AI Studio (Alpha)

mindzie AI Studio est une plateforme complète d'analytique prédictive pour le process mining. Elle permet à tout un chacun — des data scientists aux analystes métier en passant par les responsables de processus — de prédire, expliquer et optimiser tout élément dérivable des données de processus.

Vue d'ensemble d'AI Studio

Vision

AI Studio repose sur trois piliers :

  1. AutoML First - La machine détermine la meilleure approche ; les humains se concentrent sur les insights
  2. Explication alimentée par LLM - Tout est expliqué en langage clair avec des rapports générés
  3. Configuration par interview - Les utilisateurs non techniques configurent les prédictions via des dialogues guidés

Comment accéder à AI Studio

AI Studio est disponible dans la navigation en haut pour les locataires avec PreRelease activé.

  1. Cliquez sur AI Studio (Alpha) dans le menu en haut
  2. Sélectionnez une catégorie dans la barre latérale gauche
  3. Explorez les fonctionnalités disponibles

Catégories de fonctionnalités

AI Studio organise ses capacités en sept catégories principales accessibles depuis la barre latérale gauche.

DONNÉES - La Fondation

Gérez vos sources de données et vos caractéristiques pour l'apprentissage automatique.

Section Description
Journal d'événements Importez et gérez les journaux d'événements pour entraînement et prédiction
Jeux de données Visualisez et gérez les jeux de données enrichis prêts pour le ML
Feature Store Ensembles de caractéristiques réutilisables avec contrôle de versions et modèles

Principales capacités :

  • Ingestion intelligente des données avec détection automatique des colonnes
  • Cartographie guidée par LLM via des interviews en langage naturel
  • Rapports automatiques sur la qualité des données

PRÉDIRE - Valeur centrale

Prédisez ce qui va se passer dans vos processus.

Section Description
Résultats Le cas réussira-t-il ? Abandon client ? Violation SLA ?
Timing Temps restant, date de fin, probabilité de retard
Étapes suivantes Quelle activité se déroule ensuite ? Quel chemin le cas prendra-t-il ?
Ressources Qui va gérer cela ? Prévisions de charge, prédiction de goulots d'étranglement
Coûts Coût total du cas, coût jusqu’à la complétion, écart budgétaire
Risques Risque de conformité, probabilité de fraude, scores de risque qualité

Types de prédiction :

  • Résultats binaires (oui/non)
  • Résultats multi-classes
  • Scores de probabilité (0-100%)
  • Estimations temporelles avec intervalles de confiance

DÉTECTER - Trouver les problèmes

Identifiez les problèmes avant qu'ils ne deviennent critiques.

Section Description
Anomalies Détection basée sur ML des schémas inhabituels dans le contrôle du flux, performance et sémantique
Conformité Compare l'exécution réelle au comportement attendu (modèles BPMN, règles métier, SLA)
Dérive Détecte les changements dans le temps du comportement du processus, des performances du modèle et de la distribution des données

SIMULER - Explorer l'avenir

Testez des scénarios et comprenez les résultats potentiels avant de faire des changements.

Analyse What-If

Lancez des simulations pour explorer comment les changements de processus impacteraient les métriques clés. Configurez les paramètres du scénario et voyez instantanément les résultats projetés.

Analyse What-If

Options de configuration des scénarios :

  • Seuil d'approbation - Ajustez les seuils monétaires pour la routage des approbations
  • Taille de l'équipe - Modélisez l'impact d'ajout ou de suppression de personnel
  • Approbation automatique faible risque - Activez ou désactivez l'approbation automatique pour les cas à faible risque
  • Taille maximale de la file d'attente - Définissez les limites de capacité de la file d'attente

Résultats de la simulation : La simulation compare vos métriques actuelles avec le scénario simulé :

Métrique Ce que cela montre
Temps moyen de cycle Temps de traitement de bout en bout
Cas/jour Capacité de débit
Conformité SLA Pourcentage respectant les niveaux de service
Coût par cas Coût moyen de traitement
Utilisation des ressources Efficacité d'utilisation des ressources
Temps de goulots d'étranglement Temps passé en attente aux points de blocage
Taux d'erreur Pourcentage de cas avec erreurs

La Visualisation d'impact montre en un coup d'œil si les changements améliorent ou détériorent le temps de cycle, le débit et la qualité.

