Publicado em: 23/09/2024

Inteligência Artificial no gerenciamento de processos de negócios

Pesquisa inovadora, liderada pela Profa. Dra. Lucineia Heloisa Thom, visa melhorar a eficiência dos processos organizacionais e contribuir para a formação de profissionais capacitados para lidar com os desafios contemporâneos das organizações.

Autores da Pesquisa:  Guilherme Rego Rockembach – Doutorado

Nicolas Mauro de Moreira Bohnenberger – Mestrado

Izaque Dione Nunes – Mestrado

Luiza Schmidt – Graduação

Diego Toralles Avila – Doutorado

Professor Orientador: Dra. Lucineia Heloisa Thom

Um processo de negócio é um conjunto de atividades, as quais são executadas em determinada ordem para atingir objetivos de negócio. Exemplos incluem o processo de compra online de produtos, processo de cuidados da saúde e processo de prestação de serviços. O Gerenciamento de Processos de Negócio (Business Process Management – BPM) é uma disciplina que visa à identificação, análise, redesenho, implementação e monitoramento de processos de negócio para garantir eficiência, eficácia e adaptabilidade em um ambiente empresarial dinâmico (Dumas et al., 2018). No Instituto de Informática, o grupo de estudantes orientado pela Profa. Dra. Lucineia Heloisa Thom tem se destacado por explorar diversos temas emergentes na área de BPM com ênfase na aplicação de Inteligência Artificial (IA) e IA generativa em BPM. As pesquisas descritas aqui têm apresentado resultados promissores e focam na descoberta de processos, na automação de processos robóticos (Robotic Process Automation – RPA), no ensino de BPM, assim como na análise automática da infraestrutura de processos usando algoritmos de IA para classificação.

Descoberta de Processos Automática

A descoberta de processos visa coletar e organizar informações para entender como um processo funciona, consolidando-as em modelos gráficos conhecidos como modelos de processo as-is (Dumas et al., 2018). Entretanto, a análise de documentação, um método comum nessa fase, enfrenta desafios como a variedade de formatos de documentos e a falta de perspectiva comportamental ou visual nestes. Em vista disso, o grupo desenvolveu uma abordagem semi-automática para extrair informações de processos a partir de textos em linguagem natural. Utilizando técnicas de similaridade semântica, essa abordagem apresenta subconjuntos de documentos relacionados e sugere elementos de processos, reduzindo o trabalho manual dos analistas (Bohnenberger, Sosa-Sánchez, Thom, 2024). A popularidade crescente dos Large Language Models (LLMs) abre novas oportunidades para essa linha de pesquisa.

Descoberta de Processos Automática a partir de Múltiplos Documentos.

Automação de Processos com RPA e IA Generativa

RPA envolve a utilização de bots para executar tarefas de maneira semelhante à interação humana com sistemas (Aalst et al., 2018). Para propor soluções de RPA para tarefas complexas, devemos entender as limitações em sua aplicação, avaliando como as organizações estão automatizando seus processos com RPA e tentando superar esses problemas. O grupo tem buscado respostas sobre como as organizações estão lidando com as limitações do RPA e quais tecnologias estão sendo usadas para criar uma automação mais inteligente (Sganderla, Fantinato, Thom, 2023). O grupo realiza uma Revisão Sistemática da Literatura (RSL) (Kitchenham; Charters, 2007) para investigar como a IA Generativa pode melhorar o ciclo de vida da RPA, identificando oportunidades de integração e potencial de uso dessas tecnologias em processos automatizados. Além disso, está sendo planejado um estudo para identificar limitações na implementação de RPA e como a IA Generativa pode facilitar essa integração.

Descoberta de Processos com IA Generativa

Um dos focos do grupo de pesquisa tem sido a aplicação de IAs Generativas  na descoberta de processos de negócio. Desde o lançamento do ChatGPT em 2022, o interesse por IAGs aumentou significativamente, com pesquisas explorando novos casos de uso (Crouse, 2023; Dwivedi et al., 2023). A Revisão Sistemática da Literatura conduzida pelo grupo investiga a aplicação dessas tecnologias na descoberta de processos, analisando como IAs Generativas são utilizadas e identificando oportunidades para o desenvolvimento de novas soluções e melhoria de métodos existentes. Esta pesquisa fornece uma visão abrangente do potencial das IAGs na área de BPM.

