Hyper-automation-The next peripheral for automation in IT industries
Amity University(阿米提大学)
本文探讨了超级自动化通过结合AI、RPA和脑机接口(BCI)实现IT业务端到端自动化,显著提升任务效率与人类增强能力,并分析了其应用领域与工作流技术。
2023-05-14 cs.AI cs.HC
AssetForge: Asset-Augmented Task Synthesis for Business Automation Agents
Shanghai Jiao Tong University(上海交通大学)
AssetForge提出资产增强型任务构建流水线,在AutomationBench等基准上微调大模型,相比传统Rubrics显著提升业务自动化智能体的任务执行性能。
2026-10-22 cs.AI
D3BA: A Tool for Optimizing Business Processes Using Non-Deterministic Planning
IBM Research AI(IBM研究院人工智能部门)
本文基于对话代理的声明式设计的最新工作,并提出了一个令人兴奋的新工具-D3 BA-用于数字业务自动化的声明式设计,旨在使用AI规划的力量优化业务流程。该工具提供了一个强大的框架来构建、优化和维护复杂的业务流程,并通过与自动化一个或多个子任务的服务组合来优化它们。我们说明了这种组合技术的显着特点,与其他哲学的组成,并强调令人兴奋的机会,在这个新兴的业务流程自动化领域的研究。
2020-02-04 cs.AI
AI-Enhanced Business Process Automation: A Case Study in the Insurance Domain Using Object-Centric Process Mining
Linköping University, Linköping, Sweden(林雪平大学);Stockholm University, Stockholm, Sweden(斯德哥尔摩大学)
该研究以保险行业理赔部件识别任务为案例,应用以对象为中心的流程挖掘(OCPM)评估大语言模型(LLM)自动化对业务流程可扩展性的影响,证实LLM提升运营能力的同时也带来新流程动态,并验证了OCPM的实际应用价值与局限。
2025-04-24 cs.AI
Do's and Don'ts for Human and Digital Worker Integration
IBM Research(IBM研究)
机器人过程自动化(RPA)及其下一个发展阶段,智能过程自动化,有望推动效率和过程结果的改进。然而,企业领导者如何评估如何将智能自动化集成到业务流程中?人类和机器之间的合理分工是什么?如何评估人类-AI联合团队?对于RPA,通常会直接比较人力成本和机器人劳动力成本,以做出自动化决策。在这份立场文件中,我们主张更广泛的观点,在将数字员工整合到业务流程中时,将多层次的自主性和人类参与的潜力以及生产力之外的更广泛的指标纳入其中
2020-10-15 cs.AI
From Words to Workflows: Automating Business Processes
Novelis Research and Innovation Lab(诺维利斯研究与创新实验室)
本文提出 Text2Workflow,利用 LLM 将自然语言请求转换为 JSON 可执行工作流,为各类业务流程提供低人工干预、可扩展的智能自动化方案。
2024-12-04 cs.AI
Agentic Business Process Management Systems
University of Tartu(塔尔图大学)
本文提出了一种整合自主性、推理和学习的代理业务流程管理系统,利用流程挖掘技术实现数据驱动的业务流程管理,重新定义流程自动化和治理的边界。
2026-01-25 cs.AI cs.SE
An Agentic AI for a New Paradigm in Business Process Development
Department of Industrial Engineering, University of Trento(工业工程系,特伦托大学)
本研究针对传统业务流程开发方法的局限,提出基于Agentic AI的智能体驱动开发方法,以目标、对象和智能体为核心组织流程,支持多智能体协作完成合并目标,实现动态工业环境下灵活的上下文感知自动化。
2025-07-29 cs.AI
Introduction to the Artificial Intelligence that can be applied to the Network Automation Journey
INSA Toulouse(图卢兹国立应用科学学院)
计算机网络世界正在发生变化,NetDevOps方法已将应用程序和系统的动态引入通信基础设施领域。企业正在发生变化,企业面临着与构成这些基础设施的硬件和软件的多样性有关的困难。“基于意图的网络-概念和定义”文档描述了NetDevOps可能涉及的生态系统的不同部分。识别、生成意图、翻译和细化功能需要一种新的方法来实现算法。这就是人工智能的用武之地。
2022-04-02 cs.AI cs.NI
Ethical and Scalable Automation: A Governance and Compliance Framework for Business Applications
