Extracción de modelos de procesos a partir de texto
Aceleración del modelado de procesos mediante PNL
Tracy es consultora en una empresa de transformación digital. Acaba de llegar a un nuevo proyecto que requiere modelar los procesos de una gran empresa de telecomunicaciones. Además de planificar una serie de reuniones con varias personas de la empresa, tendrá que leer un montón de documentos de texto en los que se describe cada uno de los procesos.
No se trata en absoluto de un caso extraño: muchas organizaciones documentan sus procesos utilizando texto sin formato. Al disponer de una descripción textual de un proceso, las organizaciones se aseguran de que cualquiera pueda entenderlo. A veces, disponer de estos documentos textuales es incluso obligatorio por ley, como en las administraciones públicas, donde se exige para demostrar el cumplimiento de determinados principios legales.
Aunque disponer de estos documentos le será muy útil a Tracy para comprender y modelar los procesos de sus clientes, tener que leer tantos de ellos le supondrá un esfuerzo y un tiempo considerables.
¿Está preparada la tecnología para ayudar a Tracy a resolver más rápidamente los problemas de sus clientes?
El Procesamiento del Lenguaje Natural (PLN) es una tecnología puntera y madura para extraer el significado de los textos. Desde la década de los setenta, la comunidad de la PNL ha proporcionado, durante los últimos cuarenta años, algoritmos y herramientas para automatizar el procesamiento del lenguaje humano, permitiendo la actual interacción avanzada de la IA entre humanos y máquinas.
Para extraer el significado del texto, la PLN aplica una cascada de pasos, cada uno de los cuales se basa en el resultado del anterior: tokenización y división de frases, análisis morfológico, etiquetado de parte del discurso, reconocimiento de entidades con nombre, análisis sintáctico, etiquetado de funciones semánticas y resolución de coreferencias. Hasta hace algunos años, la mayoría de estas técnicas se basaban en métodos estadísticos, que habían alcanzado sus límites. Durante la primera década del siglo XXI, las GPU diseñadas originalmente para acelerar los videojuegos empezaron a utilizarse para realizar los rápidos cálculos matriciales que requieren las redes neuronales artificiales (RNA). Junto con la disponibilidad de grandes cantidades de datos, esto supuso un gran salto en tareas de percepción como la visión por ordenador y el procesamiento del habla, y poco después la tecnología se aplicó a tareas más semánticas relacionadas con el procesamiento del lenguaje: traducción automática, resumen, sistemas de diálogo hombre-máquina, etc.
El renacimiento de la tecnología de redes neuronales artificiales (RNA) ha supuesto un avance sin precedentes, impensable hace 15 años. Esto ha hecho que la PNL sea una de las áreas más prometedoras para la próxima década en la industria.
Volviendo a Tracy, ¿cómo puede beneficiarse de estos avances? Ojalá existiera un sistema capaz de leer todos esos documentos y producir una representación de los procesos descritos en ellos en un formato estándar del sector como BPMN 2.0…
Aquí es donde ProcessTalks hace su aparición.
ProcessTalks utiliza una pila de tecnología PNL que combina componentes neuronales y no neuronales para analizar los documentos y extraer los elementos del proceso y sus relaciones. Puede detectar dónde se menciona una actividad o tarea relevante y quién debe realizarla. Puede detectar cuáles son los principales actores que realizan tareas relevantes en un proceso, así como las relaciones entre actividades, como la precedencia temporal o la ejecución mutuamente excluyente en función de alguna condición.
Por ejemplo, si el texto describe parte de un proceso como «Si el departamento de marketing aprueba el sitio web, el departamento informático lo pone en línea. En caso contrario, los diseñadores realizan una revisión del contenido y presentan una versión mejorada», ProcessTalks puede generar una representación como:
Para cada documento, Tracy puede seleccionar las frases o párrafos que describen el proceso y pasarlos al extractor de procesos. ProcessTalks interactuará con Tracy para mostrar las actividades y actores detectados, y le permitirá confirmar, editar o eliminar cada elemento.
A continuación, se creará un borrador del modelo BPMN y se abrirá en el editor colaborativo ProcessTalks. A continuación, Tracy puede utilizar la interacción en lenguaje natural ProcessTalks para pulir y completar el modelo. También puede invitar a su cliente a comprobar el modelo e interactuar con él en un entorno simultáneo y colaborativo.
Tras varias sesiones de edición, Tracy elaboró un modelo de los procesos de la empresa. Pudo hacer su trabajo de una forma mucho más rápida que la que le habría exigido leer todos los documentos y modelar a mano cada proceso, lo que supuso un ahorro de tiempo y dinero tanto para ella como para sus clientes.
¿Se atreve a intentarlo? Programe una demostración con nosotros en este enlace.