Согласно опросу многие аналитики (40%) мечтают быстро с помощью ИИ превратить словесное описание процесса в безупречную BPMN-диаграмму.
1. Почему LLM не справляются с XML для BPMN?
LLM - блестящие генераторы текста. Они предсказывают следующее «слово» в коде, опираясь на статистику, однако не могут выполнять строгие правила стандарта BPMN 2.0. Даже положительные примеры с xml-файлами часто не помогают LLM в этом процессе без дополнительного обучения.
В статье я описывала, как строила BPMN-диаграмму по процессу ловли зайца с помощью DeepSeek.
Результат:
* Семантические ошибки: Невалидные ссылки между элементами, «висячие» потоки, логические тупики, кривые стрелки.
* Нерабочий XML: Сгенерированный файл не импортируется в Camunda, StormBPMN, Draw.io или другие движки.
* Потеря времени: Часы на отладку и проверка громадных xml-файлов вместо минут на создание.
2. DSL как язык-посредник
Отсюда возникает решение - не заставлять ИИ генерировать сложный и объемный XML, а поручить ему то, что он делает лучше всего: структурировать текст.
Нужен промежуточный язык — DSL (Domain-Specific Language), как PlantUML для UML или Graphviz DOT для графов. Это простой текстовый формат, понятный и человеку, и машине, созданный специально для описания процессов.
Пример простого DSL:
process "Оформление заказа" {
role "Клиент", "Менеджер", "Склад"
start -> "Выбрать товар" -> "Оплатить" -> end
}
ИИ легко генерирует и понимает такие структуры. А уже из них детерминированный движок гарантированно строит валидный XML для BPMN.
3. STORM: DSL-движок для BPMN
STORM - это и есть тот самый движок-компилятор. Он берет описание процесса на простом DSL-языке и превращает его в BPMN-диаграмму.
Принцип работы:
1. Вы (или ИИ) описываете процесс текстом (есть ограничение в 5000 символов).
2. Движок STORM проверяет логику, связи и валидирует структуру.
3. На выходе — BPMN в XML и в виде диаграммы.
В статье я приводила пример перевода текста в BPMN с помощью StormBPMN .
4. Методика описания процессов в формате BPMN с помощью ИИ
На основе выше описанных ограничений родилась методика для описания процессов с целью построения BPMN-диаграммы. Данная методика предлагает использовать следующие шаги:
1️⃣С помощью LLM выделяем
➖роли, фазы, инструменты, входные и выходные данные
➖для каждой фазы: задачи, события для развилок
➖прорабатываем успешные и негативные сценарии
➖готовим текстовое описание с учетом ограничения в 5000 символов
2️⃣Используем данное описание для генерации BPMN
Вместе с Алиной Богачевой мы создали промты и последовательные шаги для реализации данного подхода:
➡️ИИ (LLM) - помощник на этапе анализа и создания текстового описания укрупненного процесса и шагов его подпроцессов.
➡️ Методика «САНКИ» Алины Богачевой— каркас для четкого, логичного описания шагов подпроцессов.
➡️STORM (DSL-движок)- преобразователь текста в BPMN-диаграмму
➡️STORM - средство для дальнейшей проработки процесса (проверка качества, идеи для улучшения)
Такая связка позволяет детально структурировать любой процесс и получить его визуальный образ в виде желанной BPMN-диаграммы.
В 2026 году планируется запустить воркшоп в школе SE по данной методике.
Крутой AI-аналитик