I. Монетизация обработки  неструктурированных данных

Большая часть корпоративных данных (≈ 80%) неструктурирована и мало доступна (включая данные из электронных писем, текстовых документов, исследовательских и юридических отчетов, голосовых сообщений, видео, переписки в социальных сетях и многие другие источники).

NLP является одной из составляющей трех направлений в работе с Искусственным интеллектом (AI), которые могут быть использованы компаниями для улучшения бизнес процессов и развития конкурентных преимуществ:

1. Интернет вещей (IoT): применение технологий, таких как аналитика данных в режиме реального времени, машинное обучение (ML) и интеллектуальные датчики, для управления и обработки структурированных данных, генерируемых подключенными устройствами. 

2. Компьютерное зрение: использование цифровых технологий визуализации, Машинного обучения и распознавания образов для интерпретации изображений и видеоматериалов. 

3. Извлечение полезных структурированных и неструктурированных данных из документов: сочетание технологий NLP и ML, для получения представления о созданных человеком неструктурированных данных на естественном языке.

В результате, объем рынка Обработки естественного языка  к 2021 году достигнет $16 млрд.

II. Внедрение NLP-приложений в компании

Организации могут использовать NLP-приложения двумя способами:

1. Для понимание запросов пользователя, сформулированных на естественном языке (как текстовых, так и голосовых):

— Обеспечение более качественного и таргетированного ответа посредством понимая вопросов пользователей и их желаний;

— Выявление внешних запросов и представление интеллектуальных альтернатив.

2. Для понимание содержания текстов (извлечение информации из огромных массивов неструктурированных данных):

  • Извлечение из текстовых документов юридической информации для идентификации сотрудников, клиентов, продукции, процедур и т.д;
  • Идентификация и понимание значения контента на естественном языке (документы, отчеты, электронная почта и т.д.) с целью предоставления ответов на естественном языке.

NLP позволяет лучше понимать запросы пользователей и анализировать корпоративную информацию. Использование данной технологии гарантирует, что у каждого пользователя есть доступ к наиболее актуальным, полезным источникам информации, которые иначе остались бы скрытыми в огромных объемах данных.

III. Корпоративные способы применения NLP в действии

Чатботы и виртуальные помощники

56% опрошенных генеральных и технических директоров утверждают, что чатботы приводят к сбоям в их отрасли.

57% согласны с тем, что чатботы могут обеспечить большую окупаемость инвестиций при минимальных затратах.

К концу 2020 года 85% взаимодействий с клиентами будут осуществляться без участия человека.

43% сообщают, что их конкуренты уже внедряют данную технологию.

К концу 2020 года чатботы будут ежегодно экономить компаниям более  $8 мдрд.

К 2021 году 15% взаимодействий с клиентами будут полностью осуществляться с помощью ИИ, что на 400% больше отчетов за 2017 год.

ПРЕИМУЩЕСТВА: 

  • Улучшение бизнес-процессов и снижение затрат на поддержку за счет создания на базе AI виртуальных ассистентов самообслуживания для клиентов и партнеров;
  • Улучшение поиска и получения данных о клиентах, партнерах и сотрудниках;
  • Улучшение репутации бренда за счет более эффективных процессов и более привлекательного клиентского опыта. 

Интеллектуальный анализ документов 

Основные функции этого решения могут включать в себя:

  • Оптическое распознавание символов (OCR) — преобразование различных типов документов, таких как отсканированные бумажные документы, PDF-файлы или изображения, в редактируемые и доступные для поиска данные;
  • Анализ текста — анализ документов с целью выявления конкретных формулировок или терминов, а также для извлечения лингвистических значений;
  • Детерминистская классификация — используется классификатор на основе шаблонов для поиска последовательностей терминов, указывающих на конкретный вид документа;
  • Машинное обучение — обучение ML- модели с наборами примеров данных для прогнозирования типа документа или извлечения и классификации текста (например, обучение определения названий комплектующих для самолета). 

ПРЕИМУЩЕСТВА: 

  • Улучшение соблюдения требованиям и стандартам, а также управления рисками; 
  • Повышение внутренней операционной эффективности; 
  • Совершенствование бизнес-процессов.

Поиск документов и совпадений

ПРЕИМУЩЕСТВА:

  • Сокращение времени на назначение кандидата на ту или иную должность, а также на поиск экспертов по конкретным навыкам в организации;
  • Масштабирование до миллионов вакансий и резюме (при наборе персонала) или нескольких баз данных сотрудников и проектов (как, например, программа для компаний «Найти эксперта»); 
  • Увеличение доходов и сокращение расходов — соответствующих кандидатов можно найти в базе данных HR-отделов не используя платные доски объявлений о вакансиях.

Анализ оптимизации хранения данных 

ПРЕИМУЩЕСТВА:

  • Обеспечение наглядности данных в высокозатратных хранилищах;
  • Определение происхождения, прав собственности и частоты использования данных;
  • Применение специфических для отрасли требований для определения приемлемого контента и его более бюджетного переноса в хранилище; 
  • Возможность  работы в облаках;
  • Отслеживание экономии (потенциально миллионы в год) и расчет окупаемости инвестиций в режиме реального времени;

Анализ тональности текста

ПРЕИМУЩЕСТВА:

  • Обеспечение маркетинга и конкурентной разведки; 
  • Улучшение качества разработки продуктов; 
  • Повышение способности удержать клиентов;
  • Анализ влияния различных событий (например, запуск продукта или редизайн).

Обнаружение внутренних угроз

ПРЕИМУЩЕСТВА:

  • Уменьшение риска путем выявления закономерностей и определения “тревожных” сигналов;
  • Улучшение контроля над организацией путем настройки “баллов риска” для любого сотрудника;
  • Более быстрая реакция на различные инциденты и ответные действия при всесторонней информированности о компании;
  • Более глубокое представление о бизнес процессах компании с полным набором аналитических систем для всех задач по обнаружению угроз.

IV. Внедрение NLP в работу организации 


Одного анализа структурированных данных уже недостаточно. Сложная бизнес-аналитика, прогнозы и принятие решений — все это требует большего внимания и более сложных. Приведенные нами примеры использования демонстрируют, как неструктурированные данные могут быть использован для реализации огромного количества новых идей.

С помощью хорошо реализованного NLP-решения организации могут обеспечить более глубокое понимание неструктурированных данных, предоставляя расширенные возможности для бизнес-аналитики. По мере того, как ваша организация начинает разрабатывать и создавать NLP-приложения, очень важно, чтобы ИТ-персонал и/или партнеры по внедрению имели необходимые каналы доступа и опыт, чтобы результат работы с данной технологией полностью соответствовал вашим бизнес-целям. Независимо от того, находится ли организация только на начальном этапе оценки различных NLP-технологий или уже определила предпочтительное для внедрения решение, грамотные специалисты необходимы на каждом этапе: от оценки и выбора наиболее подходящего решения до внедрения, настройки и управления приложением.

Источник Консалтинговая компания Accenture