當(dāng)生成式AI遇到業(yè)務(wù)流程管理，大語言模型正在變革BPM

生成式AI時代的業(yè)務(wù)流程管理變革，BPM迎來大型流程模型

從大語言模型到大流程模型，生成式AI帶來的BPM范式轉(zhuǎn)變

基于價值鏈的生成式AI流程應(yīng)用，探索LLM影響B(tài)PM的另一種方式

從生成式AI對業(yè)務(wù)流程的增變量，看LLM如何影響業(yè)務(wù)流程管理

由業(yè)務(wù)驅(qū)動生成式AI應(yīng)用，大語言模型快速融入業(yè)務(wù)流程管理

文/王吉偉

生成式AI對各領(lǐng)域有很大影響，一個方面在于它改變了很多固有業(yè)務(wù)的工作流。

工作流（Workflow）是業(yè)務(wù)流程的一種實現(xiàn)方式，一個業(yè)務(wù)流程往往包含多個工作流范式以及相關(guān)的數(shù)據(jù)、組織和系統(tǒng)。

因此，提及工作流必然離不開業(yè)務(wù)流程。

業(yè)務(wù)流程（Business Process），是為達(dá)到特定價值目標(biāo)而由不同的人分別共同完成的一系列活動，是企業(yè)用來實現(xiàn)目標(biāo)的可重復(fù)步驟集合。

使用業(yè)務(wù)流程，可以幫助組織提高客戶滿意度和提高對快速市場變化做出反應(yīng)的敏捷性。同時面向流程的組織打破了結(jié)構(gòu)部門的障礙，并能夠避免功能孤島。良好的業(yè)務(wù)流程，對于朝著目標(biāo)取得進(jìn)展和改善業(yè)務(wù)運(yùn)營至關(guān)重要。

隨著業(yè)務(wù)規(guī)模的不斷壯大，組織的業(yè)務(wù)流程往往變得過于龐大和復(fù)雜。這時就需要自動化工具的幫助和管理，由此誕生了業(yè)務(wù)流程管理（BPM，Business Process Management）這種流程管理方法論。

BPM是一種結(jié)構(gòu)化方法，用于改進(jìn)組織用于完成工作、服務(wù)客戶和產(chǎn)生業(yè)務(wù)價值的流程。它使用各種方法來改進(jìn)業(yè)務(wù)流程，包括分析業(yè)務(wù)流程、對業(yè)務(wù)流程在不同場景中的工作方式進(jìn)行建模、實施更改、監(jiān)視新流程等，并不斷提高其推動所需業(yè)務(wù)成果和結(jié)果的能力。

用以支持自動改進(jìn)業(yè)務(wù)流程并支持組織大規(guī)模業(yè)務(wù)變更的業(yè)務(wù)流程管理軟件，被稱作BPM軟件、套件或系統(tǒng)（BPMS，Business Process Management SoftwareSuiteSystem），它是不同類型的技術(shù)的集合，包括流程挖掘工具、用于繪制業(yè)務(wù)流程圖的BPMN工具、工作流引擎及模擬和測試工具等。

近年來，隨著AI等技術(shù)的進(jìn)一步發(fā)展，新型技術(shù)被引入和集成到BPM軟件中，BPMS也進(jìn)化成了智能BPMS（IBPMS，此概念由研究公司Gartner創(chuàng)造），并將低無代碼 （LCNC，Low Code No Code）及RPA等技術(shù)納入其中。

此外，還發(fā)展出了用于分析業(yè)務(wù)流程及操作工作流中各個步驟的新一代流程智能（Process Intelligence），以幫助組織識別流程瓶頸并提高運(yùn)營效率。

隨著市場需求的進(jìn)一步擴(kuò)大，最近幾年AI等技術(shù)已在深度影響B(tài)PM，這些技術(shù)為發(fā)現(xiàn)、設(shè)計、測量、改進(jìn)和自動化工作流提供了新的方法。而在今年大語言模型（LLM，Large language Models ）爆發(fā)后，BPM又在積極引入生成式AI技術(shù)以及基于大語言模型進(jìn)行各種探索與演化。

