AI Studio (Alfa)

mindzie AI Studio es una plataforma integral de análisis predictivo para minería de procesos. Permite a cualquier persona, desde científicos de datos hasta analistas de negocio y propietarios de procesos, predecir, explicar y optimizar cualquier cosa derivada de datos de procesos.

AI Studio Overview

Visión

AI Studio se construye sobre tres pilares:

  1. AutoML Primero - La máquina determina el mejor enfoque; los humanos se enfocan en los insights
  2. Explicación Potenciada por LLM - Todo se explica en lenguaje sencillo con informes generados
  3. Configuración Basada en Entrevistas - Usuarios no técnicos configuran predicciones a través de conversaciones guiadas

Cómo Acceder a AI Studio

AI Studio está disponible en la navegación del encabezado para inquilinos con PreRelease habilitado.

  1. Haga clic en AI Studio (Alpha) en el menú del encabezado
  2. Seleccione una categoría en la barra lateral izquierda
  3. Explore las funciones disponibles

Categorías de Funciones

AI Studio organiza sus capacidades en siete categorías principales accesibles desde la barra lateral izquierda.

DATOS - La Fundación

Administre sus fuentes de datos y características para aprendizaje automático.

Sección Descripción
Registros de Eventos Importe y gestione registros de eventos para entrenamiento y predicción
Conjuntos de Datos Vea y administre conjuntos de datos enriquecidos listos para ML
Almacén de Características Conjuntos reutilizables de características con control de versiones y plantillas

Capacidades Clave:

  • Ingesta inteligente de datos con detección automática de columnas
  • Mapeo guiado por LLM mediante entrevistas en lenguaje natural
  • Informes automáticos de calidad de datos

PREDICCIÓN - Valor Fundamental

Prediga qué sucederá en sus procesos.

Sección Descripción
Resultados ¿Tendrá éxito un caso? ¿Deserción del cliente? ¿Incumplimiento del SLA?
Tiempo Tiempo restante, fecha de finalización, probabilidad de retraso
Próximos Pasos ¿Qué actividad ocurre a continuación? ¿Qué camino seguirá el caso?
Recursos ¿Quién se encargará? Pronóstico de carga de trabajo, predicción de cuellos de botella
Costos Costo total del caso, costo hasta la finalización, variación presupuestaria
Riesgos Riesgo de cumplimiento, probabilidad de fraude, puntuaciones de riesgo de calidad

Tipos de Predicción:

  • Resultados binarios (sí/no)
  • Resultados multiclase
  • Puntuaciones de probabilidad (0-100%)
  • Estimaciones de tiempo con intervalos de confianza

DETECCIÓN - Encontrar Problemas

Identifique problemas antes de que se vuelvan críticos.

Sección Descripción
Anomalías Detección basada en ML de patrones inusuales en flujo de control, desempeño y semántica
Conformidad Compare la ejecución real contra el comportamiento esperado (modelos BPMN, reglas de negocio, SLAs)
Desviación Detecte cambios a lo largo del tiempo en el comportamiento del proceso, desempeño del modelo y distribución de datos

SIMULACIÓN - Explore el Futuro

Pruebe escenarios y entienda resultados potenciales antes de hacer cambios.

Análisis ¿Qué Pasaría Si?

Ejecute simulaciones para explorar cómo los cambios en el proceso impactarían métricas clave. Configure parámetros del escenario y vea instantáneamente los resultados proyectados.

What-If Analysis

Opciones de Configuración del Escenario:

  • Umbral de Aprobación - Ajuste los umbrales monetarios para la ruta de aprobación
  • Tamaño del Equipo - Modele el impacto de agregar o remover personal
  • Autoaprobación de Bajo Riesgo - Active o desactive la aprobación automática para casos de bajo riesgo
  • Tamaño Máximo de Cola - Establezca límites de capacidad de la cola

Resultados de la Simulación: La simulación compara sus métricas actuales contra el escenario simulado:

Métrica Qué Muestra
Tiempo Medio del Ciclo Tiempo total de procesamiento de extremo a extremo
Casos/Día Capacidad de producción
Cumplimiento de SLA Porcentaje que cumple niveles de servicio
Costo por Caso Costo promedio de procesamiento
Utilización de Recursos Qué tan eficientemente se usan los recursos
Tiempo en Cuellos de Botella Tiempo esperando en cuellos de botella
Tasa de Error Porcentaje de casos con errores

La Visualización de Impacto muestra de un vistazo si los cambios mejoran o empeoran el Tiempo de Ciclo, Producción y Calidad.

