FlowMind: Generación Automática de Flujos de Trabajo con LLMs

El campo en rápida evolución de la Automatización Robótica de Procesos (RPA) ha logrado avances significativos en la automatización de procesos repetitivos, pero su efectividad disminuye en escenarios que requieren tareas espontáneas o impredecibles demandadas por los usuarios. Este artículo presenta un enfoque novedoso, FlowMind, que aprovecha las capacidades de los Modelos de Lenguaje a Gran Escala (LLMs) como Generative Pretrained Transformer (GPT), para abordar esta limitación y crear un sistema de generación automática de flujos de trabajo. En FlowMind, proponemos una receta genérica de prompt para una lección que ayuda a fundamentar el razonamiento del LLM con Interfaces de Programación de Aplicaciones (APIs) confiables. Con esto, FlowMind no solo mitiga el problema común de las alucinaciones en los LLMs, sino que también elimina la interacción directa entre los LLMs y datos o códigos propietarios, garantizando así la integridad y confidencialidad de la información — una piedra angular en los servicios financieros. FlowMind además simplifica la interacción del usuario al presentar descripciones de alto nivel de los flujos de trabajo auto-generados, permitiendo a los usuarios inspeccionar y proporcionar retroalimentación de manera efectiva. También introducimos NCEN-QA, un nuevo conjunto de datos en finanzas para evaluar tareas de preguntas y respuestas basadas en informes N-CEN sobre fondos. Usamos NCEN-QA para evaluar el rendimiento de los flujos de trabajo generados por FlowMind en comparación con variantes base y ablatadas de FlowMind. Demostramos el éxito de FlowMind, la importancia de cada componente en la receta propuesta y la efectividad de la interacción y retroalimentación del usuario en FlowMind.