BPM遇到生成式AI發(fā)生了什么變化？生成式AI為行業(yè)帶來了哪些影響？大語言模型時代的BPM又該是怎樣的？

本文，王吉偉頻道就跟大家聊聊這些。

生成式AI帶來的BPM范式轉(zhuǎn)變

競爭日益激烈的現(xiàn)代商業(yè)世界中，BPM和流程智能是決定公司成功成敗的重要組成部分。

BPM主要涉及現(xiàn)有業(yè)務(wù)流程的識別、設(shè)計、執(zhí)行、文檔和監(jiān)視，它旨在使這些流程盡可能有效和高效，常用的工具和方法包括六西格瑪、精益管理和BPMN（業(yè)務(wù)流程模型和表示法）。

流程智能可以看作是BPM的分析大腦，如果說BPM擔(dān)當(dāng)“怎么做”，流程智能就擔(dān)任了“怎么知道”。它涉及了仔細(xì)檢查大量過程數(shù)據(jù)，以收集可以導(dǎo)致智能決策的見解。

傳統(tǒng)的流程智能方法依賴于手動審核、數(shù)據(jù)分析和專用軟件來可視化和評估過程效率。而AI技術(shù)的應(yīng)用，特別是生成式AI，重新定義了這些領(lǐng)域的基礎(chǔ)，為BPM帶來了范式轉(zhuǎn)變。

生成式AI是人工智能的延伸，專注于創(chuàng)建新的數(shù)據(jù)模型、自動化工作流程，甚至預(yù)測算法。這項技術(shù)以神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)算法為基礎(chǔ)，顛覆了傳統(tǒng)的BPM和流程智能技術(shù)。

傳統(tǒng)BPM和流程智能方法是手動、線性和孤立的，生成式AI則提供了自動化、高度自適應(yīng)和集成系統(tǒng)的可能性，這些系統(tǒng)可以隨著時間的推移而學(xué)習(xí)和發(fā)展。

在BPM中，生成式AI可以在幾秒鐘內(nèi)自動模擬數(shù)千個流程路徑，以確定最高效和最有效的路徑。這與精益或六西格瑪?shù)葌鹘y(tǒng)方法形成鮮明對比，后者可能需要數(shù)周或數(shù)月才能產(chǎn)生優(yōu)化結(jié)果。

麥肯錫的一項研究表示，將生成式AI集成到BPM實踐的公司，運(yùn)營成本降低了多達(dá)20%。

在流程智能領(lǐng)域，生成式AI也取得了重大進(jìn)展。

數(shù)據(jù)分析，通常涉及數(shù)據(jù)科學(xué)家手動制定要分析的假設(shè)和模型。生成式AI可以根據(jù)現(xiàn)有數(shù)據(jù)自動生成這些模型，從而減少分析所需的時間和人為錯誤。Forreste的一份報告表明，使用AI增強(qiáng)型流程智能的組織在識別流程方面比傳統(tǒng)方法快50%。

因此，生成式AI不只是添加到現(xiàn)有BPM和流程智能庫中的工具，更改變了人們理解、分析和實施業(yè)務(wù)流程的方式，代表了一次重大的范式轉(zhuǎn)變。

借助生成式AI，組織將獲得植根于自適應(yīng)智能和無與倫比的效率的競爭優(yōu)勢。

基于價值鏈的生成式AI流程應(yīng)用

以往我們分析生成式AI的對業(yè)務(wù)流程的影響，主要探索技術(shù)對某些業(yè)務(wù)場景的變革，這是一種節(jié)點式的觀察。如果我們把這些節(jié)點縮小，將目光整體放到企業(yè)價值鏈上，就會有更多的發(fā)現(xiàn)。

企業(yè)價值鏈?zhǔn)且云髽I(yè)內(nèi)部價值活動為核心所形成的價值鏈體系，它由一系列為顧客制造價值的活動和功能組成，能夠展示企業(yè)的設(shè)計、生產(chǎn)、營銷、運(yùn)輸?shù)葹轭櫩蛣?chuàng)造價值的一系列活動、功能以及業(yè)務(wù)流程之間的連接情況。

