Server MCP untuk process mining: penghubung ke data Anda

Kegunaan asisten AI bergantung pada konteks proses yang dapat diaksesnya. Asisten bisa menjelaskan proses order-to-cash secara umum, tetapi tidak bisa menunjukkan bagian mana dari proses Anda yang membuang waktu. MCP server menjembatani asisten kompatibel dengan informasi proses yang sudah ditata organisasi Anda, mulai dari model dan dokumentasinya hingga peran dan RACI. Jawabannya pun mengacu pada proses Anda, bukan proses umum.

Mengapa asisten AI membutuhkan konteks proses?

Kemampuan model dalam bernalar terus meningkat. Namun, yang membatasi jawaban tentang proses Anda bukanlah kemampuan tersebut, melainkan konteks. Jika tidak dapat melihat proses Anda, asisten hanya mengandalkan hal yang dipelajarinya saat pelatihan, seperti cara kerja proses serupa dan masalah yang biasanya muncul.

Jawaban seperti itu bisa membantu membuat draf awal, tetapi berisiko menyesatkan saat Anda mengambil keputusan. Proses purchase-to-pay Anda punya variasi, hambatan, dan pengecualian sendiri. Semua itu tidak ada dalam data pelatihan model. Asisten tidak kekurangan kecerdasan, tetapi kekurangan informasi tentang proses Anda.

MCP, atau Model Context Protocol, membantu mengisi kesenjangan itu. Protokol ini menghubungkan asisten dengan sistem yang menyimpan pengetahuan proses Anda, sehingga asisten dapat meminta informasi yang dibutuhkan saat menjawab. Jika sistem yang terhubung adalah pusat informasi proses yang sudah ditata, bukan sekumpulan tabel, asisten mendapat konteks yang berguna: model, dokumentasi, peran, dan gambaran terukur tentang cara kerja proses.

Itulah manfaat konteks proses melalui MCP: bukan model yang lebih pintar, melainkan model yang dapat melihat proses Anda. Konteks untuk analisis proses dengan AI membedakan jawaban yang sekadar terdengar masuk akal dari jawaban yang bisa diperiksa. Integrasi process mining dengan LLM hanya berguna jika dapat mengakses pengetahuan proses yang mendasari pertanyaan.

Apa itu Model Context Protocol?

Model Context Protocol adalah standar terbuka untuk menghubungkan asisten AI dengan alat dan sumber data eksternal. MCP server menyediakan kumpulan alat, sumber daya, dan prompt tertentu. Klien yang kompatibel, seperti asisten, IDE, atau aplikasi chat, dapat memanggilnya selama percakapan. Satu server dapat terhubung ke banyak klien, jadi Anda cukup mengatur koneksi sekali, bukan membuat integrasi untuk setiap asisten.

Protokol ini tidak dimiliki satu vendor pun. Klien apa pun yang mendukung standar tersebut dapat terhubung ke server yang menerapkannya. Karena itu, hal yang disediakan server lebih penting daripada sekadar memilikinya. Nilai integrasi proses dengan Model Context Protocol ditentukan oleh informasi yang disediakan, bukan hanya keberadaan server. Untuk process mining melalui MCP server, server itulah yang membedakan jawaban umum dari jawaban berdasarkan proses Anda.

Apa yang disediakan koneksi process mining melalui MCP server?

MCP server ProcessMind menyediakan pengetahuan proses dari satu organisasi. Intinya adalah model dan dokumentasinya, dilengkapi peran, pengguna, dan skor proses. Berikut gambaran umumnya:

• Proses dan model BPMN: arsitektur proses, termasuk langkah dan koneksi dalam setiap proses. Alat model proses MCP server menampilkan langkah dan koneksi, bukan baris database.
• Dokumentasi: pengetahuan tertulis yang terhubung ke model, disajikan per bagian.
• Peran dan RACI: siapa yang bertanggung jawab, menyetujui, dimintai masukan, dan diberi informasi untuk setiap aktivitas dan proses.
• Pengguna dan organisasi: pengguna di tenant, detail organisasi, dan metadata lingkungan.
• Skor dan statistik proses: skor kualitas dan kesehatan setiap proses, informasi apakah proses memiliki model, data, atau simulasi, serta jumlah keseluruhan di tenant.
• Alat AI bawaan ProcessMind: membuat atau menyunting draf model, menulis atau menyunting dokumentasi, mengusulkan RACI, menganalisis proses, dan menjawab pertanyaan.