Le Résumé de la simulation fournit une explication en langage clair générée par AI des résultats, soulignant les améliorations clés et les compromis éventuels à considérer.

Jumeau numérique

Créez une représentation visuelle et en temps réel de votre processus. Le Jumeau numérique affiche votre carte de processus avec des capacités de simulation en direct.

Jumeau numérique

Fonctionnalités du Jumeau numérique :

  • Visualisation de la carte de processus - Voyez votre modèle de processus découvert avec toutes les variantes
  • Simulation en direct - Lancez des simulations à travers le processus pour observer le comportement
  • Analyse des variantes - Visualisez toutes les variantes de processus avec leurs pourcentages de fréquence
  • Contrôles de simulation - Démarrer, arrêter et surveiller la progression de la simulation

Le Jumeau numérique vous permet de :

  • Comprendre comment les cas circulent dans votre processus
  • Identifier quelles variantes sont les plus courantes
  • Tester des hypothèses sur le comportement du processus
  • Visualiser les goulots d'étranglement et les chemins parallèles

Scénarios

Enregistrez et gérez des scénarios préconstruits pour des analyses what-if courantes :

  • Impact de la réduction du personnel
  • Gestion des pics de volume
  • Effets de la refonte des processus
  • Modélisation des variations saisonnières

EXPLIQUER - Comprendre pourquoi

Obtenez des explications claires pour les prédictions et résultats.

Impact des caractéristiques

Comprenez ce qui motive les prédictions de votre modèle grâce aux valeurs SHAP (SHapley Additive exPlanations).

Impact des caractéristiques

Importance globale des caractéristiques : Le panneau de gauche montre quelles caractéristiques ont le plus d'influence sur les prédictions à travers tous les cas :

  • Temps depuis le début - Durée d'exécution du cas
  • Activités en attente - Nombre d'activités en attente d'exécution
  • Priorité client - Niveau de priorité attribué au client
  • Montant de la commande - Valeur monétaire de la commande
  • Charge des ressources - Charge actuelle des ressources assignées
  • A eu une escalade - Cas ayant été escaladé ou non
  • Jour de la semaine - Jour où l'activité se déroule
  • Région - Région géographique du cas

Cascade au niveau du cas : Le panneau de droite montre comment chaque caractéristique contribue à la prédiction d'un cas spécifique :

  • Les valeurs vertes (+) poussent la prédiction à la hausse
  • Les valeurs rouges (-) la poussent à la baisse
  • La prédiction finale combine toutes les contributions des caractéristiques

Explication générée par l'AI : En bas, une explication générée par l'AI décrit en langage clair pourquoi le modèle a fait sa prédiction. Par exemple : "Ce cas est prévu en violation de SLA principalement en raison de la durée de 36 heures et des 4 activités en attente. La haute priorité client augmente également la probabilité de violation. La faible charge des ressources apporte un facteur atténuant mineur."

Cause racine

Découverte automatisée des facteurs contributifs lorsque les KPIs s’écartent des attentes. Identifie le "pourquoi" derrière les problèmes de processus avec une signification statistique.

Narration du processus

Explications en langage clair générées par LLM de l'historique des cas. Obtenez une description sous forme d'histoire de ce qui s'est passé dans un cas donné et pourquoi.

AUTOMATISER - Intelligence continue

Configurez des flux automatisés et du monitoring.

Entraînement programmé

Configurez un entraînement automatique des modèles pour garder vos prédictions précises au fur et à mesure que les données évoluent.