探索生成式AI如何影響企業(yè)價值鏈，能夠了解其對企業(yè)經(jīng)營更深層次意義。

我們可以從端到端業(yè)務(wù)流程入手，構(gòu)建一個價值鏈生成式AI應(yīng)用示意圖，并在上面重點標(biāo)注重復(fù)模式的子流程和任務(wù)，這些標(biāo)注的業(yè)務(wù)流程可以視作應(yīng)用生成式AI的重要指標(biāo)。

當(dāng)標(biāo)注工作完成后，可以將這些已標(biāo)注流程大概分為三種類型。

第一種類型，與生成式AI增強(qiáng)客戶數(shù)字體驗的潛力有關(guān)。這是通過使用自然語言與軟件交互、客戶支持自動化和信息對話檢索來實現(xiàn)的。

第二種類型，涉及生成式AI協(xié)助業(yè)務(wù)流程和知識管理的內(nèi)容創(chuàng)建帶來的潛在好處。這些業(yè)務(wù)流程一般會通過生成流程模型定義（比如重新設(shè)計招聘流程等）、在業(yè)務(wù)流程上下文中生成實際內(nèi)容（比如自動創(chuàng)建的職位描述等）以及詳細(xì)闡述文檔和數(shù)據(jù)（比如總結(jié)客戶支持交互等）來實現(xiàn)。

第三種類型，與生成式AI提高專業(yè)和公民開發(fā)人員的速度和有效性的能力有關(guān)。這些業(yè)務(wù)流程，是通過從自然語言生成代碼、代碼自動完成和自動生成文檔來實現(xiàn)的。

需要說明的是，對于適合應(yīng)用生成AI的任務(wù)，關(guān)鍵在于分析任務(wù)中所涉及業(yè)務(wù)角色的“當(dāng)天生命周期”，可以更清晰地了解當(dāng)前任務(wù)進(jìn)行的細(xì)節(jié)、差距、問題以及更廣泛的背景。

比如分析物流小哥一天中的業(yè)務(wù)，如果他們的任務(wù)從手動輸入送貨單轉(zhuǎn)變?yōu)橥ㄟ^人工智能處理的簡單地驗證送貨單，將會大幅加快送貨單的處理時間。

這種方法，也可以稱作業(yè)務(wù)驅(qū)動的生成式AI應(yīng)用。

用業(yè)務(wù)驅(qū)動的方法來識別業(yè)務(wù)流程中生成式AI的應(yīng)用領(lǐng)域，可以為企業(yè)帶來寶貴的見解和機(jī)會。而通過分析端到端業(yè)務(wù)流程并創(chuàng)建重復(fù)模式的熱圖，組織可以確定有效利用生成式AI 的業(yè)務(wù)流程位置。

上面列出的三種基本類型，主要用于改善數(shù)字體驗、協(xié)助內(nèi)容創(chuàng)建和知識管理以及提高開發(fā)人員的速度和效率，能為廣大組織探索生成式AI的高效應(yīng)用奠定堅實基礎(chǔ)。

當(dāng)然為了確保這種方法的成功實施，必須分析任務(wù)、了解挑戰(zhàn)、將場景與目標(biāo)聯(lián)系起來，設(shè)計工作流、用戶體驗以及與 AI 功能和業(yè)務(wù)邏輯的數(shù)據(jù)集成，還需要進(jìn)行健全性檢查以確保安全性、隱私合規(guī)性和整體可行性。

生成式AI對業(yè)務(wù)流程的增變量

大家都清楚，應(yīng)用程序方案應(yīng)該鏈接到明確的業(yè)務(wù)目標(biāo)和組織范圍。一旦建立生成式AI在業(yè)務(wù)流中的應(yīng)用關(guān)系，就可以設(shè)計與構(gòu)建業(yè)務(wù)流程了。

這其中，有一些步驟將基于常規(guī)與規(guī)則的業(yè)務(wù)邏輯，從企業(yè)應(yīng)用程序和其他來源檢索數(shù)據(jù)；還有一些步驟，將是可以被AI功能取代的任務(wù)。

除了流程工作流之外，還需要設(shè)計用戶體驗和利用現(xiàn)有數(shù)據(jù)和潛在新數(shù)據(jù)的方法。

例如，可以考慮從企業(yè)系統(tǒng)中檢索有關(guān)作業(yè)配置文件的一些數(shù)據(jù)，使用該數(shù)據(jù)構(gòu)建生成式AI服務(wù)的輸入以生成建議的作業(yè)配置文件描述，然后將其存儲在同一個企業(yè)系統(tǒng)中。