Ensino de BPM com IA Generativa

A educação em BPM é importante no desenvolvimento de habilidades em ambientes institucionais em constante evolução. Diversos estudos têm se dedicado a estratégias e práticas mais eficientes para o ensino de BPM, visando mitigar as dificuldades na formação de profissionais capacitados na área. O grupo de orientandos liderado pela Profa. Lucineia, por exemplo, realizou uma investigação sobre as abordagens metodológicas adotadas na formação em BPM (Silva, 2023). O grupo tem investigado também formas de avaliação do conhecimento em BPM, utilizando ferramentas automatizadas e técnicas de IAGs  (Qadir, 2023). Em particular, o grupo desenvolveu um experimento utilizando IAGs para gerar perguntas de BPM a partir de contextos específicos. Essas iniciativas visam aprimorar o ensino e a aprendizagem de BPM, contribuindo para a formação de profissionais capacitados para enfrentar os desafios das organizações.

Análise Automática da Infraestrutura de Processos usando Algoritmos de IA para Classificação

Procurando entender quais requisitos são necessários para a melhoria, implementação e execução de modelos de processo, esta pesquisa objetiva desenvolver métodos e ferramentas que auxiliem a análise de modelos de processo de forma automática (Avila et al., 2023). Para isto, os algoritmos de IA treinados com aprendizagem de máquina possuem grande potencial, pois eles permitem o processamento e classificação de um grande volume de dados (Witten et al., 2011), incluindo aqueles oriundos de modelos de processo. Desta forma, os resultados desta pesquisa são consistentes e úteis para a análise da infraestrutura de grandes arquiteturas de processos. Além disso, o uso deste método também é explorado para aprimorar o monitoramento e atualização de modelos de processo.

Conclusão

O grupo de estudantes orientados pela Profa. Dra. Lucineia Heloisa Thom está na vanguarda da aplicação de IA e IA Generativa em BPM, explorando diversos temas como a descoberta automática de processos, ensino de BPM com IA Generativa e automação de processos com RPA. Os esforços do grupo visam não apenas melhorar a eficiência e eficácia dos processos organizacionais, mas também contribuir para a formação de profissionais capacitados para lidar com os desafios contemporâneos das organizações. As pesquisas em andamento e os resultados obtidos até agora destacam o potencial transformador da IA e IA Generativa na disciplina de BPM, abrindo novas possibilidades para o futuro da gestão de processos de negócio.

Referências

Avila, D., Moura, V. and Thom, L. (2023), Using Machine Learning to Classify Process Model Elements for Process Infrastructure Analysis, em Anais Do XIX Simpósio Brasileiro De Sistemas De Informação, SBC, Maceió/AL.

Aalst, W., Bichler, M., Heinzl, A. (2018). Robotic Process Automation. Business & Information Systems Engineering.

Bohnenberger, N. M. de M. e Sosa-Sánchez, E. e Thom, L. (2024). A Semi-Automated Approach to Process Discovery from Multiple Natural Language Documents, em Procedia Computer Science 239: 1662-1669.

Crouse, M. ChatGPT 1-Year Anniversary: How Generative AI Has Evolved.

[S.l.: s.n.], nov. 2023. Disponível em: <https://www.techrepublic.com/article/chatgpt-oneyear-anniversary-2023-insights/>.

DWIVEDI, K. et al. Opinion Paper: “So what if ChatGPT wrote it?”

Multidisciplinary perspectives on opportunities, challenges and implications of

generative conversational AI for research, practice and policy. International Journal of

Information Management, v. 71, p. 102642, 2023. DOI: 10.1016/j.ijinfomgt.2023.102642. Disponível em: <https://www.sciencedirect.com/science/article/pii/S0268401223000233>.

Dumas, M. et al. Fundamentals of Business Process Management, Second Edition. [S.l.]: Springer Berlin, Heidelberg, 2018.

Kitchenham, B.; Charters, S. Guidelines for performing Systematic Literature Reviews in Software Engineering, 2007.

Qadir, J. Engineering education in the era of ChatGPT: Promise and pitfalls of generative AI for education. In: 2023 IEEE Global Engineering Education Conference (EDUCON).

Sganderla, R. B., Fantinato, M., Thom, L. H. 2023. Robotic Process Automation in Latin American Organizations: Survey and Evaluation of the Current State of Technology Adoption. Em Anais do XIX Simpósio Brasileiro de Sistemas de Informação (SBSI ’23). Association for Computing Machinery, Nova York, NY, EUA, 459–467. https://doi.org/10.1145/3592813.3592938

Silva, D., Thom, L. H. 3D environment approach to teaching and learning business process management concepts: a systematic literature review. Em Anais do XXXII Simpósio Brasileiro de Informática na Educação (SBIE’21).  328-337. DOI: https://doi.org/10.5753/sbie.2021

Witten, I.H., Frank, E. and Hall, M.A. (2011), Data Mining: Practical Machine Learning Tools and Techniques, ScienceDirect, Morgan Kaufmann, doi: 10.1016/C2009-0-19715-5.