从支持面向客户的聊天机器人到跟踪合同承诺，再到充分利用会议纪要，自然语言处理具有巨大的潜力来改变您的业务。自然语言处理(NLP)的最新改进正在通过语音和文本功能支持主流技术，无论是使用听起来更自然的声音大声朗读电子邮件，还是使用Excel将数据输入相关电子表格以自动生成图表和data以数据透视表的形式得到答案。随着NLP变得更加精确和广泛应用，它有可能从为客户支持聊天机器人提供预设主题转变为能够处理定性、半结构化和非结构化数据。最后，实现知识挖掘的承诺还将解锁有关公司流程、资产和负债的信息，创建更好的工作流程和更实时的组织视图。“NLP能够将单词分解成最简单的形式，并识别它们之间的模式、规则和关系，”apexanalytix应用和高级技术高级副总裁WaltKristick解释说。“它使用计算机算法来解析和解释书面和口头自然语言，使系统能够学习和理解人类语言。”NLP应用范围从翻译和语言生成（用于总结、注释甚至解释其他机器学习模型），到分类和聚类、情感分析和其他信息提取。Kristick指出，最简单形式的NLP已经得到广泛使用：拼写检查、电子邮件和消息回复中的建议以及Siri等虚拟助手都使用NLP，聊天机器人也是如此。“分析和提取文本和非关系数据源的需求已经增长，尤其是在医疗保健和生命科学领域，”Kristick指出。这是NLP的当前状态以及它可能适合您的组织的地方。NLP服务占主导地位。虽然有许多算法可以使用PythonNLTK、SanfordCoreNLP和ApacheOpenNLP等框架构建您自己的NLP任务，但最有效的模型往往非常大。在撰写本文时，微软的170亿参数图灵自然语言生成模型是有史以来最大的，BERT和GPT-2也有数十亿参数。微软会话人工智能副总裁LiliCheng警告说：“仅仅让这些??现成的模型无法解决公司需要做的一些复杂事情。”“对于许多公司来说，托管、管理这些大型模型并完成所有这些工作将非常具有挑战性。有些人想这样做，但我们相信更多的客户只是想定制和添加他们自己的信息，”Cheng说，并指出这对许多组织聘请的NLP专家来说也是一个挑战。不仅是零售和其他面向客户的IBM研究员兼人工智能首席架构师DakshiAgrawal说：“行业可以从NLP中受益。任何与客户打交道的公司都可以使用NLP从他们的互动中获得深刻的洞察力，”Agrawal说。一般HR事务以及外部客户和合作伙伴事务。例如，主题聚类使用句子嵌入等NLP技术，而不仅仅是关键字提取，这样可以更准确地对客户可能使用不同术语报告的问题进行分组。在仪表板中突出显示这些集群将有助于揭示趋势或反复出现的问题。Signoi试图通过呈现常见问题来解决调查中的开放式评论词，突出正面和负面的词，并按人口统计群体汇总。英国独立交通用户监督机构TransportFocus使用Signoi调查通勤者和休闲乘客对各种火车服务的最关心问题。商务旅客对线路过度拥挤感到愤怒；那些乘坐火车悠闲旅行的人想要更好的停车位，更多的空间来放置行李和自行车。NLP也可以用来生成解释结果的语言。Microsoft的PowerBI业务分析服务和Salesforce.com的Tableau都提供了用户可以输入有关数据的问题，然后获得图表或自动分析的功能。了解企业知道的内容NLP有很大的潜力可以帮助提取组织不知道的内容ABBY的合同文本分析、Exient的合同管理解决方案或Seal的合同发现和分析等专业人工智能工具都可以从合同中提取条款和截止日期，帮助组织了解他们的承诺。Docugami是一家由XML共同发明人JeanPaoli创立的新公司，旨在通过结构化程度较低的文档功能实现这一目标。”企业中只有15%的数据存储在数据库中。我们使用文本、电子邮件和文件进行交流。真相不在那些可爱的结构化数据库中。真相就在文件中，”Paoli告诉我们。“以文件密集型业务为例，比如商业地产。一线业务用户每周花时间制定15份租赁协议，每周一他们的经理都会问：你做了什么？截止日期是什么时候？你们谈过停车吗？他们要我们保留土地吗？一旦你签署了一份文件，这些就是公司必须遵守的条款，但信息被隐藏在文件中，”Paoli解释道。解锁这种“暗数据”可以取代每周一上午的状态会议并提高业务敏捷性；Paoli指出，无论是星巴克要求房东重新谈判租赁协议，还是餐厅需要了解保险单的内容??，这种情况比以往任何时候都更有可能发生。