با کمک کنترل هوشمند فرآیند، یک سیستم می تواند بر اساس داده های تاریخی جمع آوری شده تصمیمات خودکار بگیرد. این باعث بهبود عملکرد فرایند و جلوگیری از خطاها می شود. اما چگونه این تصمیمات توسط سیستم گرفته می شود؟ اساس این امر یادگیری ماشینی است. در این فرایند یک مدل با استفاده از داده های تاریخی جمع آوری شده توسط یک الگوریتم آموزشی بهینه می شود. مدل ساخته شده، ارتباطات بین فرایندها و ترتیب آن ها، پیکربندی سیستم و KPI های ثبت شده را از داده ها می آموزد. این مدل همچنین باید مشخص کند که کدام KPI مثبت، خنثی یا منفی است و بر اساس این اطلاعات، مدل می تواند تصمیم بگیرد که پیکربندی سیستم، شاخص های کلیدی مثبت یا منفی را ارائه می دهد. پس از آن می‌توان پیکربندی را متناسب با آن تغیر داد. پیش نیاز برای سازگاری مستقیم پیکربندی این است که سیستم بتواند داده‌های زنده را به مدل یا الگوریتم آموزش ارائه دهد. بنابراین فقط با استفاده از داده‌های زنده می‌توان رویدادهای جاری در فرایندها را تجزیه و تحلیل کرد و پیکربندی را مستقیماً تطبیق داد. در صورت عدم وجود داده زنده، تطبیق چند بعدی پیکربندی سیستم نیز ممکن است.