数据现在是最有价值的企业商品之一。根据CIO.com的《2022年CIO现状》报告，35%的IT领导者表示，数据和业务分析将占数据分析投资的大部分。虽然数据有多种形式，但最大的、未开发的数据池可能是文本，无论是专利、产品规格、学术出版物、市场研究、新闻还是社交提要，都是基于文本的，而且文本的数量也在增长.根据Foundry的2022年数据和分析研究，36%的IT领导者认为管理这些非结构化数据是他们面临的最大挑战之一。这就是研究公司LuxResearch指出自然语言处理(NLP)技术，尤其是主题建模，正在成为释放数据价值的关键工具的原因。自然语言处理是人工智能(AI)的一个分支，用于训练计算机理解、处理和生成语言。搜索引擎、机器翻译服务和语音助手均由自然语言处理提供支持。主题建模是一种自然语言处理技术，它将一个想法分解为由短语定义的常见概念的子类别。根据LuxResearch的说法，主题建模使组织能够将文档与特定主题相关联，然后提取数据，例如主题随时间的增长趋势。主题建模也可用于为给定文档建立“指纹”，然后发现具有相似指纹的其他文档。随着企业对AI越来越感兴趣，他们正在转向自然语言处理以释放文本文档中非结构化数据的价值。研究公司MarketsandMarkets预测，自然语言处理市场规模将从2022年的157亿美元增长到2027年的494亿美元，期间的复合年增长率(CAGR)为25.7%。让我们看一下组织如何使用自然语言处理来创造业务成果的五个示例。EliLillyandCompany：通过自然语言处理在全球开展业务跨国制药公司礼来(EliLilly)正在使用自然语言处理帮助其全球30,000多名员工在内部和外部共享准确、及时的信息。Lilly开发了一种名为LillyTranslate的本土IT解决方案，该解决方案使用自然语言处理和深度学习通过经过验证的API层生成内容翻译。多年来，EliLilly依靠第三方人工翻译供应商来翻译从内部培训材料到与监管机构的正式技术交流的一切内容。现在，LillyTranslate服务为用户和系统提供Word、Excel、PowerPoint和文本的实时翻译，同时保持文档格式。Lilly使用经过生命科学和Lilly内容训练的深度学习语言模型来帮助提高翻译准确性，创建可识别Lilly特定术语和行业特定技术语言的改进语言模型，同时保持受监管文件的格式。“LillyTranslate触及公司的各个领域，从人力资源到公司审计服务，再到道德与合规热线、财务、销售和营销，”Lilly副总裁、信息官、信息和数字解决方案TimothyF.Coleman说.、法规事务和许多其他领域。这节省了大量时间，翻译现在只需要几秒钟而不是几周，从而腾出关键资源来专注于其他重要的业务活动。”Coleman给出的建议：支持由激情驱动的项目。LillyTranslate最初是一个充满激情的项目，由一位好奇的软件工程师发起，其想法是解决LillyRegulatoryAffairs系统组合中的一个痛点：业务合作伙伴在翻译服务中经常遇到延迟和摩擦。Coleman与其他高管和经理分享了这个想法和技术愿景，立即获得了Lilly全球监管事务国际领导层的项目支持，他们主张对该工具进行投资。“[这个想法]是探索和了解新兴技术的机会的完美结合，最初是一个很好的学习机会，后来变成了Lilly软件工程师抓住并运行的一个很好的项目机会。”埃森哲：使用自然语言处理分析合同埃森哲正在使用自然语言处理进行法律分析。Accenture的LegalIntelligentContractExploration(ALICE)项目帮助这家拥有2,800名专业人员的全球服务公司在其数百万份合同中执行文本搜索，包括搜索合同条款。ALICE使用“词嵌入”，这是一种自然语言处理方法，可以根据语义相似性辅助词与词的比较。该模型逐段检查合同文件，寻找关键字以确定该段落是否与特定合同条款类型相关。例如，“洪水”、“地震”或“灾难”等词经常与“不可抗力”条款一起出现。