Συλλογές
Τίτλος Προκλήσεις και ευκαιρίες κατά την ενσωμάτωση της τεχνητής νοημοσύνης στη διαχείριση επιχειρησιακών διαδικασιών
Εναλλακτικός τίτλος Challenges and opportunities in integrating artificial intelligence into business process management
Δημιουργός Ασημακοπούλου, Ιωάννα
Συντελεστής Βουδούρη, Ειρήνη
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας
Βρεχόπουλος, Αδάμ
Πουλυμενάκου, Αγγελική
Τύπος Text
Φυσική περιγραφή 103σ.
Γλώσσα el
Αναγνωριστικό http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=11039
Περίληψη The subject of this thesis is the development of an integrated methodology for the incorporation of Artificial Intelligence (AI) into Business Process Management (BPM). Specifically, this research delves into the domain of AI integration, presenting the theoretical foundations and discussing the potential benefits and complexities that arise. The study investigated AI technologies, including machine learning, Natural Language Processing, and Robotic Process Automation, to understand their applicability and impact on business processes.The findings of this research shed light on the existing challenges and opportunities related to the integration of AI into Business Process Management. Issues related to data protection, ethical challenges, change management, and the readiness of organizations to embrace AI-based BPM solutions were analyzed. Furthermore, the study provided insights into the potential improvements in process efficiency, cost reduction, and enhanced customer experiences that Artificial Intelligence could bring.This study aims to serve as a guide for organizations looking to embark on the journey of integrating AI into their BPM practices. It offers a structured approach, from assessing organizational readiness and selecting appropriate technologies to implementing, monitoring, and evaluating solutions. Ultimately, this research contributes to a broader understanding of how Artificial Intelligence can be effectively leveraged for the transformation and optimization of business processes in a rapidly evolving digital landscape.
Το αντικείμενο της παρούσας διατριβής είναι η ανάπτυξη μιας ολοκληρωμένης μεθοδολογίας για την ενσωμάτωση της Τεχνητής Νοημοσύνης (ΑΙ) στη Διαχείριση Επιχειρησιακών Διαδικασιών (BPM). Συγκεκριμένα, η παρούσα έρευνα εμβάθυνε στον τομέα της ενσωμάτωσης του ΑΙ, παρουσιάζοντας τα θεωρητικά θεμέλια και συζητώντας τα πιθανά οφέλη και τις πολυπλοκότητες που προκύπτουν. Η μελέτη διερεύνησε τις τεχνολογίες ΑΙ, συμπεριλαμβανομένης της μηχανικής μάθησης (machine learning), της επεξεργασίας φυσικής γλώσσας (Natural Language Processing) και της ρομποτικής αυτοματοποίησης διαδικασιών (Robotic Process Automation), για να κατανοήσει την εφαρμοσιμότητα και τον αντίκτυπό τους στις επιχειρηματικές διαδικασίες.Τα ευρήματα αυτής της έρευνας ρίχνουν φως στις υφιστάμενες προκλήσεις και ευκαιρίες που σχετίζονται με την ενσωμάτωση του ΑΙ στο Business Process Management. Αναλύθηκαν ζητήματα που σχετίζονται με την προστασία των δεδομένων, τις ηθικές προκλήσεις, τη διαχείριση των αλλαγών και την ετοιμότητα των οργανισμών να αγκαλιάσουν λύσεις BPM με βάση το ΑΙ. Επιπλέον, η μελέτη παρείχε πληροφορίες σχετικά με τις πιθανές βελτιώσεις στην αποδοτικότητα των διαδικασιών, τη μείωση του κόστους και τις βελτιωμένες εμπειρίες των πελατών που μπορεί να επιφέρει η Τεχνητή Νοημοσύνη.Αυτή η μελέτη έχει σκοπό να χρησιμεύσει ως οδηγός για τους οργανισμούς που στοχεύουν να ξεκινήσουν το ταξίδι της ενσωμάτωσης της ΑΙ στις πρακτικές του BPM. Προσφέρει μια δομημένη προσέγγιση, από την αξιολόγηση της οργανωτικής ετοιμότητας και την επιλογή των κατάλληλων τεχνολογιών έως την εφαρμογή, παρακολούθηση και αξιολόγηση των λύσεων. Τελικά, η έρευνα αυτή συμβάλλει στην ευρύτερη κατανόηση του τρόπου με τον οποίο μπορεί να αξιοποιηθεί αποτελεσματικά η Τεχνητή Νοημοσύνη για τον μετασχηματισμό και τη βελτιστοποίηση των επιχειρηματικών διαδικασιών σε ένα ταχέως εξελισσόμενο ψηφιακό τοπίο.
Λέξη κλειδί Μηχανική μάθηση
Ρομποτική αυτοματοποίηση διαδικασιών
Αποδοτικότητα διαδικασιών
Machine learning (ML)
Robotic process automation
Process efficiency
Διαθέσιμο από 2024-02-13 16:43:19
Ημερομηνία έκδοσης 31-01-2024
Ημερομηνία κατάθεσης 2024-02-13 16:43:19
Δικαιώματα χρήσης Free access
Άδεια χρήσης https://creativecommons.org/licenses/by/4.0/