數(shù)據(jù)現(xiàn)在是最有價值的企業(yè)商品之一。根據(jù)CIO.com的《2022年CIO現(xiàn)狀》報告顯示，有35%的IT領導者表示，數(shù)據(jù)和業(yè)務分析將在今年其組織IT投資中占比最多，58%的受訪者表示，未來一年他們將增加對數(shù)據(jù)分析的投入。

雖然數(shù)據(jù)有很多種形式，但是最大的、尚未被開發(fā)的數(shù)據(jù)池可能是文本，不管是專利、產品規(guī)格、學術出版物、市場研究、新聞，還是社交信息流，都以文本為主的，而且文本的數(shù)量也在不斷增長。根據(jù)Foundry 2022年數(shù)據(jù)和分析研究，有36%的IT領導者認為，管理這些非結構化數(shù)據(jù)是他們面臨的最大挑戰(zhàn)之一。這也是為什么研究公司Lux Research指出，自然語言處理(NLP)技術特——別是主題建?！诔蔀獒尫艛?shù)據(jù)價值的一項關鍵工具。

自然語言處理是人工智能(AI)的一個分支，用于訓練計算機理解、處理和語言生成。搜索引擎、機器翻譯服務和語音助手都由自然語言處理提供支持的。主題建模是一種自然語言處理技術，可以將一個想法分解為由詞組定義的、常見概念的子類別。據(jù)Lux Research稱，主題建模讓企業(yè)組織能夠將文檔與特定主題進行關聯(lián)，然后提取數(shù)據(jù)，例如某個主題隨時間推移出現(xiàn)的增長趨勢。主題建模還可以用于為給定文檔建立“指紋”，然后發(fā)現(xiàn)具有相似指紋的其他文檔。

隨著企業(yè)對AI的興趣越來越濃厚，他們開始轉向利用自然語言處理來釋放文本文檔中的非結構化數(shù)據(jù)蘊含的價值。研究公司MarketsandMarkets預測，自然語言處理市場規(guī)模將從2022年的157億美元增長到2027年的494億美元，在此期間的復合年增長率(CAGR)為25.7%。

下面就讓我們來看看企業(yè)組織是如何使用自然語言處理來創(chuàng)造業(yè)務成果的五個實例吧。

美國禮來公司：通過自然語言處理在全球開展業(yè)務

跨國制藥公司禮來（Eli Lilly）正在使用自然語言處理幫助全球三萬多名員工在公司內部和外部共享準確的、及時的信息。禮來公司開發(fā)了一套名為Lilly Translate的本土IT解決方案，使用自然語言處理和深度學習，通過經過驗證的API層生成內容翻譯。

此前的多年，禮來公司是依靠第三方人工翻譯供應商來翻譯各種內容的，從內部培訓材料一直到與監(jiān)管機構的正式技術交流內容。現(xiàn)在，Lilly Translate服務為用戶和系統(tǒng)提供了Word、Excel、PowerPoint和文本的實時翻譯，且保持文檔格式不變。禮來公司使用生命科學和禮來內容訓練的深度學習語言模型，幫助提高翻譯的準確性，打造能夠識別禮來特定術語和行業(yè)特定技術語言的精煉語言模型，同時保持受監(jiān)管文檔的格式。

禮來公司副總裁、信息和數(shù)字化解決方案信息官Timothy F. Coleman表示：“Lilly Translate涉及公司的各個領域，從人力資源到企業(yè)審計服務，再到道德和合規(guī)熱線、財務、銷售和市場營銷、監(jiān)管事務、以及許多其他領域。這節(jié)約了大量的時間，現(xiàn)在翻譯工作只需要幾秒鐘，而不是幾周的時間，讓關鍵資源有時間可以集中用于其他重要的業(yè)務活動上?！?/p>

Coleman給出的建議：支持那些激情驅使的項目。Lilly Translate最初是由一位好奇的軟件工程師發(fā)起的一個充滿激情的項目，他的想法是解決Lilly Regulatory Affairs系統(tǒng)組合的一個痛點：業(yè)務合作伙伴在翻譯服務方面不斷遇到延遲和摩擦。Coleman與其他高管和經理們分享了這個想法和技術愿景，立即獲得了禮來全球監(jiān)管事務國際領導層的項目支持，后者主張對該工具進行投入。

“[這個想法]很好地結合了探索和學習新興技術的機會，最初這是一個很好的學習機會，現(xiàn)在這變成了禮來軟件工程師抓住并運行起來的一個很好的項目機會?！?/p>

埃森哲：使用自然語言處理分析合同

埃森哲正在利用自然語言處理做法律分析。埃森哲的法律智能合同探索（Accenture Legal Intelligent Contract Exploration，ALICE）項目幫助這家有2800名專業(yè)人士的全球服務企業(yè)在其數(shù)百萬份合同中進行文本搜索，包括搜索合同條款等。

ALICE使用了“詞嵌入”，一種自然語言處理方法，也就是可以根據(jù)語義相似性輔助詞與詞之間的對比。該模型會逐段檢查合同文件，尋找關鍵字以確定該段落是否與特定的合同條款類型相關。例如，“洪水”、“地震”或者“災難”等詞通常與“不可抗力”從句一起出現(xiàn)。

