Introducción
La aplicaciones en la nube le permiten ir más allá de la ejecución de procesos y utilizar sus datos para explorar campos como la inteligencia artificial (análisis predictivo), integrar las herramientas de reporte de su elección, y crear portales para proporcionar una experiencia de usuario más rica.
Artificial Intelligence es una aplicación que permite explorar las capacidades de aprendizaje de las máquinas directamente en sus procesos Bizagi, permitiendo que los procesos utilicen un servicio de análisis predictivo que se basa en los datos fiables que usted tiene en un Dataset Bizagi (Business Insights).
A través del análisis predictivo, usted puede entrenar modelos y llevar a cabo experimentos que se basan en renombrados algoritmos de aprendizaje de máquinas para determinar un resultado dado basado en datos almacenados con un grado de certeza determinado.
Para tales modelos, puede configurar fácilmente sus procesos Bizagi para presentar una predicción una vez que se han proporcionado ciertos datos. Puede utilizar esa predicción como valor predeterminado, u ofrecerla para la aprobación del usuario.
Puede configurar todo esto sin ser un experto en datos.
Artificial Intelligence de Bizagi le permite predecir atributos y variables categóricas o numéricas utilizando algoritmos de Inteligencia Artificial para que pueda utilizar los resultados en sus procesos Bizagi o como base para la toma de decisiones. Algunos ejemplos de declaraciones de casos de uso podrían ser:
•Para un proceso de solicitud de crédito donde un cliente solicita un préstamo:
En base al monto del crédito, el tipo de cliente y el tipo de crédito, podríamos predecir si el proceso requiere documentación adicional (predicción de una variable categórica).
•Para un proceso de suscripción de seguros de vehículos:
Basándonos en el importe del seguro, el tipo de cliente y el precio estimado, podríamos predecir una duración estimada para aprobar la suscripción del seguro (prediciendo una variable numérica).
•Para un proceso de asistencia técnica en el que un cliente presenta un ticket:
Basándonos en la gravedad, el sistema operativo y el tipo de ticket, podríamos predecir si es probable que el ticket sea resuelto por el soporte de primer nivel, o si tendrá que ser escalado al soporte de segundo o tercer nivel (prediciendo una variable categórica).
Antes de empezar
Artificial Intelligence cuenta con Bizagi Business Insights como su proveedor de datos.
Antes de seguir adelante, asegúrese que está familiarizado con Bizagi Business Insights, y ha creado un Dataset para utilizar con la aplicación de Artificial Intelligence.
Para más información sobre los Conjuntos de datos, consulte el servicio de Datasets.
Empezar con la Artificial Intelligence de Bizagi
Al adquirir la Artificial Intelligence de Bizagi, es necesario proporcionar los usuarios que están autorizados para acceder a su portal secundario creado. Envíe la lista de los usuarios a través de Ticket. Una vez que reciba la respuesta para su ticket, sus usuarios autorizados deben usar la opción Olvidé mi contraseña para establecer sus contraseñas.
|
Como medida de seguridad adicional, también puede enviar en su ticket la lista de direcciones IP que pueden acceder a su Artificial Intelligence de Bizagi. |
Los siguientes pasos resumen a alto nivel cómo se trabaja con la Artificial Intelligence:
1. Crear un modelo de AI y definir su fuente de datos.
Configúrelo para que se conecte a un Dataset, que contenga datos relevantes.
2. Explorar los resultados de diferentes experimentos, y elegir una configuración que proporcione resultados que satisfagan su caso de uso.
Puede evaluar posibles combinaciones de parámetros y algoritmos de entrada.
Una vez que el experimento sea satisfactorio y final, publíquelo.
3. Conecte sus procesos Bizagi para consumir el servicio de análisis predictivo para que cada nuevo caso pueda hacer uso de una predicción preliminar para un atributo/valor.
Configure la invocación para usar un servicio RESTful y eso es todo.
Recomendaciones importantes
1. Crear siempre modelos y experimentos basados en datos reales (por ejemplo, utilizando un Dataset del ambiente de producción).
2. Sólo publique un experimento cuando sea satisfactorio.
La publicación de un experimento permite utilizar un punto final de servicio para las pruebas y otro para el uso real (el ambiente de Producción de un proceso).
Para el punto final de servicio utilizado en las pruebas, puede definir reglas fijas para que su servicio de AI devuelva resultados predecibles y pueda trabajar fácilmente en todos los diferentes caminos del proceso.
3. Entrenar constantemente el modelo.
Por defecto, los nuevos datos almacenados en el Dataset no son considerados por un experimento hasta que se entrena explícitamente el modelo para revaluar los datos.
Al hacer esto, asegúrese de volver a publicar el experimento para que se actualice el mismo punto final de servicio utilizado por los procesos.
Puede actualizar un experimento existente que haya sido publicado y que esté en uso actualmente.
4. Cuando un experimento de uso actual cambia sus definiciones de entrada o salida, necesita crear un nuevo experimento.
Recomendamos encarecidamente esto como una práctica óptima para mantener la estabilidad de los procesos en curso.
Más información
Para aprender cómo empezar con Artificial Intelligence, consulte Crear modelos y experimentos.