University College London(伦敦大学学院)
针对企业AI应用的伦理、治理与合规风险,本文提出兼顾伦理、可控、可行性与可取性的统一框架,并通过金融、医疗及LLM合成观点案例验证其透明度、性能与可扩展性。
2024-12-05 cs.AI cs.LG
Towards Intelligent Robotic Process Automation for BPMers
Sapienza Università di Roma(罗马第一大学)
机器人流程自动化(RPA)是一种快速发展的自动化技术,位于业务流程管理(BPM)和人工智能(AI)之间,允许组织自动化大批量例程。RPA工具能够捕获先前由人类用户在计算机系统的界面上执行的这些例程的执行,然后借助于软件机器人代替用户来仿真它们的执行。如今,在BPM领域,只有涉及日常工作的简单、可预测的业务流程可以在没有解释余地的情况下通过RPA工具自动化,而更复杂的工作仍然留给人类专家。在本文中,从市场上可用的RPA工具的深入实验开始,我们提供了一个分类框架,根据一些关键维度对它们进行分类。然后,基于此分析,我们得出四个研究挑战,并讨论了为当前RPA技术注入智能所需的前瞻性方法,以实现RPA在BPM领域的更广泛采用。
2020-01-03 cs.AI cs.SE
Recording of 50 Business Assignments
Microsoft Development Center Copenhagen(微软哥本哈根开发中心)
本文针对流程挖掘领域的业务任务分析研究需求,发布了包含50个真实业务流程的综合数据集,可为任务挖掘、流程自动化等方向的研究与实践提供支撑。
2023-08-22 cs.AI cs.SE
What Automated Planning can do for Business Process Management
Sapienza - University of Rome(罗马大学)
业务流程管理(BPM)是当今组织的核心要素。尽管多年来它的主要重点一直是支持高度控制的领域中的流程,但现在BPM社区感兴趣的许多领域的特征是不断变化的需求,不可预测的环境和影响流程实例执行的数据量不断增加。在这种动态条件下,BPM系统必须提高其自动化水平,以提供流程管理所需的反应性和灵活性。另一方面,人工智能(AI)社区已经将其努力集中在调查涉及计算实体和物理设备的主动控制的动态域(例如,机器人、软件代理等)。在这种情况下,自动规划是人工智能中最古老的领域之一,被认为是一种基于模型的方法,可以从模型中自动合成自主行为。在本文中,我们将讨论如何利用自动化计划技术来实现新的自动化水平和对业务处理的支持,并展示一些成功应用于BPM生存周期不同阶段的具体示例。
2017-10-20 cs.AI
Multimodal Document Analytics for Banking Process Automation
Humboldt University of Berlin(柏林洪堡大学)
本研究针对银行文档密集型流程效率问题,通过案例研究证实,引入布局信息的多模态模型 LayoutXLM 相比 BERT 和 GPT 等文本模型能大幅提升文档处理性能,且仅需 30% 训练数据即可达到 75% 以上的 F1 分数,为银行业多模态文档分析提供了实证依据与实践指导。
2023-11-26 cs.AI cs.CL cs.CV
WONDERBREAD: A Benchmark for Evaluating Multimodal Foundation Models on Business Process Management Tasks
Stanford University(斯坦福大学)
提出首个超越自动化的业务流程管理(BPM)多模态基础模型评估基准WONDERBREAD,包含2928个工作流演示和6个真实任务,发现现有模型虽能生成文档但难以完成细粒度验证。
2024-10-11 cs.AI cs.LG cs.SE
Business Entity Matching with Siamese Graph Convolutional Networks
IBM Research - Zurich(IBM苏黎世研究院);University of Trento(特伦托大学);EPFL(洛桑联邦理工学院)
数据集成已经被广泛研究了几十年,并从不同的角度进行了探讨。然而,这个领域仍然主要是规则驱动的,缺乏通用的自动化。机器学习,特别是深度学习的最新发展为数据集成任务提供了更通用、更有效的解决方案。在本文中,我们展示了一种方法,允许建模和集成实体,利用它们的关系和上下文信息。这是通过结合连体和图神经网络来实现的,以有效地在连接的实体之间传播信息并支持高可扩展性。我们评估了我们的方法在整合有关业务实体的数据的任务,证明它优于传统的基于规则的系统和其他深度学习方法。
2021-05-08 cs.AI cs.LG
Estimating productivity gains in digital automation
The University of Manchester(曼彻斯特大学);Idiap Research Institute(Idiap研究所)
本文提出了一种新的生产率估计模型,以评估在生产链中采用人工智能(AI)组件的效果。我们的模型提供了证据,以解决“AI的”索洛的Parabolism。我们提供(i)理论和经验证据来解释索洛的二分法;(ii)数据驱动的模型来估计和评估生产率的变化;(iii)基于流程挖掘数据集的方法来确定业务流程,BP和生产率;(iv)一组计算机模拟参数;(v)劳动力分配的实证分析。这些数据提供了为什么我们认为AI索洛悖论是度量错误测量的结果。
