本研究提出了 AI-Augmented Business Process Management Systems (ABPMSs) 的概念，并讨论了需要克服的研究挑战，以实现提高业务流程执行的可适应性、主动性、可解释性和上下文敏感性的目标。
Jan, 2022
该研究提出了一个框架，通过一系列结构化步骤将低级 IoT 传感器数据转换为适用于过程挖掘的高级过程事件，以引导事件提取、抽象和关联，为特定分析技术和算法插入变化点。
May, 2024
本文探讨大数据管理的三个层面：技术、人和流程，并强调技术、人和流程对于大数据管理是有关键性作用的。
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
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
本文提出了一种基于知识图谱的方法，用于缓解事件日志中的噪声 / 不完整信息对流程分析技术的影响，并帮助流程分析师理解与事件日志相关的可变性。
Jan, 2023
该论文探讨了发展用于处理商业流程数据的基础模型的重要性，以应对数据稀缺、多模型表示、领域特定术语和隐私问题等独特挑战。
Oct, 2022
通过将 LLMs 的相关性和知识系统以及自动推理方法的分析精度和可靠性相结合，提出了大型过程模型（LPM），该模型将大大减少业务转型所需的时间和工作量，并能提供比以前更深入、更有影响力和更具操作性的见解。
Sep, 2023
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
自动流程发现关注业务流程性能，其中等待时间至关重要。本文提出了一种能够明确与时间轴对齐的自动构建流程模型的方法，并以直接后继图为例证。通过对两个 BPIC 数据集和一个专有数据集的评估，突出了该表示方法相较于标准布局技术的优势。
Dec, 2023