Digital Transformation Chatbot (DTchatbot): Integrating Large Language Model-based Chatbot in Acquiring Digital Transformation Needs
作者: Jiawei Zheng, Gokcen Yilmaz, Ji Han, Saeema Ahmed-Kristensen
分类: cs.HC, cs.AI
发布日期: 2025-10-07
备注: Accepted by the International Conference on Human-Computer Interaction
💡 一句话要点
提出基于大语言模型的数字化转型需求获取聊天机器人DTchatbot
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 数字化转型 大型语言模型 聊天机器人 需求获取 工作流引擎
📋 核心要点
- 传统数字化转型需求获取方法（如专家访谈）存在日程冲突、资源限制和一致性问题。
- 利用大语言模型（LLM）构建聊天机器人，结合工作流指令，模拟专家访谈，获取数字化转型需求。
- 初步评估表明，聊天机器人能够有效遵循预定义工作流，支持用户交互，但仍有改进空间。
📝 摘要（中文）
许多组织通过数字化转型来提高运营效率，减少人工工作量，并通过自动化和数字化工具优化流程。为了实现这一目标，需要全面了解其独特的需求。然而，传统的专家访谈等方法虽然有效，但也面临着日程冲突、资源限制和不一致性等挑战。为了解决这些问题，我们研究了使用基于大型语言模型（LLM）的聊天机器人来获取组织的数字化转型需求。具体来说，该聊天机器人集成了基于工作流的指令与LLM的规划和推理能力，使其能够充当虚拟专家并进行访谈。我们详细介绍了聊天机器人的功能及其实现。初步评估表明，该聊天机器人按照设计运行，有效地遵循预定义的工作流程并支持用户交互，但也存在改进空间。最后，我们讨论了使用聊天机器人来获取用户信息的影响，强调了它们的潜力和局限性。
🔬 方法详解
问题定义：论文旨在解决组织在进行数字化转型时，如何高效、一致地获取其特定需求的问题。传统方法，如专家访谈，耗时耗力，容易受到专家主观因素的影响，且难以规模化应用。现有方法的痛点在于效率低、成本高、一致性差。
核心思路：论文的核心思路是利用大型语言模型（LLM）的自然语言理解和生成能力，构建一个智能聊天机器人，模拟专家访谈的过程，自动获取组织的数字化转型需求。通过预定义的工作流，引导用户逐步提供信息，从而更全面、系统地了解组织的需求。
技术框架：DTchatbot的技术框架主要包括以下几个模块：1) 工作流引擎：定义访谈流程，控制对话的顺序和内容。2) LLM驱动的对话管理：利用LLM理解用户输入，生成合适的回复，并根据工作流选择下一步对话。3) 知识库：存储数字化转型的相关知识，为LLM提供背景信息。4) 用户界面：提供用户与聊天机器人交互的界面。整个流程是用户通过界面与chatbot交互，chatbot根据预设工作流和LLM能力引导用户，并将收集到的信息存储到知识库中。
关键创新：论文的关键创新在于将工作流与LLM的规划和推理能力相结合，构建了一个可控、可解释的数字化转型需求获取系统。与传统的基于规则的聊天机器人相比，DTchatbot能够更好地理解用户的意图，并生成更自然、更相关的回复。与直接使用LLM进行访谈相比，DTchatbot通过工作流保证了访谈的结构性和完整性。
关键设计：论文中提到chatbot集成了workflow-based instruction，但没有详细描述工作流的具体设计。LLM的选择和prompt的设计是关键，但论文中没有明确指出使用了哪个LLM以及具体的prompt engineering策略。损失函数和网络结构等技术细节未提及。
🖼️ 关键图片
📊 实验亮点
初步评估表明，DTchatbot能够按照预定义的工作流程运行，并支持用户交互。虽然论文中没有提供具体的性能数据，但结果表明，基于LLM的聊天机器人能够有效地模拟专家访谈，获取数字化转型需求，具有一定的应用潜力。未来的工作可以集中在提升chatbot的准确性和用户体验上。
🎯 应用场景
该研究成果可应用于企业数字化转型咨询、IT服务提供商、政府机构等领域，帮助组织更高效、低成本地获取数字化转型需求，制定更合理的转型策略。未来，该技术可扩展到其他领域的知识获取和需求分析，例如智能客服、教育辅导等。
📄 摘要（原文）
Many organisations pursue digital transformation to enhance operational efficiency, reduce manual efforts, and optimise processes by automation and digital tools. To achieve this, a comprehensive understanding of their unique needs is required. However, traditional methods, such as expert interviews, while effective, face several challenges, including scheduling conflicts, resource constraints, inconsistency, etc. To tackle these issues, we investigate the use of a Large Language Model (LLM)-powered chatbot to acquire organisations' digital transformation needs. Specifically, the chatbot integrates workflow-based instruction with LLM's planning and reasoning capabilities, enabling it to function as a virtual expert and conduct interviews. We detail the chatbot's features and its implementation. Our preliminary evaluation indicates that the chatbot performs as designed, effectively following predefined workflows and supporting user interactions with areas for improvement. We conclude by discussing the implications of employing chatbots to elicit user information, emphasizing their potential and limitations.