ШІ-БАЗОВАНА АВТОМАТИЗАЦІЯ ПРЕДСТАВЛЕННЯ ЛОГІКИ РІШЕНЬ: ПОДОЛАННЯ РОЗРИВУ У ВАЛІДАЦІЇ АВТОМАТИЗОВАНОГО МОДЕЛЮВАННЯ РІШЕНЬ

Анотація

Дослідження спрямоване на вирішення "вузького місця моделювання" в управлінні бізнес-процесами шляхом розробки автоматизованого методу забезпечення коректності таблиць Decision Model and Notation (DMN), згенерованих великими мовними моделями (LLM). Основна мета  –  визначити, чи може зміна ролі ШІ з чистого генератора на валідатор у системі із замкненим циклом подолати структурні обмеження, властиві стохастичним моделям.

У дослідженні використовується порівняльний експериментальний дизайн із застосуванням підходу "Мутаційне тестування". Ми аналізуємо два окремі робочі процеси: (1) Статична генерація, де тестові випадки є фіксованими, та (2) Динамічна парна генерація, де LLM одночасно регенерує як логіку рішення (DMN XML), так і критерії валідації (Test Cases JSON) у разі невдачі. Методологія інтегрує концепції "Struc-Bench" для структурного аналізу та використовує детермінований DMN-рушій (Camunda) для верифікації на основі виконання.

Експерименти демонструють, що "з коробки" генерація LLM є помилковою приблизно у 4,5% випадків через семантичний зсув та структурні галюцинації при валідації відносно статичних еталонів. Однак запропонований робочий процес "Динамічна парна генерація" досяг 100% рівня конвергенції протягом 200 циклів. Система успішно ідентифікувала та виправила як синтаксичні помилки (порушення схеми XML), так і логічні помилки (порушення політики Hit Policy) без втручання людини.

Дослідження впроваджує концепцію "Динамічної парної генерації" для нейро-символьних систем. На відміну від традиційного промптингу "Ланцюг думок", цей підхід використовує взаємну узгодженість між двома незалежними структурними представленнями (Логіка та Приклади) для фільтрації галюцинацій, доводячи, що динамічна валідація перевершує статичний промптинг для завдань зі структурованими даними.

Запропонована структура надає план для систем управління рішеннями, що "Самостійно Відновлюються". Вона дозволяє нетехнічним бізнес-аналітикам перетворювати політики природної мови на виконувані, безпомилкові моделі DMN, значно скорочуючи час та витрати на відповідність нормативним вимогам та автоматизацію процесів.