自OpenAI推出ChatGPT以來已經一年多了，這是一個重要的演變時期。ChatGPT 的成功引發了人們對人工智能在更廣泛領域的影響的興趣和對話。

毫無疑問，人工智能是一項改變游戲規則的技術，但其長期影響和變化仍有待觀察。 圍繞這個主題的對話提出了技術細節之外的話題，例如保障措施、數據隱私、版權、知識產權以及法律影響。

例如，在企業使用中，與使用共享云服務相關的挑戰是顯而易見的。可能需要私有實例來確保客戶端識別數據 (CID) 不與其他公司和實體共享。 因此，企業必須仔細評估何時何地加速人工智能的采用以及何時謹慎行事。

我們長期以來一直對 AI 如何支持最終用戶以及建模過程感興趣。 隨著人工智能作為一項關鍵技術的地位日益突出，以及企業越來越多地尋求利用其能力，我們正在積極探索將人工智能集成到流程自動化中的多種途徑，并認識到在實施過程中需要具有戰略洞察力。

探索建模中的人工智能：潛在價值是什么？

過去，我們討論了許多有關人工智能的事情，并重點關注了運行時方面的事情。例如，可以使用和組合不同類型的人工智能技術來改善模型的用戶體驗。這當然包括調用 ChatGPT 和其他基于 REST 的 AI 提供商。 基于“整體大于部分之和”的方法，Alphaflow可用于協調多種人工智能技術，并以此為用戶提供價值。然而，實際上，這是多個服務任務的集合。

人工智能和模型創建與優化

人工智能還可以在模型創建和優化過程中帶來好處。 一般來說，有兩種方法可以做到這一點：

1.以文字或音頻的形式描述模型：

這可以以特定或抽象的方式完成。 這種方法是文本密集型的，但也允許我們使用通用短語，例如“使用典型字段創建索賠流程”。 這可能會給我們一個起點，而無需分析我們自己的流程本身。

2. 拍攝現有草稿的照片并將其轉換為實際模型：

雖然這種方法聽起來像 OCR，但它仍然開啟了隨后使用 AI 學習和增強模型的可能性。 它還允許我們檢測業務流程的不同場景并在圖中對其進行建模，以及字段類型預測和潛在值。 結合這兩種方法可以實現最大價值。 我們使用現有字段掃描表單，從中創建數字版本，并為此生成典型流程，甚至可能針對不同步驟增強表單。

生成模型

過去，我們嘗試使用 ChatGPT 3.5 基于文本描述生成 BPMN 模型。使用 ChatGPT 3.5 會產生好壞參半的結果，例如，圖表顯示的 XML 標簽不匹配以及有關邊界事件的知識有限。 然而，使用 ChatGPT 4.0，BPMN 模型的輸出有了很大的提高。

然而，我們發現，當我們使用基于 JSON 的中間語言來描述我們想要的模型時，可以獲得最佳且最可預測的結果。 通過明確定義允許 ChatGPT 運行的約束，生成的模型語法是正確的并且接近用戶的期望。 它還提高了性能，因為由于輸出較少，生成速度更快。

結論

通過Alphaflow使用 ChatGPT 或其他生成式 AI 的方法有多種。 創建模型是加速流程或應用程序初始創建的有效方法，但也可用于在流程后期創建表單或其他元素。 使用流程的定制中間定義語言而不是 BPMN 有助于實現可預測的可導入結果。