論文の概要: From Theory to Practice: Real-World Use Cases on Trustworthy LLM-Driven Process Modeling, Prediction and Automation

• arxiv url: http://arxiv.org/abs/2506.03801v1
• Date: Wed, 04 Jun 2025 10:12:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.284243
• Title: From Theory to Practice: Real-World Use Cases on Trustworthy LLM-Driven Process Modeling, Prediction and Automation
• Title（参考訳）: 理論から実践へ - 信頼できるLCM駆動プロセスモデリング、予測、自動化の実例
• Authors: Peter Pfeiffer, Alexander Rombach, Maxim Majlatow, Nijat Mehdiyev,
• Abstract要約: 本稿では,大規模言語モデル(LLM)がプロセスモデリング,予測,自動化をどのように再定義するかを示す実世界の4つのユースケースについて考察する。 この仕事は製造、モデリング、ライフサイエンス、デザインプロセスに及び、人間とAIのコラボレーションを通じてドメイン固有の課題に対処する。
• 参考スコア（独自算出の注目度）: 42.99153274884264
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional Business Process Management (BPM) struggles with rigidity, opacity, and scalability in dynamic environments while emerging Large Language Models (LLMs) present transformative opportunities alongside risks. This paper explores four real-world use cases that demonstrate how LLMs, augmented with trustworthy process intelligence, redefine process modeling, prediction, and automation. Grounded in early-stage research projects with industrial partners, the work spans manufacturing, modeling, life-science, and design processes, addressing domain-specific challenges through human-AI collaboration. In manufacturing, an LLM-driven framework integrates uncertainty-aware explainable Machine Learning (ML) with interactive dialogues, transforming opaque predictions into auditable workflows. For process modeling, conversational interfaces democratize BPMN design. Pharmacovigilance agents automate drug safety monitoring via knowledge-graph-augmented LLMs. Finally, sustainable textile design employs multi-agent systems to navigate regulatory and environmental trade-offs. We intend to examine tensions between transparency and efficiency, generalization and specialization, and human agency versus automation. By mapping these trade-offs, we advocate for context-sensitive integration prioritizing domain needs, stakeholder values, and iterative human-in-the-loop workflows over universal solutions. This work provides actionable insights for researchers and practitioners aiming to operationalize LLMs in critical BPM environments.
• Abstract（参考訳）: 従来のビジネスプロセスマネジメント(BPM)は、動的環境における剛性、不透明性、スケーラビリティに苦しむ一方で、LLM(Large Language Models)はリスクとともに変革的な機会を提供する。 本稿では,LLMを信頼に値するプロセスインテリジェンスで拡張し,プロセスモデリング,予測,自動化を再定義する4つの実世界のユースケースについて検討する。 産業パートナーによる初期段階の研究プロジェクトでは、製造、モデリング、ライフサイエンス、デザインプロセスにまたがり、人間とAIのコラボレーションを通じてドメイン固有の課題に対処している。 製造において、LLM駆動のフレームワークは、不確実性を認識した説明可能な機械学習(ML)と対話的な対話を統合し、不透明な予測を監査可能なワークフローに変換する。 プロセスモデリングでは、対話インターフェースがBPMN設計を民主化します。 薬剤師は、ナレッジグラフ増強LDMによる薬物安全監視を自動化する。 最後に、持続可能な織物デザインでは、規制と環境のトレードオフをナビゲートするマルチエージェントシステムを採用している。 我々は,透明性と効率,一般化と専門化,人事機関対自動化の緊張関係を検討する。 これらのトレードオフをマッピングすることで、ドメインニーズ、ステークホルダーの値、そして、普遍的なソリューションよりも反復的なヒューマン・イン・ザ・ループのワークフローを優先するコンテキスト依存の統合を提唱する。 この研究は、重要なBPM環境でLLMを運用することを目指す研究者や実践者に実用的な洞察を与えます。

関連論文リスト

• A Practical Approach for Building Production-Grade Conversational Agents with Workflow Graphs [2.7905014064567344]
  大きな言語モデル(LLM)は、さまざまなサービスドメインで大幅に改善されました。 産業環境でのSOTA(State-of-the-art)研究の適用は課題を提起する。
  論文  参考訳（メタデータ） (2025-05-29T02:30:27Z)
• MLE-Dojo: Interactive Environments for Empowering LLM Agents in Machine Learning Engineering [57.156093929365255]
  自律型大規模言語モデル(LLM)エージェントを体系的に強化し、評価し、改善するためのガイムスタイルのフレームワーク。 MLE-Dojoは、現実的なエンジニアリングシナリオを反映した、多様でオープンなMLEタスクを慎重にキュレートする。 完全に実行可能な環境は、教師付き微調整と強化学習の両方を通して包括的なエージェントトレーニングをサポートする。
  論文  参考訳（メタデータ） (2025-05-12T17:35:43Z)
• API Agents vs. GUI Agents: Divergence and Convergence [35.28490346033735]
  APIとGUIベースの大規模言語モデル(LLM)は、グラフィカルなユーザインターフェースを人間的な方法で操作する。 本稿では,それらの分散と潜在的収束を系統的に解析する。 LLMベースの自動化における継続的なイノベーションは、APIとGUI駆動エージェントの境界線を曖昧にする可能性があることを示唆している。
  論文  参考訳（メタデータ） (2025-03-14T04:26:21Z)
• An Overview of Large Language Models for Statisticians [109.38601458831545]
  大規模言語モデル(LLM)は人工知能(AI)の変換ツールとして登場した。 本稿では, 統計学者がLLMの開発に重要な貢献できる可能性について考察する。 我々は不確実性定量化、解釈可能性、公正性、プライバシー、透かし、モデル適応といった問題に焦点を当てる。
  論文  参考訳（メタデータ） (2025-02-25T03:40:36Z)
• Scaling Autonomous Agents via Automatic Reward Modeling And Planning [52.39395405893965]
  大規模言語モデル(LLM)は、様々なタスクにまたがる顕著な機能を示している。 しかし、彼らは多段階の意思決定と環境フィードバックを必要とする問題に苦戦している。 人間のアノテーションを使わずに環境から報酬モデルを自動的に学習できるフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:49:25Z)
• TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks [52.46737975742287]
  我々は、デジタルワーカーと同じような方法で世界と対話するAIエージェントを評価するためのベンチマークであるTheAgentCompanyを紹介する。 最も競争力のあるエージェントは、タスクの30%を自律的に完了させることができる。 これは、実際の職場の設定でLMエージェントをシミュレートすることで、タスク自動化に関する微妙な絵を描く。
  論文  参考訳（メタデータ） (2024-12-18T18:55:40Z)
• Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making [51.737762570776006]
  LLM-ACTRは、ヒトに適応し、多目的な意思決定を提供する新しいニューロシンボリックアーキテクチャである。 我々のフレームワークは、ACT-Rの内部決定過程の知識を潜在神経表現として抽出し、組み込む。 デザイン・フォー・マニュファクチャリング・タスクに関する我々の実験は、タスク性能の向上と基礎的意思決定能力の向上を両立させたものである。
  論文  参考訳（メタデータ） (2024-08-17T11:49:53Z)
• 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)

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。