這里有一個加快生成式AI業(yè)務(wù)方案設(shè)計的方法，就是將融合AI技術(shù)的業(yè)務(wù)流程視為構(gòu)建各種功能模塊，將AI功能與常規(guī)業(yè)務(wù)邏輯相結(jié)合。

這些功能構(gòu)建塊可以包括文本摘要、翻譯、情緒分析、問題和答案、圖像編輯、文本到圖像生成等功能。例如，在客戶滿意度分析流程的上下文中，可以使用摘要AI功能來查看社交媒體帖子和其他數(shù)據(jù)源，然后應(yīng)用情緒分析AI功能來生成驗證記錄的凈推薦值分?jǐn)?shù)的輸出。

采用這種將AI功能和業(yè)務(wù)邏輯相結(jié)合的機(jī)制，業(yè)務(wù)解決方案將會演變?yōu)閮深悾涸隽亢妥兏铩?/p>

增量解決方案用以優(yōu)化現(xiàn)有流程或產(chǎn)品以提高盈利能力，變革性解決方案則引入了從根本上重塑業(yè)務(wù)運(yùn)營或行業(yè)的突破性方法。

來看兩個例子。

使用生成AI的增量解決方案的例子，可以聚焦用于營銷目的的內(nèi)容生成，它可以讓企業(yè)無需再花費數(shù)小時為社交媒體、博客文章或時事通訊創(chuàng)建引人入勝的內(nèi)容。借助生成式AI根據(jù)特定參數(shù)快速起草或建議內(nèi)容，可以節(jié)省時間和資源，提高效率并降低成本。

變革性的解決方案案例，可以看看人工智能驅(qū)動的個性化教育平臺。與標(biāo)準(zhǔn)課程不同，人工智能平臺可以根據(jù)每個學(xué)生的表現(xiàn)和興趣定制學(xué)習(xí)材料，從業(yè)務(wù)流程上徹底改變教育架構(gòu)。

當(dāng)然，選擇增量還是變革性解決方案，很大程度上取決于企業(yè)的特定需求、能力和戰(zhàn)略愿景，需要組織結(jié)合自身業(yè)務(wù)屬性與適配資源因地制宜。

業(yè)務(wù)驅(qū)動生成式AI的優(yōu)勢

將生成式AI集成到BPM和流程智能中，不僅僅是增量和變革，它還代表了組織如何管理、優(yōu)化和創(chuàng)新其運(yùn)營的巨大轉(zhuǎn)變。

這些轉(zhuǎn)變，主要表現(xiàn)在以下幾個方面：

流程優(yōu)化：生成式AI可以模擬許多流程路徑，使企業(yè)能夠確定最有效的路線。比如通過人工智能生成的模擬，將訂單到現(xiàn)金的周期時間縮短多達(dá)15%變得可行。

工作流程自動化：能夠創(chuàng)建新的自動化工作流程的人工智能算法可以增強(qiáng)客戶服務(wù)運(yùn)營，如自動工單等流程，可將時間縮短25%。

資源分配：該技術(shù)可實現(xiàn)動態(tài)資源分配，例如實時調(diào)整制造計劃，從而將停機(jī)時間減少10%。

增強(qiáng)的數(shù)據(jù)分析：生成式AI可以創(chuàng)建新的數(shù)據(jù)模型或假設(shè)，從而獲得更好的見解。一個引人注目的案例是預(yù)測性維護(hù)模型，該模型將工廠停機(jī)時間減少了多達(dá)20%。

決策支持：由生成式A1提供支持的高級決策支持系統(tǒng)(DSS)可以改善戰(zhàn)略規(guī)劃。數(shù)據(jù)顯示，情景規(guī)劃模型將市場進(jìn)入成功率提高了18%。

實時智能：該技術(shù)允許實時報告和洞察，例如將物流成本降低12%的供應(yīng)鏈儀表板。

挑戰(zhàn)和解決方案：雖然該技術(shù)具有變革性，但其成功實施需要應(yīng)對各種挑戰(zhàn)，包括數(shù)據(jù)隱私、技術(shù)要求和變更管理。