埃森哲数字业务转型、运营和企业分析全球董事总经理MikeMaresca表示：“随着我们继续利用和增强这种能力，它的用途不断扩大，我们看到了附加价值的机会，我们正在寻找一种新的方式从现有数据中获取价值。”据埃森哲称，该项目大大减少了律师手动阅读文件以获取特定信息所需的时间。来自马雷斯卡的建议：不要害怕深入挖掘NLP。“如果创新是企业文化的一部分，你可以”不要害怕失败，让我们尝试和迭代。”Verizon：使用自然语言处理来响应客户请求Verizon的业务服务保证部门正在使用自然语言处理和深度学习来自动处理客户请求审查。该部门接收超过100,000个入站以前，他们必须阅读这些请求并采取行动，直到Verizon的IT部门GlobalTechnologySolutions(GTS)构建了一个支持AI的数字工作者来提供服务保证。这个数字工作者将基于网络的深度学习技术与自然阅读主要通过电子邮件和Verizon门户发送的维修订单的语言处理，它会自动响应最常见的请求报告当前工单状态或修复进度更新等请求，更复杂的问题将提交给人类工程师。Verizon商业集团全球技术解决方案(GTS)系统工程执行总监StefanToth表示：“通过自动响应这些请求，我们可以在几分钟内做出响应，而不是在电子邮件发送后数小时内做出响应。”2020年2月，Verizon表示，自去年第二季度以来，DigitalWorkers每月节省了近10,000个工时。Toth的建议：寻求开源。“环顾四周并与您的业务合作伙伴建立联系，我相信您会找到机会。在做出重大财务承诺之前考虑开源并进行试验，我们发现今天有很多开源软件可用。”GreatWolfLodge：使用自然语言处理驱动的AI来跟踪客人的情绪或中性。立方体。该AI工具使用自然语言处理对超过67,000条评论进行了专门针对服务行业的培训。GAIL在云端运行，并使用内部开发的算法来发现表明受访者对GreatWolfLodge看法的关键要素。GreatWolfLodge表示，截至2019年9月，GAIL的准确率可以达到95%。对于一小部分GAIL无法理解的信息，GreatWolfLodge会采用传统的文本分析进行处理。GreatWolfLodge首席信息官EdwardMalinowski表示：“我们希望能够在各个方面更好地吸引客人。”GreatWolfLodge的业务运营团队使用GAIL生成的洞察力来微调他们的服务，该公司目前正在开发Chatbot以回答客人关于GreatWolfLodge服务的常见问题。马林诺夫斯基的建议：避免为了技术而技术。选择在技术与实用性之间取得适当平衡并与业务目标保持一致的工具。“你必须小心什么是噱头，什么是解决问题的真正方法。”Aetna：通过自然语言处理快速解决索赔健康保险公司Aetna开发了复杂供应商合同自动裁决应用程序，可自动阅读每份合同说明中的付款、免赔额和无关费用的解释，然后计算定价并更新索赔。该应用程序结合了自然语言处理和特殊的数据库软件来识别支付属性并构建可由系统自动读取的附加数据。结果，许多索赔一夜之间就得到了解决。该应用程序使Aetna的50多名理赔裁定人员能够重新专注于需要更高层次思维的合同和理赔，以及不同健康保险公司之间的协调。“归结为为最终用户提供更好的体验，”Aetna的首席技术官ClausJensen说。该软件将帮助Aetna成为医疗保健生态系统中提供商和患者更好的合作伙伴。“我们所做的不仅仅是支付账单和在电话中回答问题。”Aetna估计，截至2019年7月，该应用程序每年为他们节省了600万美元的工具和返工成本。Jensen的建议：缩小你的注意力，慢慢来。在一个理想的世界中，企业将实施能够解决非常狭窄的问题的人工智能。Jensen说，基础广泛的解决方案是模糊的，最终结果是失败的，如果Aetna将通用人工智能应用到他们的业务中，它肯定不会奏效。此外，Aetna还花了几个月的时间检测流程、编写规则和测试应用程序。詹森说，很多人没有耐心放慢脚步并以正确的方式做事。
