用于人工智能增强业务流程管理的人工智能决策检查点：框架和教育实例化

大语言模型 (LLM)、检索增强生成 (RAG) 和 AI 智能体越来越多地嵌入到运营业务流程中。然而，业务流程管理 (BPM) 课程和框架仍然在很大程度上将人工智能 (AI) 视为一种附加技术，这使得毕业生（作为未来潜在的流程开发人员）没有准备好将 AI 视为端到端流程的一流设计元素。本文通过提出 AI 决策检查点来解决这一差距：流程开发轨迹中的明确时刻，流程开发人员识别 AI 候选子流程，评估对时间、成本、质量和灵活性的预期影响，考虑法律和组织约束，并记录采用、限制或拒绝特定 AI 组件的合理决策。 检查点通过虚构的客户入职流程实例化为 \textit{BPM 教学案例}，嵌入生命周期驱动的框架中，该框架跨越六个模块，将流程建模、模拟、工作流执行与 AI 智能体以及流程挖掘相结合，每个模块的输出作为下一个模块的输入。初步的形成性反思借鉴了教师的观察、提交的工件以及从学习管理系统日志中发现的流程图。这些探索性观察表明，该方法支持任务级自动化和流程级价值之间更清晰的区别。