La minería de procesos es una parte de la ciencia de datos que se ocupa del análisis de registros de eventos producidos por los sistemas de información para conocer los procesos de negocio. Este artículo aborda las técnicas de minería de procesos, que implican el descubrimiento de procesos. Todas ellas son muy importantes en las organizaciones, especialmente en la optimización del flujo de trabajo y la mejora de la eficiencia y las áreas potenciales de mejora.
Uno de los principales problemas de la minería de procesos es el manejo de escenarios complejos que exigen un razonamiento y una toma de decisiones avanzados. Muchas herramientas y enfoques tradicionales deben adaptarse cuando es necesario dividir las tareas en partes que requieren una ejecución detallada del código y una comprensión semántica para inferir información significativa a partir de los datos. Estos problemas complejos deben resolverse con las técnicas disponibles que probablemente den como resultado análisis de procesos y resultados de mejora subóptimos.
Las técnicas de minería de procesos existentes incluyen principalmente el uso de modelos de lenguaje grandes para generar información textual o código ejecutable para el análisis de artefactos de procesos. Dichos modelos pueden detectar anomalías, causas fundamentales y problemas de equidad en los datos. Sin embargo, se vuelven menos flexibles cuando se les asigna la tarea de realizar escenarios más complejos que requieren la combinación de diferentes habilidades. Por ejemplo, incluso si los LLM pueden generar código o proporcionar información semántica por separado, generalmente deben integrar adecuadamente estas funciones cuando la tarea requiere ambas. Esta brecha de capacidad existente requiere un enfoque más avanzado para administrar y ejecutar mejor estas tareas complejas.
El paradigma de flujo de trabajo de agentes basado en IA es una nueva perspectiva para mejorar la minería de procesos con la ayuda de los LLM, que los investigadores propusieron. Esta metodología se logró mediante la colaboración entre la Universidad RWTH de Aachen, Fraunhofer FIT en Alemania, la Universidad de Sousse en Túnez, Process Insights en Hamburgo, la Universidad Tecnológica de Eindhoven y Microsoft. AgWf admite la descomposición de tareas complejas en flujos de trabajo más fáciles y manejables. Este enfoque optimizará las tareas de minería de procesos con las que los métodos tradicionales tienen dificultades al integrar herramientas deterministas que brindan resultados consistentes con las hazañas de razonamiento avanzado de los LLM. Esta nueva metodología es un gran paso hacia la aplicación de la IA a la minería de procesos.
El flujo de trabajo del agente basado en IA divide las tareas complejas en unidades más pequeñas con mayor enfoque, y agentes especializados se encargan de cada una de ellas. Estos agentes han sido equipados con recursos materiales y cognitivos para la ejecución de su trabajo particular, lo que garantiza que cada paso del proceso se lleve a cabo correctamente. El flujo de trabajo está diseñado para maximizar la calidad del resultado general al garantizar que cada agente realice su tarea de manera efectiva antes de pasar la información a la siguiente etapa. Por ejemplo, en caso de un problema en la detección de anomalías y la generación de código, AgWf asignaría las tareas a diferentes agentes especializados. Los resultados finales son más precisos y confiables debido a la división del trabajo, lo que aumenta la eficiencia.
La metodología AgWf se probó en varias tareas complejas de minería de procesos; los resultados fueron impresionantes. Mejoró el manejo de escenarios que requieren comprensión semántica y mejoró considerablemente la ejecución del código. El enfoque aseguró una descomposición correcta y más precisa de las tareas, mejorando la calidad general de los resultados. En las tareas que requerían evaluaciones de imparcialidad, la metodología AgWf superó a los métodos tradicionales basados en LLM, logrando una mayor tasa de precisión. Por ejemplo, la metodología mejoró la precisión de las tareas hasta en un 20% en comparación con los métodos existentes en algunas pruebas de referencia. Los autores coordinadores de Microsoft y otros señalaron que este enfoque finalmente ayudaría a superar las limitaciones de las técnicas actuales de minería de procesos, proporcionando una solución más sólida para tareas complejas.
El flujo de trabajo de agentes basado en IA es un avance en la minería de procesos. Se trata de un paradigma muy potente porque los desafíos creados por los enfoques tradicionales se descomponen en tareas complejas mediante herramientas basadas en IA combinadas con métodos deterministas. La investigación del equipo de instituciones como la Universidad RWTH de Aachen y Microsoft muestra que AgWf puede mejorar la precisión y la fiabilidad de la minería de procesos en un amplio margen, lo que puede ser fundamental para las organizaciones que buscan optimizar sus procesos comerciales.
Echa un vistazo a la Papel. Todo el crédito por esta investigación corresponde a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de Telegram y LinkedIn Gr¡Arriba!. Si te gusta nuestro trabajo, te encantará nuestro hoja informativa..
No olvides unirte a nuestro Subreddit de más de 48 000 millones de usuarios
Encuentra lo próximo Seminarios web sobre IA aquí
Nikhil es consultor en prácticas en Marktechpost. Está cursando una doble titulación integrada en Materiales en el Instituto Indio de Tecnología de Kharagpur. Nikhil es un entusiasta de la IA y el aprendizaje automático que siempre está investigando aplicaciones en campos como los biomateriales y la ciencia biomédica. Con una sólida formación en ciencia de los materiales, está explorando nuevos avances y creando oportunidades para contribuir.