論文の概要: AI-Enhanced Business Process Automation: A Case Study in the Insurance Domain Using Object-Centric Process Mining
- arxiv url: http://arxiv.org/abs/2504.17295v1
- Date: Thu, 24 Apr 2025 06:43:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:53.273292
- Title: AI-Enhanced Business Process Automation: A Case Study in the Insurance Domain Using Object-Centric Process Mining
- Title(参考訳): AIによるビジネスプロセス自動化:オブジェクト中心のプロセスマイニングを用いた保険ドメインのケーススタディ
- Authors: Shahrzad Khayatbashi, Viktor Sjölind, Anders Granåker, Amin Jalali,
- Abstract要約: 本稿では, 請求項の特定を自動化するため, LLMを配置した保険部門からのケーススタディについて述べる。
我々は、AI駆動の自動化がプロセスのスケーラビリティに与える影響を評価するために、オブジェクト指向プロセスマイニング(OCPM)を適用します。
以上の結果から, LLMは運用能力を大幅に向上する一方で, さらなる改良を必要とする新しいプロセスダイナミクスを導入することが示唆された。
- 参考スコア(独自算出の注目度): 0.7124736158080938
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advancements in Artificial Intelligence (AI), particularly Large Language Models (LLMs), have enhanced organizations' ability to reengineer business processes by automating knowledge-intensive tasks. This automation drives digital transformation, often through gradual transitions that improve process efficiency and effectiveness. To fully assess the impact of such automation, a data-driven analysis approach is needed - one that examines how traditional and AI-enhanced process variants coexist during this transition. Object-Centric Process Mining (OCPM) has emerged as a valuable method that enables such analysis, yet real-world case studies are still needed to demonstrate its applicability. This paper presents a case study from the insurance sector, where an LLM was deployed in production to automate the identification of claim parts, a task previously performed manually and identified as a bottleneck for scalability. To evaluate this transformation, we apply OCPM to assess the impact of AI-driven automation on process scalability. Our findings indicate that while LLMs significantly enhance operational capacity, they also introduce new process dynamics that require further refinement. This study also demonstrates the practical application of OCPM in a real-world setting, highlighting its advantages and limitations.
- Abstract(参考訳): 人工知能(AI)の最近の進歩、特にLarge Language Models(LLM)は、知識集約的なタスクを自動化することで、ビジネスプロセスを再設計する組織の能力を高めている。
この自動化は、多くの場合、プロセス効率と効率性を改善する段階的な移行を通じて、デジタルトランスフォーメーションを駆動します。
このような自動化の影響を十分に評価するには、データ駆動分析アプローチが必要です。
オブジェクト中心プロセスマイニング(OCPM)は、そのような分析を可能にする貴重な方法として登場したが、実際のケーススタディは、その適用性を示すために依然として必要である。
本稿では, LLM を製品に導入してクレーム部品の識別を自動化し, 従来手作業で実施していた業務を, スケーラビリティのボトルネックとして認識した, 保険部門からのケーススタディを提案する。
この変換を評価するために,プロセスのスケーラビリティに対するAI駆動の自動化の影響を評価するためにOCPMを適用した。
以上の結果から, LLMは運用能力を大幅に向上する一方で, さらなる改良を必要とする新しいプロセスダイナミクスを導入することが示唆された。
本研究は,OCPMの現実的な応用を実証し,その利点と限界を強調した。
関連論文リスト
- WISE: Unraveling Business Process Metrics with Domain Knowledge [0.0]
複雑な産業プロセスの異常は、しばしばイベントデータの高変動性と複雑さによって隠蔽される。
本稿では、ドメイン知識、プロセスマイニング、機械学習の統合により、ビジネスプロセスメトリクスを分析する新しい手法WISEを紹介する。
WISEはビジネスプロセス分析における自動化を強化し、望ましいプロセスフローからの逸脱を効果的に検出する。
論文 参考訳(メタデータ) (2024-10-06T07:57:08Z) - 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) - AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。
さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文 参考訳(メタデータ) (2024-03-26T04:27:56Z) - 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) - Machine Learning Meets Advanced Robotic Manipulation [48.6221343014126]
本論文は、最先端技術と、実世界の操作タスクに適用された機械学習手法の最近の動向についてレビューする。
論文の残りの部分は、産業、医療、農業、宇宙、軍事、捜索救助など、さまざまな分野におけるML応用に費やされている。
論文 参考訳(メタデータ) (2023-09-22T01:06:32Z) - 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) - Explainable Artificial Intelligence for Improved Modeling of Processes [6.29494485203591]
我々は,現代的なトランスフォーマーアーキテクチャと,より古典的なプロセス規則性モデリングの機械学習技術の性能を評価する。
MLモデルは重要な結果を予測することができ、注意機構やXAIコンポーネントが基礎となるプロセスに新たな洞察を与えることを示す。
論文 参考訳(メタデータ) (2022-12-01T17:56:24Z) - AI/ML Algorithms and Applications in VLSI Design and Technology [3.1171750528972204]
本稿では、VLSIの設計・製造において過去に導入されたAI/ML自動化アプローチについて概説する。
将来、VLSI設計の分野に革命をもたらすため、様々な抽象化レベルでAI/MLアプリケーションの範囲について論じる。
論文 参考訳(メタデータ) (2022-02-21T07:01:27Z) - Automated Machine Learning Techniques for Data Streams [91.3755431537592]
本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。
この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
論文 参考訳(メタデータ) (2021-06-14T11:42:46Z) - 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。