當(dāng)然，其中的大部分挑戰(zhàn)都可以通過戰(zhàn)略規(guī)劃及框架、技術(shù)補(bǔ)齊來克服。

從FM到LLM

2021年，斯坦福大學(xué)的研究人員首次提到了基礎(chǔ)模型（FM，F(xiàn)oundation Models），以總結(jié)機(jī)器學(xué)習(xí)模型的新水平，與遷移學(xué)習(xí)的概念密切相關(guān)。

他們將基礎(chǔ)模型定義為一種在大量原始數(shù)據(jù)基礎(chǔ)上通過無監(jiān)督學(xué)習(xí)訓(xùn)練而成的AI神經(jīng)網(wǎng)絡(luò)，可適應(yīng)各種任務(wù)，并把transformer模型、大型語言模型和其他仍在構(gòu)建的神經(jīng)網(wǎng)絡(luò)都?xì)w入到這個被他們稱之為基礎(chǔ)模型的重要新類別中。

基礎(chǔ)模型是在廣泛數(shù)據(jù)集上訓(xùn)練的，這些數(shù)據(jù)集可以在很大程度上進(jìn)行調(diào)整，使得只需非常小的訓(xùn)練樣本集就可以將它們專門化為某個利基產(chǎn)品或應(yīng)用案例。

傳統(tǒng)的機(jī)器學(xué)習(xí)方法需要大量的訓(xùn)練數(shù)據(jù)，收集和準(zhǔn)備此類數(shù)據(jù)非常耗時，成本高，投入大量時間。擁有一個預(yù)先訓(xùn)練的基礎(chǔ)模型，并且只針對專業(yè)化對其進(jìn)行微調(diào)，可以降低構(gòu)建新模型的運(yùn)營成本，為新的業(yè)務(wù)用例開辟無數(shù)的機(jī)會。

LLM是在大量文本數(shù)據(jù)（至少由數(shù)十億個參數(shù)組成）上訓(xùn)練的基礎(chǔ)模型，只需要給定自然語言描述的提示，LLM可以生成文本并執(zhí)行基于文本的任務(wù)。

隨著ChatGPT的上線，基于LLM的各種應(yīng)用也爆發(fā)式涌現(xiàn)，并且迅速影響B(tài)PM在內(nèi)的企業(yè)管理軟件，同時BPM技術(shù)合集中的各項子集技術(shù)也都在快速融合生成式AI。

擴(kuò)展閱讀：LLM時代到來，生成式AI會成為超自動化蓬勃發(fā)展的催化劑嗎？

從LLM到LPM

雖然通用LLM已經(jīng)增強(qiáng)了文案寫作、圖文設(shè)計等日常知識工作，但軟件工程、金融和人力資源等領(lǐng)域的專用模型的訓(xùn)練、融合及應(yīng)用仍然需要大量的培訓(xùn)。

由于LLM是基于統(tǒng)計的工具，它重用了大量通常策劃不佳的人工生成文本的語料庫，因此很多行為是不可預(yù)測的，輸出的結(jié)果經(jīng)常不符合邏輯，以至無法使用。這種情況，限制了LLM在很多商業(yè)環(huán)境中的適用性。

從結(jié)構(gòu)上講，流程模型是邏輯語句，因此許多基于LLM技術(shù)的進(jìn)步可以在流程管理領(lǐng)域采用。LLM可以訓(xùn)練廣泛的知識，用戶可以用它編寫食譜、撰寫劇本、繪制圖片等。但是，如果用戶問“生產(chǎn)流程中最大的問題是什么？”這樣的問題，一般得不到想要的答案。

特別是在BPM和流程智能中，決策對業(yè)務(wù)運(yùn)營具有重要的影響，深度學(xué)習(xí)并無法擔(dān)任可靠的、可信的和可操作的智能助手。

所以，LLM能否應(yīng)用于業(yè)務(wù)流程管理空間，一直以來都是智者見智。

在這個背景下，為了促進(jìn)BPM的進(jìn)一步智能化，需要將LLM（或更廣泛的基于基礎(chǔ)模型的方法）與符號數(shù)據(jù)管理（如知識圖）和自動推理方法集成。

