流程大咖说 | 流程建模在相邻建模学科背景下的未来
发布时间：2025-11-07
流程模型(Process Models)并非孤立存在，它们与人类和自动化数字解决方案中的其他关键要素相互作用。
尽管许多组织已能很好地建模流程流(Process Flows)、决策(Decisions)、案例(Cases)、数据(Data)和结果可视化(ResultVisualizations)，但随着更多智能动态应用于数字解决方案，仍需更多模型支持。
迄今为止，流程模型已为流程(Processes)和业务成果(Business Results)提供了良好服务，但组织需要建模的范畴远不止于此。
流程组件的符号学表示(Semiotic Representations)的重要性再怎么强调也不为过。然而，数字解决方案(Digital Solutions)随时间推移会要求更多建模类型。
目前我们已识别出另外六个尚未得到充分处理的领域，这些是其他必要模型(NecessaryOther Models)。
流程相邻建模学科
1. 协作模式建模 | Collaboration Patterns
现状：通过社交挖掘(Social Mining)与分析技术可以呈现部分社交互动的成果，但这一领域可能需要较长时间才能形成统一的模式表达方法。
问题：流程图只说明“谁该做什么”，却不说“如何同步、冲突解决、升级路径”。 如何建立跨越不同供应商、支持实现业务成果或管理改进/变革工作所需人际互动的标准化表达？
未来方向：
BPMN 2.0 Conversation & Choreography 子集将升级为“协作原语库”——自动发现消息死锁、循环等待。
流程挖掘 + 邮件/协作日志（比如钉钉/飞书/微信的日志） ⇒ 自动生成协作模式热图，提示“隐性协调成本”。
数字孪生组织(DTO)中，流程实例与协作实例双轨仿真，支持“如果取消该例会，流程周期变化？”这类假设。 比如， 我们凡得科技利用飞书的多维表格和智能视频会议，形成了公司内部团队的协作建模。
2. 目标驱动建模 | Goal-Driven
现状：目前已有少数勇于创新的供应商提供了若干优秀的目标模型(Goal Models)及目标交互(Goal Interactions)范例，部分组织已察觉到从流程导向型(Flow-Directed)过程向目标驱动型(Goal-Driven)过程的转变趋势，但尚未形成被普遍接受的标准化建模方法。对于能够自主决策行进方向及选择次优行动的过程而言，目标设定具有根本性意义。
问题：流程模型回答“How”，但战略层更关心“Why”。
未来方向：
流程-目标双向追溯元模型（BMM-PM 对齐）成为合规标配；任何活动无向上目标链接即视为“待裁剪”。
结合流程挖掘的行动（OKR）引擎：比如当传感器显示 KR 落后 >10%，利用流程挖掘技术自动触发流程变体推荐（基于历史成功案例）。
AI Planning（PDDL）与流程引擎融合，使“目标-活动”映射可在线重新规划，实现“半自主流程”。
3. 约束建模 | Constraints
现状：随着流程变得愈发非结构化和涌现性，约束(Constraints)将在流程治理(Process Governance)与控制领域扮演更为关键的角色。为了实现业务成果而引入无监督人工智能(Unsupervised AI)时，约束(Constraints)与目标(Goals)的设定不可或缺。
问题：静态流程图难表达“只要不违反 X，可任意顺序”。目前尚未见到任何显著展示边界约束(Boundary Constraints)的模型能够完整呈现被这些保护机制环绕的流程。
未来方向：
Declarative BPM (Declare, DCR Graphs) 进入主流，与命令式模型混编——“90%结构化 +10%约束块”。
流程挖掘将自动抽取“时态约束规则”，反向标注到模型；违规实例高亮为“约束漂移”。
合规即代码(RegTech)：把 GDPR、SOX 条款转译为机器可读约束，持续监控流程日志，秒级预警。
4. 数学模型 | Mathematical Models
现状：尽管存在一些针对单一分析方法的模型（例如用于预测分析「Predictive Analytics)的PMML」），但目前尚未发现适用于多重交互式分析的建模方法——这种分析常见于当今的智能流程(Intelligent Processes)中。
问题：流程性能靠经验或者单一分析模型调优，难以预见“利用率-等待时间”曲线。 各类人工智能(AI)行为如何建模？
未来方向：
队列网络、Petri-Net 可覆盖性、马尔可夫奖励过程直接嵌入流程模型属性栏；保存即生成 Python/SimPy 仿真脚本。
参数自动标定：流程挖掘输出真实到达时间分布 → 反馈给数学模型 → 30 秒给出“最优线程池/批处理大小”。
强化学习代理在数学模型上预训练，再于真实流程引擎 A/B 测试，实现“仿真-在线”闭环优化。
5. 上下文工程 | Contexts Engineering
现状：随着流程在感知活跃模式和场景方面变得更加主动，需要对其参与或有意参与以实现其成果或目标的上下文(Contexts)进行表征。这些上下文将被用于评估优势、威胁及学习经验。
问题：同一流程在不同地域、季节、法规下表现迥异。 跨越组织内部与外部、行业或地理边界的流程，必须对不同上下文中的含义保持敏感。
