自然語言處理(NLP)在語音和文本方面的改進將助力主流技術的發(fā)展。例如以人類自然發(fā)音朗讀電子郵件時，如果用戶對電子表格中的數(shù)據(jù)提出質(zhì)疑，Excel會自動以圖表和數(shù)據(jù)透視表的形式回答相關問題。

[[340482]]

隨著NLP變得更加準確并被廣泛使用，其不僅能夠支持預置主題的聊天機器人，還能夠處理半結(jié)構化和非結(jié)構化數(shù)據(jù)。知識挖掘功能可以幫助用戶洞察業(yè)務流程、資產(chǎn)和負債信息，從而幫助創(chuàng)建更加合理的工作流程以及更加實時地監(jiān)測企業(yè)的運營。

NLP有著廣泛的應用范圍，翻譯和語言生成、分類和聚合、情感分析，以及其他信息提取、Siri等虛擬助手都在NLP的應用范圍之內(nèi)。例如拼寫檢查、對電子郵件和消息的回復給出建議等簡單的NLP如今已經(jīng)被廣泛使用。

Apexanalytix負責應用與高級技術的高級副總裁Walt Kristick解釋說：“NLP可以將單詞分解為最基礎的形態(tài)，識別它們之間的模式、規(guī)則和聯(lián)系。人類的書面用語和口語在經(jīng)由計算機算法解析和翻釋之后，系統(tǒng)能夠?qū)W習和理解人類語言。提高NLP對文本和非相關數(shù)據(jù)源的分析和提取含義的能力，尤其在醫(yī)療保健和生命科學領域當中，已經(jīng)成為了用戶的關注點。”

下面我們將介紹一下NLP的現(xiàn)狀以及其適用范圍。

1. NLP服務的優(yōu)勢

除了Python NLTK、Sanford CoreNLP和Apache OpenNLP之類的框架外，許多算法也可用于構建NLP任務，但是往往效率越高的模型，其規(guī)模也就越龐大。有著170億參數(shù)的微軟圖靈自然語言生成模型是有史以來發(fā)布的最大模型，即便是BERT和GPT-2，其參數(shù)也有數(shù)十億之多。

即便企業(yè)擁有NLP專家，如果想根據(jù)自身情況定制相關的模型也是一項挑戰(zhàn)。微軟主管對話式AI的副總裁Lili Cheng警告說：“僅僅使用這些模型并不能處理企業(yè)中復雜的事情。對于許多企業(yè)而言，托管這些大型模型、對其有效管理和讓其正常運行非常是具有挑戰(zhàn)性的。雖然有人愿意這樣做，但是我們相信更多的客戶希望有針對性地進行定制和添加信息。”

當領導者開始迅速有針對性地招募某一任務所需要的所有人員，那么就意味著變革開始了。這三種方式都可以幫助領導者建立一個更好的新常態(tài)。即使是擁有AI人才的企業(yè)也經(jīng)常會從微軟、亞馬遜、谷歌和IBM等提供商那里購買NLP服務，以使專業(yè)開發(fā)人員和商業(yè)用戶也能夠利用該技術。

作為微軟的客戶，Telefonica在內(nèi)部設置有AI小組。即便如此，為了讓沒有開發(fā)人員專業(yè)知識的業(yè)務用戶可以使用Q&A Maker等服務來創(chuàng)建自己的工具，Telefonica也在使用微軟的Power平臺。Cheng說：“為了讓用戶能夠以搜索或?qū)υ挼姆绞教岢鰡栴}和獲得答案，你可以將其指向PDF文件或網(wǎng)頁版FAQ 。”

NLP的一個關鍵應用是聊天機器人。聊天機器人可以幫助接受訂單、從FAQ中提供答案、進行路線查詢、預定會議并在必要時與人類進行對話。

Confirmit產(chǎn)品管理高級總監(jiān)Paul Quinn表示，NLP是一種強大的工具，可幫助企業(yè)從大量文本和語音數(shù)據(jù)中獲取客戶洞察力。他說：“企業(yè)通常都擁有超過100TB的非結(jié)構化數(shù)據(jù)，從呼叫中心提示、客戶電子郵件到調(diào)查評論，無所不包。如果企業(yè)想改善客戶體驗或是想獲得有關自己品牌的詳細洞察力，那么他們都可以使用NLP篩選大量數(shù)據(jù)，并從中找到有用數(shù)據(jù)。”

