As organizações estão constantemente buscando diferenciais para manter a competitividade, reduzir custos, investir em propaganda, melhorar a produtividade, entender todos os processos e reduzir erros. A metodologia BPM (Business Process Management) vem ganhando cada vez mais espaço nas empresas, assim como os sistemas para automatização de processos (BPMS - Business Process Management System). Durante a execução de processos podem ser realizadas inúmeras tomadas de decisões, por exemplo, para aprovar um orçamento, definir o grau de risco do cliente, avaliar concessão de crédito, entre outros, que se baseiam em informações do processo. É possível que no fluxo destes processos existam pontos críticos de tomada de decisão. Porém, a tomada de decisão está se tornando cada vez mais complexa devido à grande quantidade de informações e variáveis que podem influenciar neste processo. Antes de tomar uma decisão, deve ser realizada uma profunda análise de todos os fatores que podem influenciá-la para tentar diminuir a chance de que a decisão escolhida não seja a melhor e resulte em consequências negativas para a empresa. Por este motivo, é necessário que o aprendizado seja um processo efetivo no auxílio às decisões dentro de um contexto. O que foi aprendido é utilizado para novas decisões e novas decisões geram novos aprendizados, tornando-se um ciclo baseado em conhecimento. Sabendo que as RNAs (Redes Neurais Artificiais) possuem as habilidades necessárias para realizar tomadas de decisão, este trabalho tem como objetivo desenvolver e integrar um módulo de RNA ao BPMS, a fim de tornar a tomada de decisão mais precisa e agilizar este processo. As RNAs são técnicas de Inteligência Artificial baseadas em aprendizado e reconhecimento de padrões. Como metodologia, iniciou-se por uma pesquisa bibliométrica quantitativa e qualitativa. Pela bibliometria quantitativa foi detectada carência de pesquisa nestes dois assuntos em conjunto. Para a bibliometria qualitativa, foram selecionados três trabalhos relacionados para elaborar sínteses e um quadro comparativo, com a finalidade de levantar aspectos referentes aos assuntos de processo de negócio, redes neurais artificiais, aprendizado e tomada de decisão. A partir dos estudos realizados, a proposta é implementar o modelo de RNA MLP (Multilayer Perceptron) com o algoritmo de treinamento supervisionado Backpropagation, baseado em correção de erros. Com este modelo, é possível automatizar uma variedade de decisões, desde que não dependam de atributos temporais nem de atributos difusos, pois estes possuem melhores resultados com a utilização de outras técnicas. O histórico de execução dos processos servirá como base de dados de entrada e saída da RNA. Para a validação da ferramenta será realizado contato com os clientes que utilizam a ferramenta BPMS, a fim de obter um estudo de caso (processo automatizado) real. Como resultado final espera-se obter um modelo de aplicação de inteligência artificial em processos de negócio automatizados, tornando as tomadas de decisões mais precisas e rápidas, além de diminuir a margem de erros e perdas.