Interface conversacional baseada em Large Language Models (LLMS) para detecção de anomalias semânticas

Abstract

Para capturar comportamentos indesejáveis em processos de negócio, são utiliza das técnicas de Análise de Conformidade, que verificam se os processos reais estão alinhados com um determinado modelo de referência - e vice-versa - em busca de desvios e gargalos em relação ao comportamento atual e esperado. Porém, essas técnicas necessitam de um modelo de processo que represente o comportamento esperado, muitas vezes não disponível; isso é mitigado por técnicas de Detecção de Anomalias, que realizam a análise de conformidade diretamente a partir do log de eventos. Uma dessas técnicas é a Explainable Semantic Anomaly Detection (xSemAD) que descobre anomalias numa perspectiva semântica - sem a necessidade de se basear na frequência das atividades - e explica as anomalias através da identificação das restrições violadas utilizando a linguagem Declare. Ainda assim, o resultado dessas técnicas necessita de entendimento de negócio e de mineração de processos, tornando sua utilidade limitada para pessoas do negócio. Para isso, foram utilizadas as Large Language Models (LLMs) que mais recentemente têm se mostrado promissores em auxiliar na execução e análise de técnicas de mineração de processos. A principal contribuição desta pesquisa reside em utilizar LLMs como interface para o uso da técnica xSemAD em log de eventos, facilitando a utilização da técnica e fornecendo explicações dos desvios para pessoas de negócio de forma contextualizada e em linguagem natural.