凡得热点

华北电力大学教授、北京凡得科技首席科学家程龙教授近日受邀在RPA中国组织的在线研讨会上发表了主题为“流程挖掘中的人工智能：技术与挑战”的报告。这是一次对人工智能在流程挖掘中应用的深度探讨，同时也对相关技术和未来方向提出了前瞻性的见解。

流程对于业务的重要性在于它们构成了业务的基础框架，明确了组织内不同角色和任务的关联性。流程挖掘是一种运用大量历史数据来提取和分析业务流程的方法，有助于揭示隐藏在复杂业务过程中的模式、规律和趋势。随着企业数字化转型的深入，流程挖掘技术变得越来越重要。其中，2023年3月Gartner首次发布了流程挖掘魔力象限报告，并预计到2025年，80%的企业将在其至少10%的业务运营中嵌入流程挖掘功能。

流程挖掘是以数据驱动为基础的一种技术，在此方面与AI有一定的相似性。在报告中，程教授介绍了流程AI技术在凡得科技ProcessX平台中的落地。此外，他还对流程实例聚类、根本原因分析、预测流程和流程调度等技术方案进行了讲解和分析。其中包含了无监督学习、监督学习以及深度强化学习等多方面的技术，展示了AI在流程挖掘中的多样性和高效性。此外，他还特别介绍了流程预测中包含多模态、多任务模型在内的研究工作，以及展示部分结果，并说明了这些技术为AI在流程挖掘中的应用提供了更多的可能性。

随着大模型的应用场景越来越广泛，程教授也对大模型辅助的流程挖掘应用进行了深入的探讨。例如，对于OpenAI的GPT-4，程教授强调了它最新发布的code interpreter的强大性，并介绍讲解了面向流程挖掘场景，大模型在基于自然语言的数据分析、洞察增强、业务理解、生成报告等方面的应用示例。同时，他还特别关注了Falcon LLM和ChatBLM等开源大模型，强调了这些大模型对构建流程领域的大模型具有重要的参考价值。

最后，程教授列举了流程挖掘人工智能技术中存在的许多技术挑战。例如，数据质量和数据集限制、解释性和可信度、模型迁移和泛化能力、可扩展性和效率、可操作性和应用落地、新兴技术（如OCPM）等。这些问题不仅关乎技术的本质和边界，也涉及到我们如何将这些技术应用于实际业务中，使其产生真正的价值。此外，他也指出，大模型在支持对不同领域的不同业务流程的智能分析，给出深度洞察与解释，以及系统能够理解企业流程业务数据与术语、与领域知识配合，实现全/半自动智能分析方面面临的比如微调指令集构建等方面遇到的挑战。但他同时也强调，这些挑战同样是机遇，是推动我们进一步探索和理解流程挖掘领域人工智能技术的动力。

总的来说，程龙教授在流程挖掘人工智能技术的理解和对未来的展望使我们看到了AI技术在流程挖掘智能产品落地和企业流程数据分析过程中的巨大潜力。通过理解和解决各种技术挑战，我们将更好地利用AI技术，以提升业务流程的效率和效果，推动企业业务的持续发展和创新。