El Resumen de Simulación provee una explicación en lenguaje sencillo generada por IA de los resultados, destacando mejoras clave y cualquier compensación a considerar.

Gemelo Digital

Cree una representación visual en tiempo real de su proceso. El Gemelo Digital muestra su mapa de proceso con capacidades de simulación en vivo.

Digital Twin

Características del Gemelo Digital:

  • Visualización del Mapa del Proceso - Vea su modelo de proceso descubierto con todas las variantes
  • Simulación en Vivo - Ejecute simulaciones a través del proceso para observar el comportamiento
  • Análisis de Variantes - Vea todas las variantes del proceso con sus porcentajes de frecuencia
  • Controles de Simulación - Inicie, detenga y monitoree el progreso de la simulación

El Gemelo Digital le permite:

  • Entender cómo fluyen los casos a través de su proceso
  • Identificar cuáles variantes son más comunes
  • Probar hipótesis sobre el comportamiento del proceso
  • Visualizar cuellos de botella y caminos paralelos

Escenarios

Guarde y administre escenarios preconstruidos para análisis ¿qué pasaría si? comunes:

  • Impacto de reducción de personal
  • Manejo de picos de volumen
  • Efectos de rediseño de proceso
  • Modelado de variaciones estacionales

EXPLICAR - Entender Por Qué

Obtenga explicaciones claras para predicciones y resultados.

Impacto de Características

Entienda qué impulsa las predicciones de su modelo usando valores SHAP (SHapley Additive exPlanations).

Feature Impact

Importancia Global de Características: El panel izquierdo muestra qué características tienen más influencia en las predicciones a lo largo de todos los casos:

  • Tiempo Desde Inicio - Cuánto tiempo lleva corriendo el caso
  • Actividades Pendientes - Número de actividades que esperan completarse
  • Prioridad del Cliente - Nivel de prioridad asignado al cliente
  • Monto del Pedido - Valor monetario del pedido
  • Carga del Recurso - Carga de trabajo actual de recursos asignados
  • Tiene Escalación - Si el caso ha sido escalado
  • Día de la Semana - Día en que ocurre la actividad
  • Región - Región geográfica del caso

Cascada a Nivel de Caso: El panel derecho muestra cómo cada característica contribuye a la predicción de un caso específico:

  • Valores verdes (+) impulsan la predicción hacia arriba
  • Valores rojos (-) la impulsan hacia abajo
  • La predicción final combina todas las contribuciones de características

Explicación Generada por IA: Al pie, una explicación generada por IA describe en lenguaje sencillo por qué el modelo hizo su predicción. Por ejemplo: "Se predice que este caso incumplirá el SLA principalmente debido a la duración de 36 horas y 4 actividades pendientes. La alta prioridad del cliente también incrementa la probabilidad de incumplimiento. La baja carga de recursos ofrece un pequeño factor mitigante."

Causa Raíz

Descubrimiento automatizado de factores que contribuyen cuando los KPIs se desvían de lo esperado. Identifica el "por qué" detrás de problemas de proceso con significancia estadística.

Narrativa del Proceso

Explicaciones en lenguaje sencillo generadas por LLM del historial del caso. Obtenga una descripción tipo historia de lo que pasó en cualquier caso y por qué.

AUTOMATIZAR - Inteligencia Continua

Configure flujos de trabajo y monitoreo automatizados.

Entrenamiento Programado

Configure el entrenamiento automático de modelos para mantener sus predicciones precisas a medida que los datos evolucionan.