Seberapa banyak informasi yang dapat diakses asisten bergantung pada API key yang digunakan untuk terhubung. Setiap akses asisten AI ke data proses dibatasi oleh izin: asisten hanya membaca informasi yang dapat diakses key tersebut. Semua ini mengarah pada satu hal: server menyediakan pengetahuan yang sudah ada di ruang kerja Anda, sehingga asisten menjawab berdasarkan proses Anda, bukan menebaknya. Inilah yang membedakan MCP server untuk process mining dari server untuk kecerdasan proses: ProcessMind menyediakan proses yang sudah ditata, bukan sekadar kumpulan data.

Pengetahuan proses yang saling terhubung, di satu tempat

Apa yang dapat dilakukan asisten AI dengan konteks proses?

Dengan konteks tersebut, asisten tidak lagi sekadar memberi saran umum. Asisten dapat membantu mengerjakan hal yang hasilnya bisa Anda periksa. Contohnya:

• Merangkum proses. Tanyakan cara kerja proses onboarding pemasok, lalu asisten menjawab berdasarkan model dan dokumentasinya, bukan templat umum.
• Membuat draf model untuk ditinjau. Perintah “Buat draf proses onboarding pemasok yang kami bahas dalam lokakarya” menghasilkan struktur model BPMN yang dapat Anda periksa dan terapkan.
• Menulis dokumentasi. Perintah “Tulis dokumentasi untuk model purchase-to-pay” menghasilkan bagian-bagian yang dapat Anda sunting, bukan halaman kosong.
• Mengusulkan RACI. Perintah “Tetapkan RACI untuk aktivitas persetujuan faktur” memetakan tanggung jawab ke aktivitas dalam model menggunakan peran yang sudah tersedia.
• Memeriksa katalog proses. Pertanyaan “Proses mana yang belum memiliki pemilik atau dokumentasi?” mengubah metadata proses menjadi daftar yang dapat ditindaklanjuti.

Jawaban asisten yang merangkum proses berdasarkan model dan dokumentasinya

Intinya bukan karena asisten itu pintar. Asisten bekerja dengan informasi proses yang sama-sama sudah ditata dan digunakan tim Anda. Jadi, Anda dapat memeriksa jawabannya, bukan sekadar memercayainya.

Mengapa menggunakan MCP server ProcessMind?

MCP makin banyak digunakan sebagai standar. Jadi, pertanyaan pentingnya bukan apakah vendor memiliki server, melainkan informasi apa yang disediakan server tersebut. Di sinilah perbedaannya.

Ada dua hal yang membuat perbedaan itu nyata. Pertama, pengetahuannya sudah ditata: server menyediakan pusat informasi proses yang saling terhubung, termasuk model, dokumentasi, peran, dan RACI, bukan sekadar kumpulan data yang harus ditafsirkan asisten. Kedua, server menyediakan kemampuan AI bawaan ProcessMind. Selain alat untuk membaca, server juga menyediakan alat untuk membuat draf model, menulis dokumentasi, mengusulkan RACI, dan menganalisis proses. Dengan begitu, asisten dapat menggunakan pengetahuan proses Anda, bukan hanya membacanya.

Hal lainnya berkaitan dengan pengelolaan. Banyak yang berhenti pada klaim “kami juga punya MCP”. Di sini, Anda dapat membatasi API key, menerapkan izin yang sama dengan ruang kerja, dan memastikan setiap perubahan menunggu persetujuan Anda.

Apakah aman menghubungkan asisten AI ke data proses?

