Keunggulan ProMoAI tidak hanya terletak pada kemampuan untuk menghasilkan model proses secara otomatis, tetapi juga pada metodologi yang digunakan untuk mencapai tujuan tersebut. Salah satu metodologi utama adalah penggunaan teknik rekayasa cepat lanjutan yang melibatkan 'prompting', di mana LLM diberikan peran yang jelas sebagai ahli dalam pemodelan proses dan sebagai pemilik proses yang familiar dengan konteks proses tersebut. Dengan ini, ProMoAI dapat menghasilkan model yang tidak hanya akurat secara teknis tetapi juga relevan secara kontekstual.
Selain itu, LLM dalam ProMoAI dilengkapi dengan basis pengetahuan yang komprehensif tentang POWL, termasuk struktur hierarkisnya dan semantik komponennya. Hal ini memastikan bahwa LLM memiliki latar belakang yang diperlukan untuk melaksanakan tugas dengan baik. Generasi kode juga menjadi salah satu metode utama, di mana LLM mengubah deskripsi bahasa alami menjadi kode Python yang menggunakan serangkaian fungsi yang dirancang untuk pembuatan model POWL yang aman.
Data yang Digunakan untuk Menunjukkan Kapabilitas ProMoAI
Dalam makalah ini, ProMoAI tidak hanya membahas metodologi yang digunakan, tetapi juga memberikan wawasan mengenai data yang digunakan untuk mendemonstrasikan kemampuan alat. Salah satu contohnya adalah proses pemesanan barang melalui toko online, di mana deskripsi proses ini mencakup konstruksi seperti pilihan, loop, konkurensi, dan urutan. ProMoAI memodelkan proses ini dengan presisi tinggi, menangkap semua dependensi non-hierarkis yang kompleks.
Data umpan balik juga memainkan peran penting dalam penyempurnaan model. Setelah menghasilkan model awal, umpan balik dari pengguna diterapkan untuk memperbaiki model, memastikan bahwa hasil akhir benar-benar sesuai dengan kebutuhan dan ekspektasi pengguna.
Hasil yang Dicapai ProMoAI
Hasil yang disajikan dalam makalah ini menunjukkan bahwa ProMoAI mampu menciptakan model proses yang tidak hanya akurat tetapi juga ramah pengguna dan efisien. Dengan mengotomatisasi pembuatan model dari deskripsi bahasa alami, ProMoAI menyederhanakan pemodelan proses yang kompleks, yang biasanya memerlukan keahlian teknis mendalam. Hal ini membuka kemungkinan baru dalam optimalisasi alur kerja organisasi, memungkinkan pengguna dari berbagai latar belakang untuk berkontribusi dalam proses pemodelan.
ProMoAI juga mendukung notasi pemodelan standar seperti BPMN dan PNML, memastikan kompatibilitas dengan alat dan praktik yang sudah ada. Fleksibilitas ini memperkuat posisi ProMoAI sebagai alat yang relevan dan dapat diintegrasikan dalam ekosistem manajemen proses yang sudah ada.
Kontribusi Makalah Terhadap Bidang Pemodelan Proses
Makalah ini memberikan kontribusi yang signifikan dalam bidang pemodelan proses dengan memperkenalkan ProMoAI sebagai alat inovatif yang memanfaatkan AI generatif untuk mempermudah dan mempercepat pembuatan model proses. Teknik rekayasa cepat yang canggih, umpan balik interaktif, dan dukungan untuk notasi pemodelan standar semuanya menjadikan ProMoAI sebagai solusi yang menarik bagi praktisi di bidang manajemen proses bisnis.
Dengan merangkul teknologi terbaru dalam LLM dan mengimplementasikannya dalam konteks pemodelan proses, ProMoAI menunjukkan bagaimana AI dapat digunakan untuk memecahkan tantangan yang sebelumnya dianggap terlalu kompleks untuk diotomatisasi. Penggunaan POWL dalam ProMoAI juga memberikan fleksibilitas yang tidak dimiliki oleh bahasa pemodelan proses hierarkis tradisional, memungkinkan alat ini untuk menangani dependensi non-hierarkis yang kompleks dengan lebih baik.
