这篇研究论文讨论了如何将人工智能技术，如机器学习和深度学习，应用于企业业务流程管理，以提高效率和客户体验，并呼吁 BPM 社区构建能够向商业用户解释AI模型结果的解释性方法。
Jan, 2020
该研究概述了人工智能在法律领域应用的起源和发展历程，并介绍了自然语言处理在法律文本分析中的最新进展及其现状。
Mar, 2022
本研究提出了一种基于自然语言处理的业务自动化构建范例，通过应用大型自然语言模型将业务规则和自动化描述转换为业务规则引擎可解释的领域特定语言，以解决业务用户缺乏足够的编程能力的问题。实验比较了不同语言模型配置在不同目标领域下的性能，并探索了应用约束解码以确保正确生成输出的可能性。
Jul, 2022
本研究项目旨在通过将人工智能和商业流程管理领域的研究结合起来，自动从执行流程数据中导出流程模型，并进行自适应规划和执行实时预测的业务流程。
Aug, 2022
通过使用现代Transformer架构和传统机器学习技术，评估模拟过程规律的能力，并突出关键特征，提高模型预测能力。证明了应用机器学习模型预测关键业务流程的有效性以及XAI组件提供的新见解。
Dec, 2022
介绍了使用具有 AI 动力的自动化技术的业务流程，其中包括了经典业务流程管理、目标驱动的聊天机器人、对话式推荐系统和机器人流程自动化，探讨了这一新领域中最主要的挑战，并引入合成数据集，演示了众包和目标驱动方法来进行过程监控。
大规模语言模型（LLMs）在文本相关的业务流程管理任务中表现出与现有解决方案相当甚至更好的性能，这为未来的BPM研究和实际应用带来了重要的启示。
Jul, 2023
通过引入计算管理作为一种桥梁，将管理科学的战略见解与计算思维的分析严谨性结合起来，本文提供了三个简易的步骤来开始在工作流程中实施人工智能，改善组织利用人工智能潜力的能力，并为人工智能和人类提供了一套工具来共同提升组织的效率和创新能力。
Feb, 2024
本文探讨了将基于规则系统的稳定性与基于大型语言模型（LLMs）的适应能力相结合，以生成可操作的商业见解的混合方法的有效性。
Apr, 2024
对用于商业流程管理的人工智能和机器学习的整合进行系统回顾和分析，发现其在流程改进和增强中发挥了重要作用，为未来的研究提供了有价值的创新研究和工具。
Jul, 2024