Ya. Untuk urusan ini, sistemnya sengaja dibuat sederhana. MCP server menggunakan API key yang Anda buat untuk koneksi, dan akses baca aktif secara default. Anda dapat memilih untuk mengaktifkan akses tulis: key dengan izin tulis juga dapat menggunakan alat untuk menerapkan model, dokumentasi, RACI, peran, atau metadata. Asisten hanya dapat melihat hal yang diizinkan oleh key tersebut, dengan batasan yang sama seperti ruang kerja. Setiap panggilan juga tercatat atas nama key itu.

Setiap perubahan harus dikonfirmasi terlebih dahulu. Alat AI memberikan usulan dan tidak mengubah data sendiri. Alat penerapan menampilkan pratinjau dry-run dan menggunakan ID operasi agar percobaan ulang tetap aman. Anda memilih klien yang terhubung, dapat mencabut key tanpa mengubah hal lain, dan dapat melihat panggilan di log audit.

Diagram ini menunjukkan asisten mengakses pengetahuan proses melalui MCP server, dengan akses dibatasi sesuai izin API key yang digunakan untuk terhubung

Apa yang tidak dilakukan MCP?

Penting untuk menjelaskan batasannya dengan lugas, karena versi cerita yang terlalu muluk biasanya mengabaikannya.

• MCP tidak memperbaiki model yang keliru atau data yang buruk. Asisten bekerja berdasarkan informasi yang tersedia. Jika model tidak sesuai kenyataan atau log peristiwa tidak lengkap, jawabannya juga akan mewarisi masalah tersebut.
• MCP tidak memberi asisten wewenang untuk bertindak. Alat AI ProcessMind hanya mengusulkan. Seseorang harus menyetujuinya. Tidak ada yang berubah hanya karena asisten mengusulkannya.
• MCP tidak menggantikan analis atau pemilik proses. Anda tetap menentukan pertanyaan, menilai bukti, dan memutuskan tindakan.
• MCP tidak dapat mengakses informasi di luar izin key. Tidak ada alat yang dapat mengambil data yang tidak dapat diakses oleh key tersebut.

Bagaimana cara menghubungkan asisten ke ProcessMind?

1. Buat API key

   Buat key untuk lingkungan yang ingin Anda buka aksesnya. Berikan izin baca untuk mengajukan pertanyaan, dan izin tulis hanya jika Anda ingin menerapkan usulan.

2. Tambahkan server ke klien Anda

   Arahkan klien MCP ke URL server ProcessMind, lalu sertakan key di header x-api-key. Kredensial klien OAuth juga dapat digunakan.

3. Pastikan koneksi berfungsi

   Minta asisten menampilkan daftar proses Anda. Jika berhasil, server sudah terhubung dengan izin yang tepat.

4. Ajukan pertanyaan yang jawabannya dapat diperiksa

   Mulailah dengan pertanyaan tentang proses yang jawabannya sudah Anda ketahui. Lalu, bandingkan jawaban asisten dengan informasi di ruang kerja.

Untuk menghubungkan AI ke process mining, hanya itu langkah yang diperlukan. Bagian tersulitnya adalah menyediakan konteks, bukan mengatur koneksi. MCP server ProcessMind tersedia dengan paket Enterprise. Dokumentasi server dan daftar alatnya tersedia di dokumentasi MCP server, termasuk detail koneksi dan izin API key. Jika Anda masih mencari tahu cara memasukkan data proses ke platform, kebutuhan untuk menjalankan process mining menjelaskan log peristiwa, sedangkan alasan kami tidak menyediakan konektor siap pakai menjelaskan pendekatan data kami.

Berikan konteks proses Anda kepada asisten

Pilih pertanyaan tentang proses yang baru-baru ini Anda ajukan kepada rekan kerja. Hubungkan satu asisten ke satu proses yang sudah dianalisis, lalu periksa apakah jawabannya sesuai dengan informasi di ruang kerja. Yang perlu diuji bukan seberapa yakin asisten terdengar, melainkan apakah jawabannya benar-benar menggunakan proses Anda.