未来方向：
流程模型头文件增加“上下文维度”标签（地域、币种、气温、汇率波动等级）；引擎根据实时上下文选择子流程。
联邦流程挖掘：上下文相似的企业共用加密日志，提升稀有场景模型准确度。
低代码“上下文沙盒”：业务用户可拖拽生成“if 上下文=高汇率波动 → 启用二次审批”规则，无需 IT 编码。
6. 模式与反模式 | Patterns & Anti-Patterns
现状：当前，组织似乎对需要响应的事件(events)更感兴趣，而非关注有价值的模式(patterns of interest)。这种情况将随时间推移而改变，但目前尚缺乏公认的模式表示方法。
问题：最佳实践传播依赖顾问经验，复用率低。 缺乏有价值的模式，以及符号学表征(semiotic representations)及配套的分类体系(classification scheme)
未来方向：
全球流程模式仓库（GitHub for Processes）：每个模式包含模型片段、绩效 KPI、适用上下文、仿真报告。
AI 模式推荐：输入企业画像 → 自动匹配“应收账款-催收模式”“跨境电商-退货模式”等，一键下载到建模器。
反模式检测器：利用图神经网络识别“ spaghetti 流程”“蘑菇型审批”等典型反模式，给出重构优先级评分。
尽管我们可能都认同建模流程(Processes Modeling)、决策(Decisions)、目标(Goals)或数据(Data)具有显著价值，但在建模方法、标准以及最重要的建模对象方面仍存在分歧。让我们审视建模领域内外的冲突点。
我们已识别出五个主要冲突领域，但我推测还有更多潜在问题尚未浮出水面——例如"仅存在数据或规则"这类认知偏差。
流程建模的权衡取舍
即使在流程建模领域内部（暂不考虑其他辅助建模手段），流程建模本身也存在若干需要解决的难点，如下文所述：
1. 逻辑模型与物理之争
关于应该构建目标逻辑模型还是物理实施模型的争论屡见不鲜。
支持逻辑模型的一方认为，逻辑模型能体现纯粹的业务需求，包含实施者可能忽略的操作手册等内容。而实施团队通常反驳称，未来逻辑模型本质上无法反映现实，且两者无法同步。
有些企业将逻辑模型作为规范文档，一旦物理模型成型便弃用逻辑模型。崇尚快速创新的组织则倾向于快速构建实施模型并接受快速失败。我们更推崇构建包含操作手册的粗略逻辑模型，通过迭代逐步完善。
2. 是否遵循建模标准
许多从业者推崇建模标准，认为标准化建模能降低培训成本、便于沟通，并有利于吸引外部贡献者快速参与。当组织需要切换至内部已有或全新平台时，标准化模型还能实现跨厂商的无缝迁移，避免繁琐的转换工作。
反对者则认为标准束缚创造力，且会遗漏关键细节差异——当标准只会拖慢进度时，何必采用笨重的规范？虽然我们更看重开发便捷性而非标准符合度，但仍建议通过迭代优化而非追求完美建模。这需要找到平衡点。
3. 案例导向 vs 流程导向
当前存在一种观点认为案例管理模型与标记法(CMMN)与业务流程模型与标记法(BPMN)非常接近，可以轻松扩展BPMN来支持案例。如果BPMN包含目标建模功能，我们会认同这一观点——因为案例以里程碑目标为导向，流程流转反而处于次要地位。
4. 决策导向 vs 流程导向
关于"流程包含决策"还是"决策驱动流程"的争论也日益激烈，毕竟决策决定了待执行的任务。我们认为对于高度复杂的流程需要两者协同工作，但决策模型与标记法(DMN)作为新兴技术尚未获得应有的重视。
5. 目标导向 vs 流程导向
目标建模目前处于尴尬地位，因为传统流程和决策模型往往僵化不变。
随着决策和规则变得更具流动性，目标建模的价值愈发凸显。目标本身保持稳定，但目标值可能变化，而决策路径和流程任务可能千差万别。目标与约束建模理应获得更多关注。
建模技术固然强大，但当厂商试图将自己的方法和标记法塑造为流程领域的核心标准时，可能引发激烈争论。无论采用何种模型，建议在项目初期明确选择并保持一致性，除非需要重大调整——这种情况其实很少发生，因为流动型流程/案例通常可预判，并能提前选定支持方法。
我们强烈建议选择能真实反映现实活动的流程模型用于流程挖掘(Process Mining)，这有助于改进现有流程。流程可视化能帮助业务和技术人员在具体情境中理解活动，流程模型也适合描述稳定/静态流程或其片段的未来状态。只有当问题更具突发性或变更过于频繁时，才需要重新评估建模方法。
融合展望：从“流程图”到“流程宇宙”
未来十年的流程建模将是多模型共生的“联邦建模”时代：
单一流程引擎演变为“多模型运行时”，协作、目标、约束、数学、上下文、模式六类模型以微服务形式插件化加载。
流程挖掘不再只是还原流程图，而是同时抽取协作网络、约束集、上下文特征，自动填充到对应模型库。
生成式 AI 充当“模型翻译器”——用自然语言即可生成/修改/解释任意跨学科流程模型，降低业务人员参与门槛。
合规与可持续性成为一级公民：任何新流程在部署前必须通过“约束+数学”双验证——既满足法规，也满足碳排 KPI。
最终，组织将拥有“自我重构”能力：目标变化 → 目标模型触发约束重算 → 数学模型寻优 → 流程模型热更新 → 协作模式同步推送，实现“战略-运营”分钟级闭环。
流程建模的未来不在更大更复杂的流程图，而在“流程+”的跨学科模型联邦；谁率先建立多模型融合的基础设施与治理机制，谁就能在智能动态商业环境中获得持续竞争优势。