2022-10-08 cs.AI cs.SY eess.SY
FinRobot: Generative Business Process AI Agents for Enterprise Resource Planning in Finance
AI4Finance Foundation(AI4Finance基金会);Columbia University(哥伦比亚大学);New York University Shanghai(纽约大学上海分校)
本文提出面向ERP系统的生成式业务流程AI智能体框架GBPAs,通过生成式AI与多智能体编排实现财务工作流端到端自动化,实验显示处理时间最多降低40%、错误率降低94%。
2025-06-02 cs.AI cs.SE q-fin.GN
ProcessGPT: Transforming Business Process Management with Generative Artificial Intelligence
Macquarie University(麦考瑞大学);Dublin City University(都柏林城市大学);Vienna University of Technology(维也纳工业大学)
本文提出 ProcessGPT,利用在业务流程数据上训练并微调的 GPT 生成流程模型、支持决策与自动化,并以大型银行场景展示其增效价值。
2023-05-29 cs.AI
Explainable AI Enabled Inspection of Business Process Prediction Models
Queensland University of Technology(昆士兰科技大学)
以机器学习技术为基础的现代数据分析已成为数据主导决策自动化的关键推动因素。作为最先进的数据分析的一个重要分支,业务流程预测也面临着一个挑战,即缺乏解释的推理和决策的基础“黑箱”预测模型。随着可解释的机器学习技术的发展,可以为黑盒模型生成解释,使(人类)用户能够访问机器学习预测背后的推理。在本文中,我们的目标是提出一种方法,使我们能够使用模型解释来研究机器学习预测应用的某些推理,并检测潜在的问题,从而提高对业务流程预测模型的信任。我们的方法的一个新的贡献是模型检查的建议,利用可解释的机器学习机制和上下文或领域的知识,从记录历史过程执行的事件日志中提取的解释。从这项工作中得出的结果,预计将作为一个关键的投入,开发模型的可靠性指标和评估的背景下,业务流程的预测。
2021-07-16 cs.AI cs.LG
A Nascent Taxonomy of Machine Learning in Intelligent Robotic Process Automation
TU Dortmund University(多特蒙德工业大学)
本文通过文献综述提出智能RPA分类法,以RPA-ML集成与交互为元特征,涵盖八个维度,为机器学习增强RPA能力提供系统化框架。
2025-09-19 cs.AI cs.RO
AI-Decision Checkpoints for AI-Augmented Business Process Management: Framework and Educational Instantiation
Stockholm University(斯德哥尔摩大学)
本文提出AI决策检查点框架,通过教学案例实例化,帮助流程开发者将AI作为一等设计元素,区分任务级自动化与流程级价值。
2026-10-06 cs.AI
FLOW-BENCH: Towards Conversational Generation of Enterprise Workflows
IBM Research AI(IBM人工智能研究院)
本文提出FLOW-BENCH数据集与FLOW-GEN方法,利用LLM将自然语言指令经Python语法中间表示转换为BPMN、DMN等流程定义,并在八个LLM上评估。
2025-05-16 cs.AI cs.SE
Intelligent Decision Assistance Versus Automated Decision-Making: Enhancing Knowledge Work Through Explainable Artificial Intelligence
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
虽然基于人工智能的自动化决策的最新进展为企业和社会带来了许多好处,但也付出了代价。长期以来,人们一直知道,高水平的决策自动化可能会导致各种缺点,例如自动化偏见和技能下降。特别是,知识工作者的去技能化是一个主要问题,因为他们也是应该训练、挑战和发展人工智能的人。为了解决这个问题,我们概念化一类新的DSS,即智能决策辅助(IDA)的基础上两个不同的研究流- DSS和自动化的文献综述。IDA通过自动化决策支持知识工作者,而不影响他们。具体来说,我们建议使用可解释AI(XAI)技术,同时保留具体的AI建议。为了检验这一概念,我们开发假设的影响,IDA和文献中的实证研究的基础上,其有效性提供了第一个证据。
2021-09-28 cs.AI cs.HC
Optimizing Structured Data Processing through Robotic Process Automation
Manipal University Jaipur(马尼帕尔大学斋浦尔分校);Chandigarh Group of Colleges(昌迪加尔学院集团);Qassim University(卡西姆大学)
