![arXiv:2001.07537v1 [cs.AI] 2020 年 1 月 21 日](/simg/9/9263a647ebe77a59e853ed496cc8cf75b3b255ec.png)
机构名称：
¥ 1.0
业务流程支撑着大量企业运营，包括贷款发放、发票管理和保险索赔处理 (Van Der Aalst 等人 2011)。预计到 2023 年，业务流程管理 (BPM) 行业将达到 160 亿美元 (Marketwatch 2019)。引入 AI 以降低成本或提供更好的客户体验 (Rao 和 Verweij 2017) 是一个绝佳的机会，BPM 文献中有很多机器学习解决方案，可用于深入了解流程跟踪集群 (Nguyen 等人2016；Nguyen 等人2019)、预测结果 (Breuker 等人2016) 并推荐决策 (Mannhardt 等人2016)。包括来自 NLP 领域的深度学习模型也已得到应用（Tax 等人2017；Evermann、Rehse 和 Fettke 2017）。不幸的是，这些创新很少被企业公司应用和采用（Daugherty 和 Wilson 2018），而且所采用的创新仅限于客户服务、企业风险和合规性等狭窄领域（Wilson、Alter 和 Shukla 2016）。我们认为，BPM 中缺乏采用 AI 模型的一个重要原因是业务用户厌恶风险并且不完全信任 AI 模型。很少有人关注向具有流程上下文的业务用户解释模型预测。这些业务用户通常是各自领域的专家，但不是数据科学家，解释必须以他们业务领域的词汇来呈现。我们挑战 BPM 社区以 AI 可解释性文献为基础，并挑战 AI Trust 社区利用业务流程工件。
arXiv:2001.07537v1 [cs.AI] 2020 年 1 月 21 日
主要关键词
![arXiv:2001.07537v1 [cs.AI] 2020 年 1 月 21 日PDF文件第1页](/bimg/0/0b06113cc0c0141757d32c46fbbcc03890815a51.webp)
![arXiv:2001.07537v1 [cs.AI] 2020 年 1 月 21 日PDF文件第2页](/bimg/4/4116752bd2a241aed2b6edc9068245774bf1be51.webp)
![arXiv:2001.07537v1 [cs.AI] 2020 年 1 月 21 日PDF文件第3页](/bimg/6/6542f48f626c5bf76b2a8de3fb6972916d333a0f.webp)
相关文件推荐
![arXiv:2001.02021v1 [cs.AI] 2020 年 1 月 7 日](/simg/6/6656a65d1324b757699cd670b349c20ef6da7f31.png)
![arXiv:2003.05823v1 [cs.RO] 2020 年 3 月 12 日](/simg/c/cf9e39bb81ef86eb692012c7befa2c3c970b4e31.webp)
![arXiv:2007.10018v1 [cs.AI] 2020 年 7 月 20 日](/simg/3/3ea5103465cc9bd377356254235ee19fc60e3965.png)
![arXiv:1902.09587v3 [cs.CR] 2020 年 10 月 1 日](/simg/1/17e72fa5b730734f4f251fd870824d19acbc20e2.webp)
![arXiv:1912.05135v3 [cs.CV] 2020 年 3 月 14 日](/simg/0/0707fc16789e4908e2fbb96660f5b652882edfb5.webp)
![arXiv:2004.02730v2 [eess.SY] 2020 年 10 月 2 日](/simg/d/daf0cca9d89fed4d586eb67003133c1bb4c4d11e.webp)
![arXiv:2011.07876v1 [cs.LG] 2020 年 11 月 16 日](/simg/6/68758036e90c90f3903356cd2f9a18d6db5b3ba4.webp)