埃森哲數(shù)字業(yè)務轉型、運營和企業(yè)分析全球常務董事Mike Maresca表示：“隨著我們持續(xù)利用這項能力并且不斷對其進行增強，它的用途不斷擴大，我們看到了額外的價值機會，而且我們正在尋找從現(xiàn)有數(shù)據(jù)中獲取價值的新方法?！?/p>

埃森哲表示，該項目大大縮短了律師手動閱讀文件以獲取特定信息的時間。

Maresca給出的建議：不要害怕深入探索自然語言處理?！叭绻麆?chuàng)新是企業(yè)文化的一部分，你就不能害怕失敗，讓我們放手去實驗和和迭代吧?！?/p>

Verizon：利用自然語言處理回應客戶請求

Verizon的業(yè)務服務保障部門正在使用自然語言處理和深度學習來自動處理客戶的請求評論。該部門每個月會收到10萬多個入站請求，以前，他們必須閱讀這些請求并采取措施，直到Verizon的IT部門——Global Technology Solutions (GTS)——打造了支持AI-Enabled Digital Worker for Service Assurance。

這個Digital Worker將基于網絡的深度學習技術與自然語言處理相結合，以讀取主要通過電子郵件和Verizon門戶網站發(fā)送的維修單，它會自動響應最常見的請求，例如報告當前工單狀態(tài)或者修復進度更新，更復雜的問題則提交給人類工程師。

“通過自動響應這些請求，我們可以在電子郵件發(fā)送后的幾分鐘內而不是幾小時內做出響應，”Verizon業(yè)務集團全球技術解決方案(GTS)系統(tǒng)工程執(zhí)行總監(jiān)Stefan Toth說。

2020年2月Verizon曾對外表示，自去年第二季度以來Digital Worker每月節(jié)省了近10000個工時。

Toth給出的建議：尋求開源?！碍h(huán)顧四周，和你的業(yè)務合作伙伴建立聯(lián)系，我相信你一定會找到機會。在做出大量財務承諾之前，先考慮一下開源和實驗，我們發(fā)現(xiàn)現(xiàn)在有很多可用的開源軟件?！?/p>

Great Wolf Lodge：使用自然語言處理驅動的AI追蹤客人情緒

醫(yī)院和娛樂連鎖商Great Wolf Lodge開發(fā)的Artificial Intelligence Lexicographer（GAIL）會對月度調研中的評論進行篩選，確定作者是否可能是網絡水軍、批評者或者中立方。

這個AI工具利用自然語言處理，對67000多條評論進行了專門針對服務行業(yè)的訓練。GAIL運行在云端，使用內部開發(fā)的算法，可發(fā)現(xiàn)表明受訪者對Great Wolf Lodge看法的關鍵要素。Great Wolf Lodge方面表示，截至2019年9月，GAIL的準確率可以達到95%，對于GAIL無法理解的一小部分信息，Great Wolf Lodge會使用傳統(tǒng)的文本分析進行處理。

Great Wolf Lodge首席信息官Edward Malinowski表示：“我們希望在各個方面都能更好地與客人進行互動。”

Great Wolf Lodge的業(yè)務運營團隊使用GAIL生成的洞察來調整他們的服務，目前該公司正在開發(fā)聊天機器人，用于回答客人關于Great Wolf Lodge服務的常見問題。

Malinowski給出的建議：避免為了技術而技術。要選擇那些可以在技術和實用性之間取得適當平衡、并與業(yè)務目標保持一致的工具?！澳惚仨毿⌒氖裁词青孱^，什么是真正解決問題的解決方案。”

Aetna：通過自然語言處理快速解決索賠

健康保險公司Aetna開發(fā)了Auto-adjudication of Complex Provider Contracts應用，用于自動閱讀每份合同中有關付款、免賠額和無關費用說明的注釋，然后計算定價并更新索賠。

該應用融合了自然語言處理和特殊數(shù)據(jù)庫軟件，以識別支付屬性，構建可由系統(tǒng)自動讀取的附加數(shù)據(jù)。因此，許多索賠申請一夜之間就可以得到解決。

該應用讓Aetna的50多位索賠裁決人員把精力重新集中到需要更高層次思維的合同和索賠，以及不同醫(yī)療保險公司之間的協(xié)調工作上。

“這要歸結于為最終用戶提供更好的體驗，”Aetna首席技術官Claus Jensen說，該軟件將幫助Aetna成為醫(yī)療保健生態(tài)系統(tǒng)中供應商和患者的一個更好的合作伙伴?！拔覀円龅牟粌H僅是支付賬單和通過電話回答各種問題?！?/p>

Aetna預計，截至2019年7月，這款應用幫助他們每年節(jié)省了600萬美元的加工和返工成本。

Jensen給出的建議：縮小關注范圍，慢慢來。在理想的世界中，企業(yè)會是實施能夠解決很細分問題的AI。Jensen說，基礎廣泛的解決方案是模糊的，最終的結果是失敗的，如果Aetna把通用AI應用到他們的業(yè)務中，肯定不會奏效的。此外，Aetna花了幾個月的時間來檢測這個過程，編寫規(guī)則，測試應用。Jensen說，很多人沒有耐心放慢腳步、用正確的方式做事。