本研究探究机器人流程自动化(RPA)在结构化数据提取中的应用,通过多场景对比实验验证其相较人工流程在效率与准确性上的显著优势,凸显其优化业务运营的变革性潜力。
2024-10-31 cs.AI cs.RO
Machine Learning-Based Cloud Computing Compliance Process Automation
University of California San Diego(加州大学圣迭戈分校);University of California, Los Angeles(加州大学洛杉矶分校)
本文提出融合 BERT、One-Class SVM 与改进 CNN-LSTM 的云计算合规自动化框架,显著缩短合规周期、提升准确率并减少人工工作量,且经券商真实交易场景验证。
2025-02-22 cs.AI cs.CY cs.DC
Future of work: ethics
UCL(伦敦大学学院);LifeD Lab(LifeD实验室)
在即将到来的新时代,工作必须重新塑造,其特点是新的挑战和新技术和计算工具的存在。过度自动化似乎是数字化进程的驱动力。替代是人工智能和机器人技术发展的范式。数字技术应旨在提高人的技能,更有效地利用人的认知和能力。数字技术的特点还在于可扩展性,因为它的部署简单而便宜。因此,自动化可能会导致工作岗位的缺失,并对人类发展和业务绩效产生可扩展的负面影响。从可持续发展目标的角度来看数字化,可以告诉我们数字化如何影响不同的部门和领域,将社会视为一个复杂的相互关联的系统。在这里,关于人工智能和数据如何影响未来工作和可持续发展的思考是基于一个道德核心,包括人类层面的原则和系统性原则。
2021-04-06 cs.AI cs.CY cs.HC
Future Automation Engineering using Structural Graph Convolutional Neural Networks
University of California Irvine(加州大学尔湾分校);Carnegie Mellon University(卡内基梅隆大学);University of Southern California(南加州大学);Siemens Corporate Technology(西门子企业技术部)
自动化工程的数字化产生了大量的工程数据,这些数据在知识图谱中相互关联。根据子图的功能对子图进行分类和聚类有助于发现功能等效的工程工件,这些工件表现出不同的图结构。本文提出了一种新的图学习算法,旨在分类的工程数据工件-表示在图的形式-根据其结构和邻域特征。我们的结构图卷积神经网络(SGCNN)能够学习图和子图,具有新的图不变卷积核和下采样/池化算法。在一个现实的工程相关数据集上,我们证明了SGCNN能够达到约91%的分类准确率。
2018-08-24 cs.AI
Agentic Business Process Management: A Research Manifesto
Free University of Bozen-Bolzano(博尔扎诺自由大学);University of Oxford(牛津大学);University of Tartu(塔尔图大学);IBM Research(IBM研究院);Umeå University(于默奥大学);paluno (Ruhr Institute for Software Technology), University of Duisburg Essen(帕卢诺(鲁尔软件技术研究所),杜伊斯堡-埃森大学);University of Ottawa(渥太华大学);German Research Center for Artificial Intelligence (DFKI)(德国人工智能研究中心(DFKI));Saarland University(萨尔大学);The University of Melbourne(墨尔本大学);TUM School of Computation, Information, and Technology, TU Munich(慕尼黑工业大学计算、信息与技术学院);RMIT University(皇家墨尔本理工大学);Meta;University of St. Gallen(圣加仑大学)
本文提出了一项宣言,阐述了代理业务流程管理(APM)的概念基础,即一种扩展业务流程管理(BPM)以管理组织中自主代理执行流程的框架。APM代表了一种管理范式转变,从传统的业务流程视角转向以代理为导向的抽象,其中软件和人类代理作为主要功能实体,在显式流程框架内感知、推理和行动。
2026-04-12 cs.AI
Identification of Regulatory Requirements Relevant to Business Processes: A Comparative Study on Generative AI, Embedding-based Ranking, Crowd and Expert-driven Methods
Technical University of Munich(慕尼黑工业大学);University of Queensland(昆士兰大学)
本研究针对识别业务流程相关监管要求的人工成本高的问题,比较了基于嵌入的NLP排序、GPT-4生成式AI、众包与专家纯手动四种方法在两个真实案例中的表现,为不同场景下选择最优方法组合提供了指导原则。
2024-01-02 cs.AI cs.CL
