Revolutionizing Process Mining: A Novel Architecture for ChatGPT Integration and Enhanced User Experience through Optimized Prompt Engineering

📄 arXiv: 2405.10689v1 📥 PDF

作者: Mehrdad Agha Mohammad Ali Kermani, Hamid Reza Seddighi, Mehrdad Maghsoudi

分类: cs.CL

发布日期: 2024-05-17

💡 一句话要点

提出一种基于优化Prompt工程的ChatGPT集成架构，提升过程挖掘工具的用户体验。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 过程挖掘 大型语言模型 ChatGPT Prompt工程 用户体验 业务流程管理 人工智能

📋 核心要点

  1. 现有过程挖掘工具复杂，难以被非专业人士使用，阻碍了业务流程的优化。
  2. 通过集成ChatGPT，并针对过程挖掘子模块设计优化Prompt，实现更自然的人机交互。
  3. 实验结果表明，该方法显著提升了用户体验，专家评估72%的结果为“良好”。

📝 摘要（中文）

本研究提出了一种新颖的方法，通过将大型语言模型（LLM），如ChatGPT，集成到过程挖掘工具中，使过程分析更易于被广泛用户所接受。该研究旨在探讨ChatGPT如何增强分析能力、改善用户体验、提高可访问性以及优化过程挖掘工具的架构框架。本研究的关键创新在于为每个过程挖掘子模块开发定制的prompt工程策略，确保AI生成的输出准确且与上下文相关。集成架构遵循提取、转换、加载（ETL）过程，包括各种过程挖掘引擎模块，并利用零样本和优化的prompt工程技术。ChatGPT通过API连接，接收来自过程挖掘模块的结构化输出，从而实现对话式交互。为了验证该方法的有效性，研究人员使用了来自17家使用BehfaLab过程挖掘工具的公司的数据。结果表明，用户体验得到了显著改善，专家小组将72%的结果评为“良好”。这项研究通过将过程挖掘与人工智能相结合，推动了业务流程分析方法的发展。未来的研究方向包括进一步优化prompt工程、探索与其他AI技术的集成以及评估在各种业务环境中的可扩展性。这项研究为过程挖掘和人工智能交叉领域的持续创新铺平了道路，有望彻底改变企业分析和优化流程的方式。

🔬 方法详解

问题定义：现有过程挖掘工具的分析能力强大，但用户界面复杂，专业性强，导致非专业人士难以理解和使用，从而限制了其在业务流程优化中的应用。因此，需要一种更易于访问和使用的过程挖掘工具，以帮助更广泛的用户群体理解和改进他们的业务流程。

核心思路：本研究的核心思路是将大型语言模型（LLM），特别是ChatGPT，集成到过程挖掘工具中，利用LLM的自然语言处理能力，将复杂的流程数据转化为易于理解的解释和建议。通过优化Prompt工程，确保LLM生成的输出与过程挖掘的上下文相关，从而提高分析的准确性和实用性。

技术框架：该研究采用了一种基于提取、转换、加载（ETL）的集成架构。首先，从业务系统中提取流程数据。然后，利用过程挖掘引擎模块对数据进行处理和分析，生成结构化的输出。接着，通过API将这些结构化输出传递给ChatGPT。ChatGPT根据预先设计的优化Prompt，生成自然语言的解释和建议，最终呈现给用户。用户可以通过对话的方式与ChatGPT交互，进一步探索流程数据。

关键创新：本研究的关键创新在于针对不同的过程挖掘子模块，设计了定制化的Prompt工程策略。这意味着针对不同的分析任务（例如，发现流程模型、识别瓶颈、分析变体），使用不同的Prompt模板和参数，以确保ChatGPT生成的输出与任务目标高度相关。这种定制化的Prompt工程策略显著提高了LLM在过程挖掘领域的应用效果。

关键设计：研究中使用了零样本学习和优化的Prompt工程技术。零样本学习是指在没有特定训练数据的情况下，直接利用LLM的预训练知识来完成任务。优化的Prompt工程是指通过实验和迭代，不断调整Prompt的措辞和结构，以提高LLM的输出质量。此外，研究还使用了BehfaLab的过程挖掘工具，并针对其不同的模块设计了相应的Prompt。

📊 实验亮点

研究人员使用来自17家公司的数据验证了该方法的有效性。结果表明，集成ChatGPT后，用户体验得到了显著改善，专家小组将72%的结果评为“良好”。这表明该方法能够有效地提高过程挖掘工具的可访问性和实用性。

🎯 应用场景

该研究成果可应用于各种行业的业务流程管理和优化。通过集成ChatGPT，过程挖掘工具能够更易于使用，从而帮助企业更有效地识别和解决流程瓶颈，提高运营效率，降低成本。未来，该技术还可应用于智能流程自动化、流程监控和合规性检查等领域。

📄 摘要（原文）

In the rapidly evolving field of business process management, there is a growing need for analytical tools that can transform complex data into actionable insights. This research introduces a novel approach by integrating Large Language Models (LLMs), such as ChatGPT, into process mining tools, making process analytics more accessible to a wider audience. The study aims to investigate how ChatGPT enhances analytical capabilities, improves user experience, increases accessibility, and optimizes the architectural frameworks of process mining tools. The key innovation of this research lies in developing a tailored prompt engineering strategy for each process mining submodule, ensuring that the AI-generated outputs are accurate and relevant to the context. The integration architecture follows an Extract, Transform, Load (ETL) process, which includes various process mining engine modules and utilizes zero-shot and optimized prompt engineering techniques. ChatGPT is connected via APIs and receives structured outputs from the process mining modules, enabling conversational interactions. To validate the effectiveness of this approach, the researchers used data from 17 companies that employ BehfaLab's Process Mining Tool. The results showed significant improvements in user experience, with an expert panel rating 72% of the results as "Good". This research contributes to the advancement of business process analysis methodologies by combining process mining with artificial intelligence. Future research directions include further optimization of prompt engineering, exploration of integration with other AI technologies, and assessment of scalability across various business environments. This study paves the way for continuous innovation at the intersection of process mining and artificial intelligence, promising to revolutionize the way businesses analyze and optimize their processes.