Scheduled Training

Configuración de Entrenamiento:

  • Selección de Conjunto de Datos - Elija el conjunto de datos enriquecido para el entrenamiento
  • Selección de Algoritmo - Escoja entre varios algoritmos ML:
    • FastForest - Método de ensamblado rápido y preciso
    • LightGBM - Potenciación por gradiente para grandes conjuntos de datos
    • FastTree - Árbol de decisión con alto rendimiento
    • Linear - Modelos lineales simples e interpretables
  • Intensidad de Búsqueda - Equilibrio entre tiempo de entrenamiento y calidad del modelo
  • Notificación - Reciba aviso cuando finalice el entrenamiento

Escaneo de Predictibilidad de Actividades: Antes de entrenar, el sistema escanea sus datos para mostrar qué actividades son predecibles:

  • Actividad - Actividad a predecir
  • Calificación - Qué tan predecible es la actividad (Recomendado, Aceptable, etc.)
  • Porcentaje - Tasa de ocurrencia en el conjunto de datos
  • Casos - Número de casos que contienen esta actividad

Esto le ayuda a seleccionar actividades que producirán predicciones confiables.

Alertas y Acciones

Configure disparadores basados en predicciones:

  • Caso de alto riesgo detectado -> Enviar correo al responsable del caso
  • Incumplimiento de SLA predicho -> Crear tarea en el flujo de trabajo
  • Anomalía detectada -> Registrar en cola de investigación
  • Desviación de modelo detectada -> Activar reentrenamiento

Renovación de Modelos

Gestión automatizada del ciclo de vida de modelos:

  • Monitoreo del desempeño del modelo con el tiempo
  • Detección de degradación en la precisión
  • Activación automática de reentrenamientos
  • Comparación de nuevos modelos contra implementaciones actuales

MODELOS - Sus Activos de IA

Administre sus modelos entrenados y despliegues.

Registro de Modelos

Catálogo de todos los modelos entrenados con su estado, métricas de desempeño e historial de versiones.

Despliegues

Implemente modelos entrenados para hacer predicciones disponibles como operadores de enriquecimiento.

Model Deployments

Desplegar a Enriquecimiento: Seleccione un entrenamiento completado para desplegar. El modelo será agregado como un operador de enriquecimiento que genera atributos de predicción para cada caso.

Cada modelo entrenado muestra:

  • Nombre del Modelo - La actividad que predice (p. ej., "Imagen Solicitud", "Consulta Completada")
  • Enriquecimiento - Con qué enriquecimiento de conjunto de datos se entrenó el modelo
  • Completado - Cuándo terminó el entrenamiento
  • Botón de Despliegue - Clic para desplegar el modelo

Modelos Desplegados: Una vez desplegados, los modelos aparecen en el panel Modelos Desplegados. Desde aquí puede:

  • Monitorear cuáles modelos están activos
  • Ver capacidades de predicción
  • Gestionar el ciclo de vida del modelo

Los modelos desplegados están disponibles como operadores de enriquecimiento en sus pipelines de datos, agregando automáticamente columnas de predicción a sus casos.

Desempeño

Rastree la salud y precisión del modelo con el tiempo:

  • Volumen y latencia de predicción
  • Tendencias de precisión
  • Indicadores de desviación
  • Comparación contra datos de validación

Hoja de Ruta

Las funciones de AI Studio se están lanzando progresivamente. Las áreas de enfoque actuales incluyen:

Disponible Ahora:

  • Entrenamiento Programado con múltiples algoritmos
  • Despliegues de Modelos a enriquecimientos
  • Análisis ¿Qué Pasaría Si? con simulación
  • Visualización Gemelo Digital
  • Impacto de Características con explicaciones SHAP

Próximamente:

  • Predicción de Costos - Estimación total del costo del caso e identificación de impulsores de costo
  • Predicción de Resultados - Predicciones de resultados binarios y multiclase
  • Detección de Anomalías - Detección en tiempo real de patrones inusuales
  • Narrativa del Proceso - Explicaciones del caso generadas por IA

Brindar Retroalimentación

¡Agradecemos sus comentarios sobre AI Studio! Su aporte ayuda a moldear estas funciones antes del lanzamiento general:

  • Correo electrónico: support@mindzie.com
  • Asunto: Incluir "Alpha Feedback: AI Studio"
  • Incluir: Qué intentaba hacer, qué sucedió y qué esperaba