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

在快速发展的业务流程管理领域，越来越需要能将复杂数据转化为可操作见解的分析工具。本研究通过将大型语言模型（LLMs），例如ChatGPT，集成到流程挖掘工具中，引入了一种新颖方法，使流程分析更加易于接触。本研究旨在研究ChatGPT如何增强分析能力、改善用户体验、提高可访问性和优化流程挖掘工具的架构框架。本研究的关键创新在于为每个流程挖掘子模块开发了一个量身定制的提示工程策略，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，包括各种流程挖掘引擎模块，并利用零-shot和优化的提示工程技术。ChatGPT通过API连接，并从流程挖掘模块接收结构化输出，实现对话交互。为了验证这种方法的有效性，研究人员使用了17家使用BehfaLab的流程挖掘工具的公司的数据。结果显示，用户体验有了显著的改善，专家小组评价了72％的结果为“良好”。本研究通过将流程挖掘与人工智能相结合，为业务流程分析方法的进步做出了贡献。未来的研究方向包括进一步优化提示工程、探索与其他人工智能技术的集成以及评估在各种业务环境中的可扩展性。这项研究为流程挖掘和人工智能交叉领域的持续创新铺平了道路，有望革新企业分析和优化其流程的方式。

将大型语言模型（LLMs）如ChatGPT集成到过程挖掘工具中，以便将复杂数据转化为可操作洞察力，以解决过程挖掘工具的分析能力、用户体验和可访问性方面的问题。

通过为每个过程挖掘子模块开发定制的提示工程策略，将ChatGPT与过程挖掘工具集成，使用ETL过程将ChatGPT与各种过程挖掘引擎模块连接，并使用零-shot和优化的提示工程技术，使ChatGPT能够接收过程挖掘模块的结构化输出，从而实现对话交互。

实验使用了BehfaLab的过程挖掘工具的17家公司的数据，结果显示用户体验有显著改善，专家小组对72%的结果评为“好”。此研究将过程挖掘与人工智能相结合，为业务流程分析方法的发展做出了贡献。

最近的相关研究包括“Process Mining and Artificial Intelligence: A Literature Review”和“Artificial Intelligence in Business Process Management: A Survey”。