AI for augmenting human judgement in Business Processes Management

• Autorzy: Osuszek Łukasz , Stanek Stanisław

Identyfikatory

DOI

10.5604/01.3001.0015.3404

Warianty tytułu

PL

Sztuczna inteligencja dla wzbogacenia procesu decyzyjnego w zarządzaniu procesami biznesowymi

• Języki publikacji: EN

Abstrakty

EN

The paper outlines the recent trends in the evolution of Business Process Management (BPM) – especially the application of AI for decision support. AI has great potential to augment human judgement. Indeed, Machine Learning might be considered as a supplementary and complimentary solution to enhance and support human productivity throughout all aspects of personal and professional life. The idea of merging technologies for organizational learning and workflow management was first put forward by Wargitsch. Herein, completed business cases stored in an organizational memory are used to configure new workflows, while the selection of an appropriate historical case is supported by a case-based reasoning component. This informational environment has been recognized in the world as being effective and has become quite common because of the significant increase in the use of artificial intelligence tools. This article discusses also how automated planning techniques (one of the oldest areas in AI) can be used to enable a new level of automation and processing support. The authors of the article decided to analyse this topic and discuss the scientific state of the art and the application of AI in BPM systems for decision-making support. It should be noted that readily available software exists for the needs of the development of such systems in the field of artificial intelligence. The paper also includes a unique case study with production system of Decision Support, using controlled machine learning algorithms to predictive analytical models.

PL

W artykule przedstawiono najnowsze trendy w ewolucji zarządzania procesami biznesowymi – zwłaszcza zastosowanie sztucznej inteligencji do wspomagania decyzji. Sztuczna inteligencja ma ogromny potencjał, by wzmocnić ludzki osąd. Uczenie maszynowe może być uważane za dodatkowe i uzupełniające rozwiązanie zwiększające i wspierające produktywność ludzi we wszystkich aspektach życia osobistego i zawodowego. Idea łączenia technologii uczenia się organizacji i zarządzania przepływem pracy została przedstawiona przez Wargitscha. Ukończone sprawy biznesowe przechowywane w pamięci organizacyjnej służą do konfigurowania nowych przepływów pracy. Wybór odpowiedniego przypadku historycznego jest poparty komponentem wnioskowania opartym na przypadkach. To środowisko informacyjne zostało uznane na świecie ze względu na znaczny wzrost wykorzystania narzędzi sztucznej inteligencji. Istnieje duża liczba kwalifikujących się do użycia i łatwo dostępnych algorytmów na potrzeby rozwoju systemów sztucznej inteligencji wspierającej procesy biznesowe. W tym artykule omówiono także, w jaki sposób można zastosować techniki automatycznego planowania (jeden z najstarszych obszarów AI), aby umożliwić nowy poziom automatyzacji i wsparcia przetwarzania. Wdrożenie sztucznej inteligencji wykazuje znaczące wyniki, szczególnie w celu uzyskania wyższego zysku. Autorzy artykułu postanowili przeanalizować ten temat i omówić stan wiedzy naukowej oraz zastosowanie sztucznej inteligencji w systemach BPM do wspomagania decyzji. Artykuł zawiera także unikalne studium przypadku z systemem produkcji wspomagania decyzji, wykorzystujące algorytmy kontrolowanego uczenia maszynowego do predykcyjnych modeli analitycznych.

Słowa kluczowe

EN

artificial intelligence; machine learning; decision support; business process management; adaptive case management; knowledge management

PL

sztuczna inteligencja; nauczanie maszynowe; wsparcie decyzyjne; zarządzanie procesami biznesowymi; adaptacyjne zarządzanie sprawami; zarządzanie wiedzą

• Wydawca: Wydawnictwo Akademii Wojsk Lądowych imienia generała Tadeusza Kościuszki
• Czasopismo: Scientific Journal of the Military University of Land Forces
• Rocznik: 2021
• Tom: Vol. 53, No. 3(201)
• Strony: 507--518
• Opis fizyczny: Bibliogr. 15 poz.

Twórcy

autor

Osuszek Łukasz

• Faculty of Management, General Tadeusz Kościuszko Military University of Land Forces, Wrocław, Poland

• https://orcid.org/0000-0002-3695-7512

autor

Stanek Stanisław

• Faculty of Management, General Tadeusz Kościuszko Military University of Land Forces, Wrocław, Poland

• https://orcid.org/0000-0001-9939-4350

Bibliografia

• 1. Russell SJ, Norvig P. Artificial intelligence. A modern approach. 2nd Ed. Upper Saddle River, NJ: Prentice Hall; 2003.
• 2. Schank RC. Where’s the AI. AI Magazine. 1991;12(4):38-49.
• 3. Wargitsch C, Wewers T, Theisinger F. WorkBrain: Merging Organizational Memory and Workflow Management Systems. In: In Workshop of Knowledge-Based Systems for Knowledge Management in Enterprises at the 21st annual German Conference on AI (KI-97). Kaiserslautern, Germany; 1997.
• 4. Geffner H, Bonet B. A concise introduction to models and methods for automated planning. San Rafael, Calif.: Morgan & Claypool; 2013.
• 5. Maggi FM, Dumas C, Ghidini M. Predictive monitoring of business processes. In: Jarke M, Mylopoulos J, Quix C, Rolland C (eds.). Advanced information systems engineering. 26th international conference, CAiSE 2014, Thessaloniki, Greece, June 16-20, 2014. Proceedings. Cham: Springer; 2014.
• 6. Marella A. What Automated Planning Can Do for Business Process Management. Business Process Management Workshops. 2017. DOI: 10.1007/978-3-319-74030-0_1.
• 7. Ferreira HM, Ferreira DR. An integrated life cycle for workflow management based on learning and planning. International Journal of Cooperative Information Systems. 2006;15(4):485-505. DOI: 10.1142/S0218843006001463.
• 8. Vujovic A. Improvement of business processes performances based on management systems by using artificial intelligence. PhD thesis. University of Montenegro; 2008.
• 9. Metaxiotis KS, Askounis D, Psarras J. Expert systems in production planning and scheduling: A state-of-the-art survey. Journal of Intelligent Manufacturing. 2002;13(4):253-60.
• 10. van der Aalst WM, Weske M, Grünbauer D. Case handling: a new paradigm for business process support. Data & knowledge engineering. 2005;53(2):129-62.
• 11. Koplowitz R. The Forrester Wave™: Digital Process Automation Software, Q3 2017, [online]. Forrester. 5 July 2017. Available at: https://www.forrester.com/report/The+Forrester+Wave+Digital+Process+Automation+Software+Q3+2017/-/E-RES136905 [Accessed: 21 October 2019].
• 12. Taleb NN. The Black Swan: The Impact of the Highly Improbable. New York: Random House; 2007.
• 13. Damasio AR, Tranel D. Nouns and verbs are retrieved with differently distributed neural systems. Proceedings of the National Academy of Sciences of the United States of America. 1993;90(11):4957-60. DOI: 10.1073/pnas.90.11.4957.
• 14. Gigerenzer G. How to Make Cognitive Illusions Disappear: Beyond “Heuristics and Biases”. European Review of Social Psychology. 1991;2(1):83-115.
• 15. Kahneman D, Tversky A (eds.). Choices, Values and Frames. New York: Cambridge University Press; 2000.