IBM研究員兼AI首席架構師Dakshi Agrawal表示，不僅僅是零售業(yè)，其他面向客戶的行業(yè)也都可從NLP中受益。任何與客戶打交道的企業(yè)都可以利用NLP從他們的互動中獲得洞察力。Agrawal說：“與和外部客戶及合作伙伴打交道一樣，許多企業(yè)也將這一技術用到了內(nèi)部員工和HR交互當中。”

為了在客戶使用不同術語進行報告時，將問題的分組變得更為準確，除了關鍵詞提取外，還可以在主題聚合中使用句子嵌入等NLP技術。這樣可幫助發(fā)現(xiàn)趨勢性問題或重復出現(xiàn)的問題。

獨立的英國運輸行業(yè)監(jiān)管機構Transport Focus已經(jīng)在使用Signoi來查看通勤者和旅客對各種火車服務的最大擔憂。例如，商務旅客對火車上人滿為患感到不滿意，而那些乘坐火車旅行的人希望停車位更便利一些，放置行李和自行車的空間更大一些。

微軟的Power BI業(yè)務分析服務和Salesforce.com的Tableau均提供NLP自己生成語言對結(jié)果進行解釋的功能。當用戶可以輸入有關其數(shù)據(jù)的問題后，這些服務可以提供相應的圖表或自動分析。

2. 了解企業(yè)知道什么

NLP可幫助企業(yè)了解其已經(jīng)知道了哪些知識。ABBY的合同文本分析、Exigent的合同管理解決方案、Seal的合同發(fā)現(xiàn)與分析等由AI支持的專用工具可從合同中提取條款和期限，從而幫助企業(yè)了解自己承諾了哪些內(nèi)容。XML聯(lián)合發(fā)明者Jean Paoli創(chuàng)立了一家名為Docugami的初創(chuàng)企業(yè)。該公司成立的初衷是讓結(jié)構化程度較低的文檔實現(xiàn)這一功能。

Paoli 說：“企業(yè)的數(shù)據(jù)只有15%被存儲在了數(shù)據(jù)庫當中。我們在交流中都會用到文本、電子郵件和文檔。結(jié)構化數(shù)據(jù)庫不會告訴我們問題的真相，但是文檔會。對于像商業(yè)房地產(chǎn)這類的文件密集型業(yè)務，一線業(yè)務用戶平均每周要撰寫15份租賃協(xié)議。每到周一，經(jīng)理會發(fā)出一連串提問：‘你做了哪些工作?截止日期是哪天?有沒有談到停車位的問題?他們是否希望我們保留所有權?’一旦簽署文件，公司就必須要遵守，不幸的是這些信息往往會被淹沒在大量的文件當中。”

無論是星巴克要求房東就租賃協(xié)議重新展開談判，還是餐廳需要了解其保險政策的內(nèi)容，許多事情現(xiàn)如今已經(jīng)變得舉足輕重。而這些“隱性數(shù)據(jù)”可以取代星期一上午的例會，提高業(yè)務敏捷性。

Paoli說：“由于企業(yè)目前正在重新考慮自己的業(yè)務模式，這時使用NLP來分析業(yè)務文檔就變得尤為重要。企業(yè)可能不得不就所有的事情重新進行談判，他們需要了解自己的義務和風險。”專業(yè)的服務公司Accenture就是這樣做的，他們通過NLP對100多萬份合同進行了分析，以了解自己的承諾和責任。

對于那些沒有自己NLP專家的企業(yè)而言，Docugami的SaaS產(chǎn)品是一個不錯的選擇，其有30個示例文檔可供使用，并且可自動從存放業(yè)務文檔的文件夾中進行選擇，在30分鐘內(nèi)即可向創(chuàng)建文檔的業(yè)務用戶進行反饋。隨后Docugami會將信息存入數(shù)據(jù)庫中，以幫助創(chuàng)建可通過瀏覽器查閱的儀表板，或是與Excel和Tableau進行集成。

3. 讓會議傳遞的信息變得更加明確

雖然一些企業(yè)的電話已按要求被記錄下來，但是卻很少被分析，問題的癥結(jié)在于從會議和對話中提取有用信息是一項繁重的人力勞動。又有多少企業(yè)會通過會議上的發(fā)言內(nèi)容了解項目進度或截止日期呢?

