业务流程管理在帮助企业进行流程工程工作和数字化转型计划方面有着悠久的历史。现在，BPM 正在从 AI 中得到巨大的推动。
数据和分析咨询公司DAS42的首席顾问Jeff Springer表示：“人工智能技术正在迅速发展，使开发更复杂、更有效的人工智能驱动的流程发现和自动化解决方案成为可能。他补充说，其中许多进步是由于来自企业系统、传感器和社交媒体等许多来源的数据可用性不断提高，从而导致更大规模的人工智能部署。例如，深度学习算法的发展使人工智能系统能够从数据中学习，并识别人类难以或不可能识别的模式。
AI 如何改变 BPM？
支持 AI 的部署在 BPM 中发现了许多应用，从改进前台流程到分析流程数据，再到映射业务流程，再到利用生成式 AI 流程建模功能。
前台流程
呼叫中心智能平台提供商Gryphon的产品管理副总裁Brian Steele表示，在前台流程中部署人工智能正在推动销售，提高客户满意度并改善员工敬业度。例如，在联络中心，业务流程管理中的人工智能正在丰富客户互动、缩短呼叫等待时间、个性化推荐并提供实时销售帮助。
流程挖掘
流程挖掘是 BPM 的关键推动因素，可帮助企业发现改进流程、创造价值和降低成本的机会。业务流程SaaS提供商Celonis的产品管理、人工智能和知识副总裁Chris Monkman解释说：“人工智能有助于使流程挖掘更快、更易于使用，相反，流程挖掘使人工智能（系统）正在训练的数据更加智能，从而释放其真正的力量。但是，当涉及到训练大型语言模型（LLM）和生成式人工智能与幻觉的斗争时，过程智能的创新将需要实时结构化数据和语义知识的改进。
以对象为中心的流程挖掘
Celonis 和亚琛工业大学正在将 AI 与以对象为中心的流程挖掘（表示流程中的真实对象和事件）相结合，以更好地理解和控制业务流程。例如，当运输订单或发票等真实对象在业务流程中移动时，人工智能可以不断更新预期的交货时间，在发生延误时发送警报，甚至采取行动解决问题。
大型流程模型
企业管理软件公司 SAP Signavio 正在使用 LLM 中的标记数据来训练所谓的大型流程模型 （LPM），以更准确地分析流程数据。SAP和学术研究人员发布了SAP Signavio Academic Models LPM数据集，该数据集收集了数十万个业务模型，主要采用业务流程建模符号。SAP Signavio全球市场影响主管Dee Houchen表示，LPM可以部署在许多用例中，如最佳实践建议、流程分析、内容创建和流程数据增强。
数据提取和扩充
ABBYY产品营销高级副总裁Bruce Orcutt表示，光学字符识别软件提供商ABBYY正在探索人工智能技术如何从客户文档和信件中提取更多数据，以加快注册、资助和审批流程的决策。人工智能还可用于丰富数据洞察力并改善流程结果。“数据为王，”Orcutt 说，“但 AI 有助于理解所有数据，并以对业务有影响力的方式为所有数据带来背景和意义。
低代码/无代码开发
传统上，低代码和无代码工具与 BPM 分析工具相结合，以帮助简化业务再造工作。Lotis Blue Consulting 业务流程合伙人 John King 表示，AI 正在使用 GitHub Copilot 功能实现更多的低代码/无代码开发。此功能可以促进应用程序开发的去中心化，并承诺更快的更改速度和更多的 A/B 测试类型的部署，以满足客户需求。企业还可以开发和支持应用程序，这些应用程序只需 IT 部门的基础架构和平台支持即可实现关键业务流程的自动化。
工作网络分析
网络分析使用图论来理解复杂系统的结构和功能。King推测，这些相同的概念可以通过工作网络分析扩展到企业，该分析处理来自会议，电话，即时消息和电子邮件的工件。人工智能可以识别行为和协作模式，并将其与公司的期望和最佳实践进行比较，从而在需要时提高生产力。
数字孪生
数字孪生是通过数字线程与现实世界联系在一起的物理环境和复杂过程的工作模型。人工智能可以帮助将来自传感器和工作流程的原始数据转换为更相关的数字孪生。King补充说，人工智能也可以应用于这些模型，以提供不同的场景和决策分析。“这将节省时间和金钱，”他推理道，“并允许公司在罕见或预期事件发生之前对其进行建模，在安全但客观的环境中了解事件的影响，并允许提前制定应急措施。
业务流程映射
DAS42的Springer说，人工智能和机器学习模型已经被用于自动绘制业务流程，并确定改进和自动化的机会。他指出，一家制造公司正在使用人工智能系统实时监控其生产线，识别潜在的瓶颈和其他问题，并向操作员提出纠正措施，从而使产量增加了10%。
业务流程分析
传统上，业务流程分析是由流程专家手动完成的。网络安全咨询公司 S-RM 美洲业务发展主管 Stephen Ross 表示，BPM中的 AI 可以加速涉及建模、协作、流程挖掘以及风险管理和合规性的任务的业务流程分析结果。
聊天机器人、虚拟助手和 NLP
尽管聊天机器人和虚拟助手已经存在了近 60 年，但它们的商业价值直到最近十年才得以实现。在生成式 AI 的支持下，自然语言处理 （NLP） 为聊天机器人和虚拟助手开辟了新的商机，可以集成到 BPM 系统中，以处理查询、指导员工完成流程并改善客户互动。NLP 还擅长分析非结构化数据源，例如客户反馈和社交媒体帖子，以提取有价值的见解。
AI 在 BPM 中的优势
Gryphon 的 Steele 以联络中心为例表示，BPM 中的 AI 可用于发现流程优化、提高效率、降低成本和创造价值的机会，具体如下：
- 识别并自动执行重复性任务，让呼叫座席腾出时间专注于更复杂的任务，提高客户满意度。
- 将客户路由到正确的座席或部门，以减少呼叫等待时间并确保客户获得最佳服务。
- 为座席提供实时帮助，以更快、更高效地解决客户服务问题。
- 分析数据以识别客户情绪、趋势和模式，从而改善客户体验。
人工智能在业务流程管理中的挑战
在BPM 应用程序中部署 AI 的好处伴随着挑战、风险和道德问题，包括以下内容：
- 缺乏整体概述。关于生成式 AI 如何更广泛地促进 BPM，目前还没有达成共识。
- 生成式人工智能的弱点。对 LLM 的准确性、偏见、可重复性、数据隐私和幻觉的担忧需要由供应商同质化解决。
- 数据质量。用于训练和操作人工智能系统的数据必须干净、准确和完整。
- 新数据风险。 需要对组织内的孤立 AI 进行更严格的审查，并了解组织数据所在的位置、组成内容以及使用方式。
- 缺乏熟练工人。人工智能和BPM需要专门的技能和知识，这将需要在专业培训或雇用具有必要技能的员工方面进行额外投资。
- 害怕工作岗位被取代。许多组织希望生成式人工智能和自动化技术能够同步工作，因此他们需要让员工处于转型的循环和中心。
- 道德问题。透明度、问责制和负责任的使用以及潜在的偏见和幻觉只是将 AI 应用于 BPM 时的一些道德考虑因素。
