Wil van der Aalst清华演讲:AI落地企业,为什么需要对象中心流程挖掘?

Wil van der Aalst指出,AI要真正落地企业,需要以对象中心流程挖掘理解真实业务。

原文标题:流程挖掘教父Wil van der Aalst院士做客清华 畅谈AI时代流程智能新方向

原文作者:数据派THU

冷月清谈:

Wil van der Aalst教授在清华大数据智能讲堂中围绕“为何AI需要以对象为中心的流程挖掘”作报告。他认为,许多企业AI项目难以成功,并不只是模型能力不足,而是缺少对真实业务流程的结构化理解。传统流程建模依赖人工设计,容易脱离实际;经典流程挖掘虽然能基于事件数据还原流程,但常以单一案例为中心,难以描述订单、设备、资源、物料等多对象交互的复杂场景。为此,他强调对象中心流程挖掘(OCPM)能够更好呈现多实体之间的并发、依赖与协作关系,为企业AI应用提供可解释、可落地的流程底座。他还提出,生成式AI不应简单套用通用大模型,而应结合事件数据构建领域专用基础模型,并通过流程挖掘智能体或Copilot降低使用门槛,同时保证回答和执行基于真实数据。

怜星夜思:

1、企业AI项目失败,真的是因为模型不够强吗?还是业务流程没被讲清楚?
2、对象中心流程挖掘听起来很专业,它和普通流程图最大的区别是什么?
3、流程挖掘和大模型结合,未来会更像企业Copilot,还是更像后台自动化系统?
4、Wil教授反对直接套用通用大语言模型,你觉得企业有必要训练自己的流程领域模型吗?

原文内容

图片


5月27日,“流程挖掘教父”、德国国家科学与工程院院士、德国亚琛工业大学威尔·范德·阿尔斯特(Wil van der Aalst)教授应邀做客由清华大学软件学院、大数据系统软件国家工程研究中心、清华大学笃实书院联合主办的“清华大数据智能讲堂第10期”,围绕“为何AI需要以对象为中心的流程挖掘” 作主旨报告。清华大学软件学院院长王建民教授出席。


王建民在致辞中回顾了与Wil教授长达20余年的深厚学术情谊。他表示,从2004年Wil教授经典著作《工作流管理》在国内出版,到2013年成功举办国际流程管理顶级会议,在Wil教授的大力推动下,中国学者与国际学者在工作流领域的学术交往更进一步。他表示,当前AI与大模型快速发展,本次交流对厘清AI与流程智能融合路径具有重要意义。

图片 

Wil教授分享


演讲中,Wil教授指出,尽管大模型技术进步显著,但企业中95%以上的AI项目仍未成功,核心原因是缺乏对真实业务流程的结构化认知。传统流程建模依赖人工设计、与现实脱节;经典流程挖掘虽基于事件数据还原真实流程,但采用单一案例为中心的视角,无法适配多对象交互的真实场景,易造成信息失真与结构混乱。


为此,Wil教授系统阐释以对象为中心的流程挖掘(OCPM) 创新理念。OCPM突破传统框架,支持事件与多对象关联,能够清晰呈现资源、订单、设备、物料等实体间的交互、并发与依赖关系,为复杂流程提供可解释、可落地的结构化视图。他强调,OCPM是AI在企业场景落地的关键底座,可有效解决大模型“幻觉”问题,让流程智能更可靠、更贴合实际运营。


同时,Wil教授还探讨了生成式 AI 与流程挖掘融合的前沿方向,并指出当前面临的核心挑战,他反对直接套用通用大语言模型,主张构建面向事件数据的领域专用基础模型,在应用 AI 的同时保留流程的结构化信息,保障模型的可解释性与准确性,此外他还提出将流程挖掘能力封装为智能体,以自然语言交互的 Copilot 形式降低技术使用门槛,同时确保底层执行基于真实数据运算而非纯粹的生成式回答。

图片 

活动现场


在交流环节,Wil教授就对象模型定义、传统流程迁移成本、AI 与流程挖掘的协同边界等问题与师生展开深入讨论,现场学术氛围浓厚。



关于我们

数据派THU作为数据科学类公众号,背靠清华大学大数据研究中心,分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识,努力建设数据人才聚集平台、打造中国大数据最强集团军。




新浪微博:@数据派THU

微信视频号:数据派THU

今日头条:数据派THU



从管理信息系统角度看,模型能力只是系统成功的一个变量。企业AI落地还依赖流程规范化、数据治理、组织协同和反馈机制。流程没被结构化表达时,模型很难形成稳定的因果或约束理解,最后就容易停留在演示层面。

2 个赞

关于“流程挖掘加大模型会像Copilot还是后台自动化”这个问题,我觉得短期更像Copilot。因为企业不太可能一上来就放心让AI自动改流程、下指令,先用自然语言问流程瓶颈、异常原因、合规风险,会更容易被接受。

3 个赞

我觉得区别可以这么说:传统流程挖掘像单人视角游戏,OCPM像上帝视角沙盘。前者容易看清一个case,后者更适合看复杂系统里对象之间的互动。企业流程复杂起来之后,单人视角真的会漏掉很多东西。

1 个赞

我见过一些项目,PPT里叫智能运营,上线后主要功能是“帮人复制粘贴”。不是AI不行,是业务部门自己都说不清例外流程怎么处理。先把流程挖出来,再谈AI,可能更现实。

1 个赞

从数据安全角度看,企业肯定希望有自己的专用能力。流程数据往往包含客户、供应链、财务和内部绩效信息,直接丢给外部通用模型风险不小。但“自建模型”也不能神化,数据质量差的话,自建也只是自家版本的胡说八道。

2 个赞

我觉得不一定非要从零训练。更现实的路线是通用大模型负责语言理解,流程挖掘系统负责事实计算,企业知识库负责上下文。只要边界划清楚,就能减少幻觉,也不用动不动烧钱训练大模型。

3 个赞

针对“对象中心流程挖掘和普通流程图区别”这个问题,我的理解是:普通流程图更像是理想剧本,OCPM更像是监控录像。它不只看一个订单从开始到结束,还会同时看订单、客户、物料、设备、人员之间怎么互相影响。

1 个赞

我希望它像一个特别懂业务的同事,而不是一个只会弹窗的机器人。比如我问“这周采购为什么慢”,它能告诉我卡在哪些供应商、哪些审批节点,还能把证据链点开。这个体验比单纯自动化更有价值。

2 个赞