Generative AIs in process discovery : a systematic literature review

Abstract

Process discovery is a fundamental phase of Business Process Management that aims to document the current state of organizational processes. It employs various methods such as interview-based, workshop-based, and evidence-based approaches to gather information, model processes, and ensure model quality. Generative AI (GAI) is emerging as a significant area of interest for organizations, promising innovative solutions for process discovery. The present study through a systematic literature review investigates the intersection of process discovery and GAI, providing an overview of GAI applications in this context. The study aims to understand the problems GAIs address, the types of generative technologies employed, and its applications within different discovery methods. To achieve this, an extensive search was conducted across academic databases, covering generative models and general deep learning models used for generative tasks. The results indicate that general deep learning models are utilized for anomaly detection and reconstruction, while Large Language Models and GPTs are used within a range of tasks, from information gathering to validating model quality, due to their proficiency in processing natural languages and long sequences, such as event logs. The literature shows a significant representation of LLMs and GPTs, especially in recent years following the advent of ChatGPT, highlighting the growing importance of these technologies in process discovery. In conclusion, this review demonstrates that GAI usage in process discovery can lead to promising results in a diverse range of tasks and hope that this review inspire the adoption of GAI methods and foster more interest for future research and developments in this area.

A descoberta de processos é uma fase fundamental do Business Process Management, ou Gerenciamento de Processos de Negócio, que visa documentar o estado atual dos processos de organizações. Empregando vários métodos, como abordagens baseadas em entrevista, workshop e evidências, para coletar informações, modelar processos e garantir a qualidade dos modelos. A Inteligência Artificial Generativa (IAG) está emergindo como uma área de grande interesse para as organizações, prometendo soluções inovadoras para a descoberta de processos. O presente estudo, por meio de uma revisão sistemática da literatura, investiga a interseção entre a descoberta de processos e a IAG, fornecendo uma visão geral das aplicações da IAG nesse contexto. O estudo visa entender os problemas que as IAGs abordam, os tipos de tecnologias generativas empregadas e suas aplicações dentro dos diferentes métodos de descoberta. Para alcançar esse objetivo, foi realizada uma extensa busca em bases de dados acadêmicas, cobrindo modelos generativos e modelos gerais de aprendizado profundo utilizados para tarefas generativas. Os resultados indicam que modelos gerais de Deep Learning são utilizados para detecção e reconstrução de anomalias, enquanto Large Language Models (LLMs) e GPTs são usados em uma variedade de tarefas, desde a coleta de informações até a validação da qualidade dos modelos, devido à sua proficiência em processar linguagens naturais e sequências longas, como logs de eventos. A literatura apresenta uma representação significativa dos LLMs e GPTs, especialmente nos últimos anos após o advento do ChatGPT, destacando a crescente importância dessas tecnologias na descoberta de processos. Em conclusão, esta revisão demonstra que o uso da IAG na descoberta de processos pode levar a resultados promissores em uma variedade de tarefas e espera-se que esta revisão inspire a adoção de métodos de IAG e fomente mais interesse em futuras pesquisas e desenvolvimentos nessa área.