A Practical Guide to Agentic AI Transition in Organizations
Old Dominion University(旧 Dominion 大学);Florida International University(佛罗里达国际大学);Nanyang Technological University(南洋理工大学);University of Colombo(科伦坡大学);Center for Wireless Communications, University of Oulu(无线通信中心,奥卢大学);University of Sri Jayewardenepura(斯里贾yenepura大学);Accenture Technology Labs(埃森哲技术实验室)
本文提出了一种实用框架,帮助组织将手动流程转型为自动化代理AI系统,通过领域驱动用例识别、任务委托给AI代理及人机协同模型实现可持续的自动化与业务价值对齐。
2026-01-27 cs.AI cs.CY
A Hybrid LLM-Based Framework for Automated Security Annotation Generation in Business Process Models
CentraleSupélec(中央高等电力学院);Université Paris-Saclay(巴黎-萨克雷大学);University of Bergamo(贝加莫大学);University of Klagenfurt(克拉根福大学)
该研究提出一种混合LLM与规则的框架,输入BPMN模型和安全需求文档,自动生成符合SecBPMN2规范的安全标注,在27个流程模型数据集上验证,其准确率优于人工分析师,提升效率与可靠性。
2026-08-17 cs.AI cs.CR cs.SE
Machine Learning Model Integration with Open World Temporal Logic for Process Automation
Syracuse University(苏塞克斯大学);Arizona State University(亚利桑那州立大学)
本文提出将机器学习模型与PyReason框架整合,以提升复杂流程自动化的决策能力和可解释性。
2026-01-07 cs.AI cs.LG cs.LO
Beyond the Data Mesh Illusion: Designing Modern AI-augmented Lakehouses to Bridge the Gap Between Theory and Practice
ishango.ai Zurich, Switzerland(ishango.ai 瑞士苏黎世);Independent Researcher(独立研究者)
针对企业数据平台中领域自服务与整体治理之间的张力,提出一种基于现代湖仓架构的AI增强型中心辐射模型,通过中心卓越中心提供共享服务与AI治理,领域团队逐步承担更多责任,以平衡灵活性与控制,并通过数据产品采纳率、查找时间和洞察时间三个指标评估架构效果。
2026-05-26 cs.AI cs.DB cs.ET
Relational Action Bases: Formalization, Effective Safety Verification, and Invariants (Extended Version)
Università degli Studi di Milano(米兰大学);Free University of Bozen-Bolzano(博尔扎诺自由大学)
本文提出关系动作库(RABs)通用框架,解除状态有界性与动作限制,并通过基于SMT的后向搜索及全称不变量实现数据感知业务流程的有效安全验证。
2023-08-11 cs.AI
Beyond Generalist LLMs: Specialist Agentic Systems for Structured Code Workflow Execution
研究在业务流程自动化中,将BPMN图转换为可执行代理工作流时,专业代理是否值得额外开发。引入专业工作流并与通用代理比较,结果显示专业代理在多方面表现更优,通用代理代码生成不一致,不适用于工业环境。
2026-07-17 cs.AI cs.SE
Retrieval-Augmented Multi-Agent System for Rapid Statement of Work Generation
University of Texas, Dallas, United States(德克萨斯大学达拉斯分校);Insight Global, Atlanta, United States(洞察全球)
本文提出了一种基于多智能体的增强检索系统,用于快速生成工作说明书,通过智能体协作提高效率和准确性,减少法律风险。
2025-08-11 cs.AI cs.MA
Agoran: An Agentic Open Marketplace for 6G RAN Automation
Yale University, New Haven(耶鲁大学);University of Granada(格拉纳达大学)
Agoran提出一个由立法、行政、司法三AI分支构成的智能体化市场,使利益相关者与中介智能体在单轮内谈判达成帕累托最优意图,并在5G测试平台上实现eMBB吞吐量提升37%、URLLC时延降低73%及PRB使用节省8.3%。
2025-08-21 cs.AI cs.NI