[論文レビュー] Large Language Models for Business Process Management: Opportunities and Challenges

Maxim Vidgof, Stefan Bachhofner+1 more|arXiv (Cornell University)|Apr 9, 2023

Business Process Modeling and Analysis被引用数 4

ひとこと要約

本論文は、ビジネスプロセス管理（BPM）のライフサイクル全体にわたり、大規模言語モデル（LLMs）の統合を検討し、応用、データ、ベンチマーク、ドメイン固有のLLM開発に関する6つの研究方向を提案する。自動化とBPMタスクの強化の機会を同定する一方で、幻覚現象、バイアス、倫理的リスクといった重要な課題にも言及し、体系的でタスク指向の導入およびオープンソースのドメインチューニング済みモデルの活用を提唱する。

ABSTRACT

Large language models are deep learning models with a large number of parameters. The models made noticeable progress on a large number of tasks, and as a consequence allowing them to serve as valuable and versatile tools for a diverse range of applications. Their capabilities also offer opportunities for business process management, however, these opportunities have not yet been systematically investigated. In this paper, we address this research problem by foregrounding various management tasks of the BPM lifecycle. We investigate six research directions highlighting problems that need to be addressed when using large language models, including usage guidelines for practitioners.

研究の動機と目的

• 大規模言語モデル（LLMs）がビジネスプロセス管理（BPM）ライフサイクルにどのように統合されるかを体系的に入念に調査すること。
• 幻覚現象、バイアス、倫理的リスクを含む、LLMsをBPMに使用する際の主な課題を特定し、それらに対処すること。
• タスク固有の統合からドメインチューニング済みモデル開発に至るまで、LLMsのBPM応用を進めるための6つの研究方向を提唱すること。
• 研究と実践的導入を支援するため、オープンソースでBPMに特化したLLMsの活用を提唱すること。
• 人間とLLMsのタスク固有の協働に注目することで、LLMsに関する期待値の誇張を管理すること。

提案手法

• 本研究は探索的アプローチを採用し、LLMの能力を特定のBPMライフサイクル段階と管理タスクにマッピングする。
• LLMのBPMにおける応用状況を踏まえ、6つの核心的で研究方向を同定する。これには使用ガイドラインやシステム統合が含まれる。
• 研究手法は、一般のブームではなく、タスクに焦点を当てた応用を重視し、既存のNLP、ディープラーニング、知識グラフ技術を活用する。
• GPT や OPT といった既存のLLMを活用し、BPM固有のユースケースに特化したファインチューニングとドメイン適応に注力する。
• 強化学習および少数ショット／ゼロショット学習の知見を活用し、LLMの一般化能力をBPM文脈で評価する。
• LLMを既存のBPM技術（例：プロセスモデル、文書、音声）と組み合わせることで、文脈に配慮した認識を高めることを提唱する。

実験結果

リサーチクエスチョン

• RQ1 LLMsは、管理タスクを支援するために、BPMライフサイクルの異なる段階にどのように効果的に統合されるか？
• RQ2 LLMsをBPMに使用する際の主な課題、とりわけ事実の正確性、バイアス、倫理的含みについて、何が挙げられるか？
• RQ3 LLMsは、プロセスマッピングや要件工学といったドメイン固有のBPM課題に対処するために、どのように適応またはファインチューニングされるべきか？
• RQ4 文脈に配慮した入力（例：プロセス図、音声メモ、文書）は、BPMシナリオにおけるLLMのパフォーマンス向上にどのような役割を果たすか？
• RQ5 オープンソースでドメイン特化されたLLMsは、どのように開発され、BPM分野の研究と実践を進めるために活用されるか？

主な発見

• LLMsは、自然言語理解と生成の能力を活かして、プロセスマッピング、要件工学、プロセス再設計といったBPMタスクの強化に大きな可能性を示している。
• プロセス図、コメント、音声メモなどの文脈的アーティファクトとLLMsを統合することで、タスクの正確性と関連性が顕著に向上する。
• 幻覚現象、事実誤認、トレーニングデータに起因するバイアスは、依然として深刻な課題であり、特にハイリスクなBPM応用では顕著である。
• BPM固有のデータで一般向けLLMsをファインチューニングすることで、ベースモデルに比べてより信頼性が高くドメインに配慮した出力を得られる。
• ドメイン特化されたLLMsをオープンソース化することで、研究への広範なアクセスが可能になり、商業的ライセンスの壁がない組織での実用的導入が促進される。
• LLMsを既存のBPM技術（例：ソフトウェアプラグイン、知識グラフ）と組み合わせることで、スケーラブルで文脈に配慮した自動化への有望な道筋が得られる。