五个组织已经使用自然语言处理(NLP)来更好地为客户服务、自动执行重复性任务并简化操作。数据是当今最有价值的企业商品之一。根据IDG的2020年CIO报告，37%的IT领导者表示数据分析将推动其组织今年最大的IT投资。虽然数据有多种形式，但最大的未开发数据池可能是文本。专利、产品手册、学术出版物、市场研究、新闻，更不用说社交信息流了，所有这些都以文本为主要组成部分，并且文本量还在不断增长。这就是研究公司LuxResearch表示自然语言处理技术（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。NLP是人工智能的一个分支，负责训练计算机理解、处理和生成语言。搜索引擎、机器翻译服务和语音助手均由NLP提供支持。例如，主题建模是一种NLP技术，它将一个概念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，例如主题随时间增长的趋势。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。随着商业界对人工智能的兴趣日益浓厚，组织正在转向NLP以释放文本文档等非结构化数据的价值。咨询公司MordorIntelligence预测，到2025年，NLP市场的收入将是2019年69.4亿美元的三倍多。以下是组织如何使用自然语言处理的五个示例。Accenture使用NLP分析合同Accenture使用自然语言处理进行法律分析。该公司的AccentureLegalSmartContractExploration(ALICE)项目正在帮助这家全球服务公司的2,800名专业人员对其超过100万份合同进行文本搜索，包括搜索合同条款。ALICE使用了“wordembedding”技术，这是一种基于语义相似度的NLP方法，方便基于语义相似度的词之间的比较。该模型可以逐段遍历合同文件，查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”等词通常会与“不可抗力”一词一起出现。埃森哲数字业务转型、运营和企业分析全球董事总经理MikeMaresca说：“扩展和增强，用例正在增长。”“我们正在寻找从现有数据中获取价值的新方法。”咨询公司埃森哲表示，该项目大大减少了律师手动阅读文件以获取特定信息的时间。Maresca的建议：不要害怕深入研究NLP。“如果创新是你文化的一部分，你就不会害怕失败，”马雷斯卡说。“让我们进行实验和迭代。”NLP帮助Verizon处理客户请求Verizon的业务服务保证小组正在使用自然语言处理和深度学习来自动化客户请求和评论。在Verizon的IT团队GlobalTechnologySolutions(GTS)创建支持AI的数字工作者以确保服务之前，该团队每月收到超过100,000个必须单独读取和处理的入站请求。DigitalWorker将基于网络的深度学习技术与NLP相结合，以读取主要通过电子邮件和Verizon门户网站发送的维修订单。它会自动响应最常见的请求，例如报告当前工单状态或维修进度更新。更复杂的问题交给人类工程师。“通过自动响应这些请求，我们可以在几分钟内做出响应，而不是在发送电子邮件后的几小时内，”VerizonBusinessGroup全球技术解决方案系统工程执行总监StefanToth说。2020年2月，Verizon表示，自去年第二季度以来，数字工作者每月节省了近10,000小时。Toth的建议：关注开源。“环顾四周，与你的商业伙伴联系，我相信你会找到机会，”托特说。“在对平台做出重大财务承诺之前，先看看开源和实验。我们发现开源中有很多可用的内容。“PSE&G转向虚拟助理通过语音帮助客户新泽西州公用事业能源和天然气服务(PSE&G)已经采用虚拟助理技术和其他数字服务，使客户能够通过语音命令管理他们的电力或天然气账户。PSE&G的虚拟助理利用亚马逊Alexa提供基于自然语言处理的语音界面。它是使用亚马逊提供的Alexa技能套件构建的。我们已经证明我们是为客户服务的，”PSE&G项目首席开发官SalvatoreOrsino说。PSE&G客户可以通过Echo、EchoDot、KindleFire平板电脑和其他支持Alexa的设备访问虚拟助手。截至2019年7月，PSE&G表示其客户已提出10,000多个独特请求，从查看账户余额和到期日到查看能源使用情况、寻找节能技巧和支付账单。Orsino的建议：变革管理至关重要。Orsino启动该项目时，PSE&G并不擅长开发新软件，员工一开始也不相信该产品会带来价值。“一旦我们推出Alexa，人们就认识到它是与客户沟通的合法渠道，??他们看到了它带来的价值，现在每个人都持开放态度，更愿意做出改变以适应Alexa和我们正在开发的其他新应用程序Orsino说。GreatWolfLodge使用基于NLP的AI来跟踪客户情绪它利用人工智能和自然语言处理，使用来自超过67,000条专门针对酒店业的评论的训练数据。GAIL在云端运行并使用内部开发的算法，然后识别一些关键因素来解释为什么受访者会有这种感觉关于GWL。截至2019年9月，GWL声称GAIL做出了95%的准确判断。GWL在一小部分o中使用传统的文本分析fGAIL还不理解的信息。GWL首席信息官EdwardMalinowski表示：“我们希望在各个方面更好地吸引客人。”GWL的业务运营团队使用GAIL生成的洞察力对服务进行了微调。该公司目前正在研究一款可以回答客人关于GWL服务的常见问题的聊天机器人。马林诺夫斯基的建议：不要为了技术而使用技术。选择在技术和实用之间取得平衡并与业务目标保持一致的工具。“在寻找问题时，你必须注意什么是噱头，什么是解决方案，”马林诺夫斯基说。Aetna使用NLP快速解决索赔HealthinsurerAetna创建了一个复杂的供应商合同自动裁定应用程序，以自动读取每份合同中的付款说明、免赔额和额外费用说明，然后计算价格并更新索赔。该应用程序混合了自然语言处理和特殊的数据库软件来识别支付属性和构建并可以由系统自动读取的附加数据。因此，许多索赔可以在一夜之间解决。该应用程序使Aetna能够将其50名索赔裁决人员的工作重点重新放在合同和索赔上，这些合同和索赔需要更高层次的思维和护理提供者之间更好的协调。Aetna首席技术官ClausJensen表示：“归根结底，这是为最终用户提供更好的体验。”他补充说，该软件将帮助Aetna成为医疗保健生态系统中更好的合作伙伴，为医疗保健提供者和患者提供服务服务。“我们所做的不仅仅是支付账单和在电话中回答问题。”截至2019年7月，Aetna估计该应用程序每年可节省600万美元的处理和返工成本。Jensen的建议：集中注意力，一步一步来。在理想的世界中，公司将实施人工智能来解决特定问题。但基础广泛的解决方案是模棱两可的，最终会导致失败。他还表示，如果Aetna试图将通用人工智能应用到其业务中，它不会成功。此外，Aetna还花了几个月的时间来测试流程、整理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。