同時為了推進(jìn)生成式AI時代BPM軟件技術(shù)基礎(chǔ)的整體認(rèn)知，在論文《Large Process Models Business Process Management in the Age of Generative AI》中，來自SAP的Timotheus Kampik以及來自曼海姆大學(xué)、墨爾本大學(xué)及慕尼黑工業(yè)大學(xué)等教育機(jī)構(gòu)的研究人員，提出了大型過程模型（LPM，Large Process Models）作為生成式AI時代軟件支持的BPM的中心概念框架（后臺發(fā)消息 LPM ，獲取該論文，王吉偉頻道提供漢化版）。

▲ LPM的概念性體系結(jié)構(gòu)（來源：LPM論文）

LPM被設(shè)想為一個神經(jīng)符號軟件系統(tǒng)（neuro-symbolic），它集成了專家積累的流程管理知識和組織如何運(yùn)行流程的精確數(shù)據(jù)與生成式AI和統(tǒng)計以及符號推理方法，從而融合了流程數(shù)據(jù)和知識。

給定流程數(shù)據(jù)在一個事件日志或關(guān)系格式，LPM自動識別特定流程的領(lǐng)域以及組織的上下文，然后生成見解和行動建議，再使用一組工具對流程進(jìn)行設(shè)計、分析、執(zhí)行和預(yù)測。

經(jīng)過微調(diào)和增強(qiáng)通用LMM 實現(xiàn)的LPM，通過與經(jīng)典算法工具和結(jié)構(gòu)化數(shù)據(jù)的安全和健全的集成，可以提供在以往設(shè)置中不會被發(fā)現(xiàn)的業(yè)務(wù)流程新見解，大大提高了流程的可觀察性。

▲ 通過對流程信息的專業(yè)化，將LLM提升為LPM（來源：SAP官網(wǎng)）

基于LPM，用戶可以訪問非結(jié)構(gòu)化和半結(jié)構(gòu)化組織知識，能夠利用來自數(shù)千名專家的數(shù)十年流程經(jīng)驗和非常寶貴的專業(yè)知識以及數(shù)千個組織的多年績效數(shù)據(jù)。還能通過特定于上下文的、自動定制的流程和其他業(yè)務(wù)模型、分析深入探討和改進(jìn)建議進(jìn)行進(jìn)一步微調(diào)和增強(qiáng)，從而大大減少生成業(yè)務(wù)流程見解所需的時間和精力。

LPM對業(yè)務(wù)流程管理軟件的影響

從各項應(yīng)用表現(xiàn)來看，LPM將會成為智能流程管理的主要推動者，同時LPM也將增強(qiáng)軟件或提供新的業(yè)務(wù)流程管理功能。

對于LPM對BPM軟件的影響，已經(jīng)在應(yīng)用LPM的SAP總結(jié)了以下幾點：

1. 利用情境化知識促進(jìn)自動化流程分析

LPM能夠利用大量的組織知識支持增強(qiáng)流程分析能力，例如生成流程自動化建議以及結(jié)構(gòu)流程改進(jìn)建議。

2. 通過將非結(jié)構(gòu)化流程信息轉(zhuǎn)化為洞察力來擴(kuò)展流程智能領(lǐng)域

LPM可以幫助直接從組織中豐富的非結(jié)構(gòu)化流程信息和數(shù)據(jù)中生成業(yè)務(wù)流程模型和流程分析，可以大大減少理解和改進(jìn)流程和操作所需的時間和精力。

3. 在人為控制下實現(xiàn)持續(xù)改進(jìn)的自動化

基于 LPM 的方法激增，這些方法自動生成人工可解釋和可驗證的分析查詢，將它們編譯為自動定制的深入過程調(diào)查�；�于此，流程變更操作可以自動推斷并以人機(jī)交互的方式觸發(fā)，以在更短的時間內(nèi)改進(jìn)流程操作。

4. 面向自動駕駛組織的企業(yè)通用人工智能

圍繞LPM的算法工具箱不斷擴(kuò)展，以便LPM可以根據(jù)過去的表現(xiàn)自動調(diào)整其推理，并進(jìn)一步增強(qiáng)數(shù)據(jù)和知識語料庫，實現(xiàn)由企業(yè)通用智能實現(xiàn)的完全自動化組織的愿景。

