人工智能在建模中的价值

自OpenAI推出ChatGPT以来已经一年多了，这是一个重要的演变时期。ChatGPT 的成功引发了人们对人工智能在更广泛领域的影响的兴趣和对话。

毫无疑问，人工智能是一项改变游戏规则的技术，但其长期影响和变化仍有待观察。 围绕这个主题的对话提出了技术细节之外的话题，例如保障措施、数据隐私、版权、知识产权以及法律影响。

例如，在企业使用中，与使用共享云服务相关的挑战是显而易见的。可能需要私有实例来确保客户端识别数据 (CID) 不与其他公司和实体共享。 因此，企业必须仔细评估何时何地加速人工智能的采用以及何时谨慎行事。

我们长期以来一直对 AI 如何支持最终用户以及建模过程感兴趣。 随着人工智能作为一项关键技术的地位日益突出，以及企业越来越多地寻求利用其能力，我们正在积极探索将人工智能集成到流程自动化中的多种途径，并认识到在实施过程中需要具有战略洞察力。

探索建模中的人工智能：潜在价值是什么？

过去，我们讨论了许多有关人工智能的事情，并重点关注了运行时方面的事情。例如，可以使用和组合不同类型的人工智能技术来改善模型的用户体验。这当然包括调用 ChatGPT 和其他基于 REST 的 AI 提供商。 基于“整体大于部分之和”的方法，Alphaflow可用于协调多种人工智能技术，并以此为用户提供价值。然而，实际上，这是多个服务任务的集合。

人工智能和模型创建与优化

人工智能还可以在模型创建和优化过程中带来好处。 一般来说，有两种方法可以做到这一点：

1.以文字或音频的形式描述模型：

这可以以特定或抽象的方式完成。 这种方法是文本密集型的，但也允许我们使用通用短语，例如“使用典型字段创建索赔流程”。 这可能会给我们一个起点，而无需分析我们自己的流程本身。

2. 拍摄现有草稿的照片并将其转换为实际模型：

虽然这种方法听起来像 OCR，但它仍然开启了随后使用 AI 学习和增强模型的可能性。 它还允许我们检测业务流程的不同场景并在图中对其进行建模，以及字段类型预测和潜在值。 结合这两种方法可以实现最大价值。 我们使用现有字段扫描表单，从中创建数字版本，并为此生成典型流程，甚至可能针对不同步骤增强表单。

生成模型

过去，我们尝试使用 ChatGPT 3.5 基于文本描述生成 BPMN 模型。使用 ChatGPT 3.5 会产生好坏参半的结果，例如，图表显示的 XML 标签不匹配以及有关边界事件的知识有限。 然而，使用 ChatGPT 4.0，BPMN 模型的输出有了很大的提高。

然而，我们发现，当我们使用基于 JSON 的中间语言来描述我们想要的模型时，可以获得最佳且最可预测的结果。 通过明确定义允许 ChatGPT 运行的约束，生成的模型语法是正确的并且接近用户的期望。 它还提高了性能，因为由于输出较少，生成速度更快。

结论

通过Alphaflow使用 ChatGPT 或其他生成式 AI 的方法有多种。 创建模型是加速流程或应用程序初始创建的有效方法，但也可用于在流程后期创建表单或其他元素。 使用流程的定制中间定义语言而不是 BPMN 有助于实现可预测的可导入结果。