盡管員工花在會議上的時間在30%，甚至更多，但是會議中的大量信息卻無法像其他的業(yè)務數(shù)據(jù)那樣被捕獲。PowerPoint幻燈片和Teams會議中的實時字幕以及Azure Streams廣播平臺中可搜索的實時會議轉(zhuǎn)錄功能也都可以不需要人工記錄就可以提供頗具效率的轉(zhuǎn)錄。

除了圖像識別外，這些平臺未來還會使用轉(zhuǎn)錄和文檔分析總結(jié)提煉會議中的主要內(nèi)容，以便團隊在會議結(jié)束后的后續(xù)工作中能夠查閱這些內(nèi)容。在過去15年中，橋水基金(Bridgewater Associates)記錄了所有的內(nèi)部會議，所有員工都可查閱這些會議記錄。盡管如此，還是很少有人去翻閱，其中一個原因是這些記錄難以被檢索到。為了解決這個問題，橋水基金開始使用Otter提取這些會議內(nèi)容。

具備語音轉(zhuǎn)文本功能的Azure Cognitive Services API不久將開通轉(zhuǎn)錄上傳至OneDrive上的音頻文件的功能。雖然使用這些API的轉(zhuǎn)錄應用程序已經(jīng)被開發(fā)人員開發(fā)出來了，但是如果直接將這一功能內(nèi)置到平臺中無疑可以得到更廣泛的使用。

4. 分析與準確性

雖然用戶可以通過時間軸的方式在內(nèi)容中進行檢索，但是NLP的最佳使用方法并不是一字不差的完整轉(zhuǎn)錄。

Otter會將提取的標簽作為摘要，以方便用戶了解文本中的內(nèi)容。自動編寫的文檔摘要正在在成為工具，例如IBM Watson的自然語言理解。雖然Otter也在研發(fā)，但是用戶仍必須要記住相關內(nèi)容才能查閱。NLP未來會加入會議分析功能。例如同一主題是否會被繼續(xù)討論，截止日期是否會被不斷推遲等等。

轉(zhuǎn)錄的準確性是這一切的生命線，而準確性的衡量非常復雜。雖然NLP系統(tǒng)在許多方面的準確性已經(jīng)可與人類媲美，但是它們還是存在短板，例如無法對你還未著手做的工作進行準確比較，沒有一個統(tǒng)一的衡量標準。

微軟的研究人員稱：“雖然如今多模式系統(tǒng)中融合了各種功能，但是整合在一起就不一定可行了。例如，用戶可能會發(fā)現(xiàn)對話系統(tǒng)很出色，但是將語音、語言和視覺和文檔整合在一起，那么對話系統(tǒng)并不能真正發(fā)揮很好的作用。”

錄音質(zhì)量、背景噪音、口音以及談話內(nèi)容都會影響到轉(zhuǎn)錄的準確性。如果背景安靜且說話的人母語為英語，那么準確率會在95%以上。在實際使用中雖然轉(zhuǎn)錄會有一些作用，但是距離完美還相差甚遠。

用戶在使用NLP之前就要明確自己能夠接受的錯誤率是多大。此外，要想能夠被準確識別，用戶還應精心準備好行業(yè)術語、產(chǎn)品名稱、員工姓名以及相應的概念和相關詞匯。無論哪種NLP工具都不例外。

微軟的研究人員稱：“我們的期望值不能太高。人工智能雖然不能解決所有的問題，但是自然語言工具卻可以改善許多問題。如何有效地將信息組織起來，從而從文檔中挖掘出更多的信息，如何讓專業(yè)人員進行指導才是當今企業(yè)面臨的最大問題。”