后記：BPM融合生成式AI的未來

隨著LLM的不斷發(fā)展與完善，BPM領(lǐng)域已經(jīng)出現(xiàn)很多有意思的應(yīng)用程序。借助生成式AI，用戶無需任何特殊專業(yè)技能即可快速、輕松地生成內(nèi)容，使用自然語言運(yùn)行任務(wù)可能比學(xué)習(xí)和導(dǎo)航系統(tǒng)要容易得多。

毋庸置疑，融合生成式AI的BPM用途是非常廣泛的，這點從麥肯錫發(fā)布的研究文章《Generative AI is here:How tools like ChatGPTcould change your business》就能體現(xiàn)出來（回復(fù) LPM ，獲取該文章PDF文件）。

在這篇文章中，麥肯錫預(yù)測了生成式AI在營銷、銷售、運(yùn)營、IT/工程、法務(wù)、人力資源和公用事業(yè)/員工優(yōu)化等領(lǐng)域的預(yù)期價值創(chuàng)造。

下圖來自這篇文章，可以看到生成式AI適用的這些領(lǐng)域，大部分應(yīng)用場景也能發(fā)現(xiàn)BPM的身影。在這些不同的應(yīng)用領(lǐng)域，可以看到生成式AI能夠作為BPM用戶處理特定任務(wù)的助手，這也意味著融合生成式AI的BPM的廣闊應(yīng)用前景。

雖然生成式AI與BPM的融合剛剛開始，但就現(xiàn)在的新型技術(shù)架構(gòu)、產(chǎn)品及應(yīng)用情況而言，生成式AI已經(jīng)成為業(yè)務(wù)流程管理和流程智能領(lǐng)域的革命性力量。尤其是優(yōu)化、自動化和數(shù)據(jù)驅(qū)動型洞察能力，帶來了前所未有的價值和效率提升。

對于其在未來的發(fā)展趨勢，這里王吉偉頻道也簡單列出幾點：

趨勢1：自適應(yīng)商業(yè)模式

未來的進(jìn)步可能會根據(jù)市場變化、客戶行為或全球事件實時調(diào)整商業(yè)模式。這種適應(yīng)性將重新定義業(yè)務(wù)運(yùn)營的敏捷性。

趨勢2：人與人工智能協(xié)作

隨著人工智能系統(tǒng)變得更加直觀和上下文感知，人與人工智能協(xié)作在決策過程中的范圍將擴(kuò)大，從而產(chǎn)生協(xié)同效應(yīng)，顯著提高運(yùn)營效率。

趨勢3：道德和監(jiān)管框架

隨著技術(shù)變得越來越普遍，可能會制定一個更全面的道德和監(jiān)管框架來管理其使用，平衡創(chuàng)新與道德考慮。

趨勢4：人工智能民主化

隨著基于云的人工智能解決方案和開源工具的可用性不斷提高，即使是較小的組織也可以利用生成式人工智能，從而在許多行業(yè)中創(chuàng)造公平的競爭環(huán)境。

趨勢5：增加投資

根據(jù)普華永道的數(shù)據(jù)，由于人工智能，到2030年，全球GDP可能會增加14%，相當(dāng)于額外的15.7萬億美元。這種收益，大部分可能來自應(yīng)用于業(yè)務(wù)流程的生成式人工智能的進(jìn)步。

雖然生成式AI與BPM的融合應(yīng)用與發(fā)展還存在一些挑戰(zhàn)，但其潛在的好處和驚艷的表現(xiàn)，已經(jīng)壓倒性地證明了它與當(dāng)代商業(yè)實踐的整合優(yōu)勢。

隨著生成式AI的不斷發(fā)展，其對BPM和流程智能的影響只會在規(guī)模和范圍上不斷擴(kuò)大。

全文完

【王吉偉頻道，關(guān)注AIGC與IoT，專注數(shù)字化轉(zhuǎn)型、業(yè)務(wù)流程自動化與RPA，歡迎關(guān)注與交流�！�

       原文標(biāo)題 : 生成式AI時代的業(yè)務(wù)流程管理變革，BPM迎來大型流程模型