-following capabilities of LLMs, this method provides a scalable, adaptable framework that enables users to visualize and execute workflows with minimal manual intervention. This research outlines the Text2Workflow methodology and its broader implications for automating complex business processes.
• Abstract（参考訳）: ビジネスがオペレーションの合理化に自動化にますます依存するにつれて、ロボットプロセス自動化(RPA)の限界、特に専門知識や複雑な意思決定タスクに対処できないことへの依存が明らかになってきています。 人工知能(AI)の最近の進歩、特にジェネレーティブAI(GenAI)とLarge Language Models(LLMs)は、RPAの欠点を克服するために認知能力を統合するインテリジェント自動化(IA)の道を開いた。 本稿では,自然言語のユーザ要求からワークフローを自動的に生成する新しい方法であるText2Workflowを紹介する。 従来の自動化アプローチとは異なり、Text2Workflowは、任意のビジネスプロセスを自動化し、ユーザ入力をJavaScript Object Notation(JSON)フォーマットで表現された実行可能なステップのシーケンスに変換する、汎用的なソリューションを提供する。 LLMの意思決定と命令追従機能を活用することで、ユーザは最小限の手作業でワークフローを視覚化し実行することができる、スケーラブルで適応可能なフレームワークを提供する。 本研究は、複雑なビジネスプロセスを自動化するためのText2Workflow方法論とその広範な意味について概説する。

関連論文リスト

• AutoML-Agent: A Multi-Agent LLM Framework for Full-Pipeline AutoML [56.565200973244146]
  自動機械学習(Automated Machine Learning, ML)は、開発パイプライン内のタスクを自動化することによって、AI開発を加速する。 近年の作業では,そのような負担を軽減するために,大規模言語モデル(LLM)の利用が始まっている。 本稿では,フルパイプのAutoMLに適した新しいマルチエージェントフレームワークであるAutoML-Agentを提案する。
  論文  参考訳（メタデータ） (2024-10-03T20:01:09Z)
• A Roadmap Towards Automated and Regulated Robotic Systems [4.6015001632772545]
  我々は、AIの非規制生成プロセスが低レベルのタスクに適合していると主張している。 完全自動化・制御されたロボットシステムを実現するためのロードマップを提案する。
  論文  参考訳（メタデータ） (2024-03-21T00:14:53Z)
• 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)
• TaskBench: Benchmarking Large Language Models for Task Automation [82.2932794189585]
  タスク自動化における大規模言語モデル(LLM)の機能を評価するためのフレームワークであるTaskBenchを紹介する。 具体的には、タスクの分解、ツールの選択、パラメータ予測を評価する。 提案手法は, 自動構築と厳密な人的検証を組み合わせることで, 人的評価との整合性を確保する。
  論文  参考訳（メタデータ） (2023-11-30T18:02:44Z)
• ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
  LLM(Large Language Models)は、人間のような知性を持つ言語である。 本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。 そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
  論文  参考訳（メタデータ） (2023-11-02T14:32:16Z)
• Hyper-automation-The next peripheral for automation in IT industries [0.0]
  ハイパーオートメーションは、ビジネスユーザが実行したほぼすべての反復的なアクションを自動化します。 企業のトップ脳が完成できないかもしれない複雑なITビジネスプロセスを自動化する。 脳コンピュータインタフェース(BCI)は、自動化プロセスの検出と生成を前進させる。
  論文  参考訳（メタデータ） (2023-05-14T11:48:27Z)
• AutoML-GPT: Automatic Machine Learning with GPT [74.30699827690596]
  本稿では,タスク指向のプロンプトを開発し,大規模言語モデル(LLM)を自動的に活用して学習パイプラインを自動化することを提案する。 本稿では,多様なAIモデルのブリッジとしてGPTを用いたAutoML-GPTを提案する。 このアプローチはコンピュータビジョン、自然言語処理、その他の課題領域において顕著な結果をもたらす。
  論文  参考訳（メタデータ） (2023-05-04T02:09:43Z)
• OmniForce: On Human-Centered, Large Model Empowered and Cloud-Edge Collaborative AutoML System [85.8338446357469]
  我々は人間中心のAutoMLシステムであるOmniForceを紹介した。 我々は、OmniForceがAutoMLシステムを実践し、オープン環境シナリオにおける適応型AIを構築する方法について説明する。
  論文  参考訳（メタデータ） (2023-03-01T13:35:22Z)
• From Natural Language Instructions to Complex Processes: Issues in Chaining Trigger Action Rules [27.61571359186679]
  本稿では,意味解析のための機械実行可能な意味表現をチェーン化する複雑な文法を新たに定義する。 この文法に基づいてデータセットを作成する手法を提案する。
  論文  参考訳（メタデータ） (2020-01-08T11:44:47Z)

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。