Entraînement programmé

Configuration de l'entraînement :

  • Sélection du jeu de données - Choisissez le jeu de données enrichi utilisé pour l'entraînement
  • Choix de l'algorithme - Sélectionnez parmi plusieurs algorithmes ML :
    • FastForest - Méthode d'ensemble rapide et précise
    • LightGBM - Boosting par gradient pour grands jeux de données
    • FastTree - Arbre de décision haute performance
    • Linéaire - Modèles linéaires simples et interprétables
  • Intensité de recherche - Équilibre entre temps d'entraînement et qualité du modèle
  • Notification - Recevez une alerte à la fin de l'entraînement

Scan de prévisibilité des activités : Avant l'entraînement, le système analyse vos données pour montrer quelles activités sont prévisibles :

  • Activité - Activité à prédire
  • Évaluation - Niveau de prévisibilité (Recommandé, Acceptable, etc.)
  • Pourcentage - Taux d'occurrence dans le jeu de données
  • Cas - Nombre de cas contenant cette activité

Cela vous aide à choisir les activités qui produiront des prédictions fiables.

Alertes & Actions

Configurez des déclencheurs basés sur les prédictions :

  • Cas à haut risque détecté -> Email au propriétaire du cas
  • Violation SLA prévue -> Création d'une tâche dans le workflow
  • Anomalie détectée -> Enregistrement dans la file d'investigation
  • Dérive du modèle détectée -> Lancement d'un nouvel entraînement

Rafraîchissement du modèle

Gestion automatisée du cycle de vie du modèle :

  • Surveiller la performance du modèle dans le temps
  • Détecter la dégradation de l'exactitude
  • Lancer automatiquement le réentraînement
  • Comparer les nouveaux modèles avec les déploiements actuels

MODÈLES - Vos actifs AI

Gérez vos modèles entraînés et leurs déploiements.

Registre de modèles

Catalogue de tous les modèles entraînés avec leur statut, métriques de performance et historique des versions.

Déploiements

Déployez les modèles entraînés pour rendre les prédictions disponibles comme opérateurs d’enrichissement.

Déploiement des modèles

Déployer vers l’enrichissement : Sélectionnez un entraînement terminé pour déployer. Le modèle sera ajouté comme opérateur d’enrichissement qui génère des attributs de prédiction pour chaque cas.

Chaque modèle entraîné affiche :

  • Nom du modèle - Activité prédite (ex : "Imagerie demandée", "Consultation terminée")
  • Enrichissement - Jeu de données enrichi utilisé pour l'entraînement
  • Terminé - Date de fin d'entraînement
  • Bouton Déployer - Cliquez pour déployer le modèle

Modèles déployés : Une fois déployés, les modèles apparaissent dans le panneau des modèles déployés. Vous pouvez :

  • Surveiller les modèles actifs
  • Voir les capacités de prédiction
  • Gérer le cycle de vie des modèles

Les modèles déployés deviennent disponibles comme opérateurs d’enrichissement dans vos pipelines de données, ajoutant automatiquement les colonnes de prédiction à vos cas.

Performance

Suivez la santé et l'exactitude des modèles dans le temps :

  • Volume et latence des prédictions
  • Tendances de précision
  • Indicateurs de dérive
  • Comparaison avec les données de validation

Feuille de route

Les fonctionnalités AI Studio sont déployées progressivement. Les axes actuels incluent :

Disponible maintenant :

  • Entraînement programmé avec plusieurs algorithmes
  • Déploiements de modèles vers les enrichissements
  • Analyse What-If avec simulation
  • Visualisation Jumeau numérique
  • Impact des caractéristiques avec explications SHAP

Bientôt disponible :

  • Prédiction des coûts - Estimation du coût total des cas et identification des facteurs de coût
  • Prédiction des résultats - Prédictions binaires et multi-classes des résultats
  • Détection d'anomalies - Détection en temps réel des schémas inhabituels
  • Narration des processus - Explications AI générées des cas

Nous faire part de vos retours

Nous accueillons vos retours sur AI Studio ! Votre avis aide à façonner ces fonctionnalités avant leur sortie générale :

  • Email : support@mindzie.com
  • Sujet : Incluez "Alpha Feedback : AI Studio"
  • Inclure : Ce que vous essayiez de faire, ce qui s'est passé et ce à quoi vous vous attendiez