Makalah berjudul "Large Process Models: Business Process Management in the Age of Generative AI" yang ditulis oleh Timotheus Kampik, Christian Warmuth, Adrian Rebmann, Ron Agam, Lukas N.P. Egger, Andreas Gerber, Johannes Hoffart, Jonas Kolk, Philipp Herzig, Gero Decker, Han van der Aa, Artem Polyvyanyy, Stefanie Rinderle-Ma, Ingo Weber, dan Matthias Weidlich, adalah sebuah karya yang merangsang pikiran dan memiliki potensi untuk membuka babak baru dalam Manajemen Proses Bisnis (BPM) dengan memperkenalkan konsep Model Proses Besar (LPM). LPM menggabungkan kecerdasan buatan generatif dengan pendekatan simbolik dan statistik tradisional untuk mengotomatisasi penalaran dan pengambilan keputusan dalam BPM. Makalah ini memiliki dampak yang signifikan dalam dunia bisnis dan teknologi, dan saya akan menjelajahinya lebih dalam dalam esai ini.
Sebagai awal yang kuat, makalah ini mengidentifikasi isu penting yang dihadapi dalam pengelolaan proses bisnis saat ini, terutama dalam konteks pengadaan barang dan jasa. Terkadang, pengadaan yang seharusnya merupakan proses yang transparan dan akuntabel dapat terpengaruh oleh tindakan penipuan atau kecurangan, yang bisa merugikan keuangan publik. Dalam beberapa tahun terakhir, kasus korupsi dalam pengadaan telah menjadi masalah serius di sektor keuangan publik. Oleh karena itu, perlunya teknik dan alat yang lebih baik untuk mendeteksi penipuan dalam proses pengadaan sangat relevan dan mendesak.
Salah satu aspek yang paling menarik dari makalah ini adalah penggunaan Model Proses Besar (LPM) untuk menghadapi tantangan ini. LPM mengintegrasikan AI generatif, yang mampu menghasilkan data dan informasi baru, dengan pendekatan simbolik dan statistik tradisional dalam BPM. Ini adalah langkah yang inovatif dan berani dalam menghadapi perubahan mendalam yang dibawa oleh kecerdasan buatan (AI) ke dalam dunia bisnis.
Salah satu konsep yang paling menonjol dalam makalah ini adalah penggunaan LPM untuk menghasilkan wawasan dan tindakan otomatis. Dengan menggunakan AI generatif, LPM dapat memproses dan menganalisis sejumlah besar data dan pengetahuan yang tersedia tentang proses bisnis. Ini memungkinkan LPM untuk mengidentifikasi pola, tren, dan anomali yang mungkin tidak terlihat oleh manusia atau bahkan oleh alat analisis data tradisional.
Sebagai contoh, LPM dapat digunakan untuk mendeteksi pola perilaku yang tidak umum dalam proses pengadaan. Ini bisa menjadi tanda-tanda potensial adanya penipuan atau kecurangan. Dalam dunia bisnis yang semakin kompleks dan terkoneksi, memiliki alat seperti LPM yang dapat secara otomatis mengidentifikasi risiko ini adalah sebuah keunggulan yang besar.
Menggabungkan AI generatif dengan pendekatan simbolik dan statistik tradisional adalah langkah yang cerdas. Ini memungkinkan LPM untuk mengotomatisasi proses analisis dan pengambilan keputusan, sehingga organisasi dapat mengambil tindakan lebih cepat dan lebih tepat dalam menangani masalah dalam proses bisnis mereka.
Namun, makalah ini juga mengakui bahwa ada perdebatan yang sedang berlangsung tentang peran AI generatif dalam BPM. Beberapa orang mungkin merasa skeptis terhadap penggunaan AI generatif dalam pengambilan keputusan yang penting. Namun, penulis dengan tegas menyatakan bahwa penelitian lebih lanjut diperlukan untuk mengeksplorasi potensi dan keterbatasan LPM dalam penerapan nyata.
Salah satu aspek penting yang perlu dicatat adalah bahwa makalah ini tidak memberikan penjelasan rinci tentang metode yang digunakan atau data yang digunakan dalam penelitian ini. Meskipun ini mungkin menjadi keterbatasan dalam pemahaman lebih dalam tentang penelitian, ini juga mendorong pembaca untuk merenung dan menjalani proses pemikiran mereka sendiri tentang bagaimana LPM dapat diimplementasikan dalam dunia bisnis mereka.
Selain itu, makalah ini menyoroti perlunya penelitian lebih lanjut untuk mengeksplorasi potensi LPM dan keterbatasannya dalam penerapan di dunia nyata. Ini adalah poin yang sangat penting karena menunjukkan bahwa meskipun LPM memiliki potensi besar, kita masih perlu memahami bagaimana menerapkannya dengan benar dan efektif dalam berbagai konteks organisasi.
Dalam hal ini, makalah ini memberikan implikasi praktis yang sangat berharga. Organisasi perlu menyadari potensi LPM dan mempertimbangkan penggunaannya dalam praktik BPM mereka. Namun, mereka juga harus berhati-hati dan hati-hati mengevaluasi kelayakan dan keterbatasan LPM dalam konteks organisasi mereka sebelum menerapkannya.