这更重要。“在这一点上，使用NLP分析商业文件将变得更加重要，因为企业正在重新思考他们的商业模式。他们可能不得不重新谈判一切，他们需要了解他们的义务和风险是什么。专业服务公司埃森哲已经做到了这一点,使用自己的NLP分析超过一百万份合同，以了解自己的承诺和责任。对于那些没有自己内部NLP专业知识的组织，Docugami的SaaS产品也有30个示例文档，Paoli说可以使用，它可以自我-从一个商业文档文件夹中选择这些文档，也可以提供30分钟的反馈给创建文档的商业用户来训练模型。Docugami然后可以将这些信息输入数据库，帮助创建一个可以看到的Dashboards在浏览器中，或与Excel或Tableau集成。“我们可以说，看，这是到期的，或者所有这些文件都有这个特定的条款，除了e，”Paoli说，释放会议隐藏的力量。从会议和对话中提取有用的信息是一个费力的手动过程。一些公司电话已被转录，但很少被分析。从会议上所说的内容，企业可以了解项目进度或即将到来的截止日期的多少？Otter首席执行官SamLiang指出，由于员工通常将30%或更多的时间花在会议上，因此从这些会议中收集到的大部分信息都是不相关的。不如其他业务数据有意义。“人们将如何达成一致，尤其是如果你连续召开Zoom会议的话？”亮说。Otter等转录工具将为您提供帮助。PowerPoint演示文稿和团队会议中的实时字幕，或AzureStreams广播平台中可搜索的实时会议转录，可以有效地提供后续对话的文本，无需人工做笔记。未来，微软的Cheng建议该平台将使用转录和文档分析以及图像识别来提取“会议的集体智慧”，以便在会议结束后继续工作时可以轻松访问。“你可以记录更多正在发生的事情，并轻松地与你的团队分享，”她说。例如，BridgewaterAssociates对过去15年的所有内部会议进行了录音，任何员工都可以查看录音。但由于它们很难搜索，因此很少有人查看，公司现在正在使用Otter提取旧的会议内容。同样，支持Azure媒体服务实时会议转录的Azure认知服务语音转文本API将很快能够转录上传到OneDrive的音频文件。开发人员已经可以使用这些API来构建转录应用程序，但将这些功能直接构建到平台中将使它们更广泛地可用。数据分析和准确性完整的转录并不总是应用NLP的最有用的结果，尽管它们可以提供一个时间线，让您可以在上下文中搜索以找到Cheng所说的“有趣的金块”。Otter将标记提取为自动摘要，以指示文本中包含的内容。IBMWatson的NaturalLanguageUnderstanding和Otter正在研究类似的工具，但你还是要记得查阅成绩单。2018年，微软展示了一个用于Teams的原型系统，可以根据会议纪要创建和分配行动项，并将会议纪要分发给与会者。从长远来看，NLP还可以为会议提供数据分析：是否一直在提出相同的主题，是否一直在推迟相同的截止日期，是否某些员工比其他人说得更多，或者是否正在讨论其他人。这一切的价值取决于转录的准确性，而对于NLP而言，准确性是一件复杂的事情。许多NLP系统在正式基准测试中实现了类似人类的性能，但它们大多是基于对话的，可能无法准确比较您正在尝试做的事情。Cheng指出，仍然没有单一的有效措施。“我们看到人们将功能融入多模式系统。你可能会发现你的对话系统真的很棒，但它在搜索或你可能想要结合口语、语言、视觉和文档的混合系统方面表现不佳，”她说。转录的准确性因录音质量、背景噪音、说话者口音和人们谈论的内容而异。对于在安静环境中以英语为母语的人来说，Otter的Liang说，这已经超过95%的准确率。在实践中，您会得到一些有用的转录，但并不完美。无论您使用什么NLP工具，您都应该准备好投入时间来定制与您的业务相关的工具。概念和相关词汇，例如您所在行业的技术术语或您自己的产品名称，以及员工姓名，以便正确识别。在使用NLP之前，组织需要知道他们可接受的错误级别是多少，而不仅仅是为了走捷径或探索，但Cheng建议关注端到端的体验。去完成某些事情，”她问道。“你不能承诺太多；人工智能不是魔法，尽管自然语言工具可以改进很多。您的公司目前面临的最大问题可能是如何组织您的信息，从您拥有的文件中获得更多价值，以及如何让具有专业知识的人来指导您。“我们现在有很多远程工作的经验，也许我们可以利用人工智能做得更好，”程说。“
