La PNL analizza i dati di testo per generare valore nell'azienda

10

Migliora la tecnologia e la strategia dei dati aziendali a Transform 2021.

Durante la pandemia, l'interesse per le tecnologie di elaborazione del linguaggio naturale (NLP) è esploso mentre le aziende cercavano di aumentare la propria forza lavoro umana con sistemi basati sull'intelligenza artificiale. Applicazioni come la traduzione automatica neurale, i chatbot, gli strumenti di assunzione e la ricerca conversazionale hanno reso più evidente il valore aziendale della PNL, soprattutto quando le aziende intraprendono trasformazioni digitali. KPMG riferisce che la pandemia ha portato a un'accelerazione della trasformazione digitale di "mesi o addirittura anni" in alcuni settori.

La società di consulenza Mordor Intelligence prevede che il mercato della PNL triplicherà le sue entrate del 2019 di $ 6,94 miliardi entro il 2025, riflettendo un potenziale per consentire conversazioni naturali, operazioni più efficienti, costi ridotti, maggiore soddisfazione del cliente e analisi migliori. Ma mentre la PNL sta diventando sempre più importante, rimane un campo difficile da analizzare, in parte perché comprende un gran numero di sottocampi.

Cos'è la PNL?

La PNL è di per sé un sottocampo della linguistica, dell'informatica e dell'intelligenza artificiale che si occupa delle interazioni tra le macchine e il linguaggio umano. I sistemi di PNL possono "capire" in una certa misura i contenuti dei documenti, comprese le sfumature contestuali delle parole al loro interno.

All'inizio, molti sistemi di PNL si affidavano a insiemi di regole codificate manualmente chiamate metodi simbolici per analizzare i file di testo. Ma a partire dagli anni 2010, gli approcci di apprendimento automatico si sono diffusi, come gli incorporamenti di parole, che sono rappresentazioni di parole che catturano le proprietà semantiche di quelle parole.

Questi sistemi moderni presentano vantaggi rispetto al software dipendente dalle regole di un tempo. Ad esempio, si concentrano su casi comuni per natura del processo di addestramento del modello di intelligenza artificiale e utilizzano l'inferenza statistica per gestire parole non familiari. Inoltre, mentre i sistemi basati su regole possono essere resi più accurati solo aumentando la complessità delle regole, l'accuratezza dei sistemi basati sull'intelligenza artificiale generalmente corrisponde alla quantità di dati di addestramento.

La PNL guida il software che risponde ai comandi vocali e riassume enormi volumi di testo, ed è una parte fondamentale della codifica vocale, il processo di determinazione della parte del discorso di una particolare parola in base al suo utilizzo. La PNL è importante anche nell'analisi del sentimento, che tenta di estrarre qualità soggettive tra cui atteggiamenti, emozioni, sarcasmo, confusione e sospetto dal testo, oltre a identificare parole o frasi come entità potenzialmente utili.

Sbloccare il valore dei dati

Accenture osserva che le aziende possono sfruttare la PNL in due modi principali: comprensione delle query e comprensione dei contenuti. Se implementato in modo strategico, la PNL può fornire risposte migliori e più mirate al servizio clienti e dipendenti comprendendo, ad esempio, domande e intenti. Può estrarre entità dai documenti per mettere in luce prodotti, processi e procedure rilevanti e identificare e comprendere il significato dei contenuti in linguaggio naturale, inclusi report ed e-mail, per fornire risposte in un inglese semplice.

La PNL viene sempre più utilizzata nella ricerca cognitiva, un tipo di tecnologia di ricerca aziendale che utilizza l'intelligenza artificiale per restituire informazioni rilevanti agli utenti tramite app, API e sistemi operativi desktop. Piattaforme come Project Cortex di Microsoft, Amazon Kendra e Google Cloud Search toccano la PNL per comprendere non solo le minuzie dei documenti, ma anche le ricerche che i dipendenti di un'organizzazione potrebbero porre, come "Come posso investire nei 401k della nostra azienda?" contro "Quali sono le migliori opzioni per il mio piano 401k?"

Un altro uso popolare della PNL è il rilevamento dello spam, in cui la tecnologia viene applicata per scansionare le e-mail alla ricerca di un linguaggio che potrebbe indicare malware o tentativi di phishing. Gli indicatori che i sistemi di PNL possono essere sintonizzati per rilevare includono termini finanziari abusati, cattiva grammatica caratteristica, linguaggio minaccioso, urgenza inappropriata, nomi di società errati e altro ancora. A febbraio 2019, Google utilizzava la PNL e altri sistemi di intelligenza artificiale per bloccare ogni giorno 100 milioni di messaggi di spam aggiuntivi. E le startup, tra cui Armorblox, utilizzano la PNL per analizzare le informazioni sensibili in e-mail e documenti e per proteggersi dagli attacchi relativi ai dati e all'identità.

Alcune startup stanno applicando la PNL per individuare i bug nei report degli utenti, come UniQ. Ci sono anche aziende come Chorus.ai, Observe.ai, Amenity Analytics e Cogito, che analizzano i dati dei call center e delle chiamate di vendita utilizzando la PNL. I sistemi di comprensione del linguaggio di Amenity Analytics analizzano i documenti normativi e le richieste di guadagni per i punti chiave. E Klevu personalizza la ricerca e-commerce con tecniche di PNL.

Gli assistenti vocali e i chatbot basati sulla PNL hanno visto un aumento nell'uso ultimamente. Questo perché consentono ai marchi di personalizzare le offerte e i consigli senza che gli esseri umani siano coinvolti. Sia i chatbot che gli assistenti sfruttano i dati di clienti, prodotti e interazioni per migliorare le esperienze in tempo reale, riducendo i tempi di attesa, i costi di servizio e l'abbandono dei clienti. E possono avere un valore oltre il servizio clienti. Ad esempio, gli strumenti basati sulla PNL possono aiutare nel processo di onboarding dei dipendenti, rispondere alle domande di screening, registrare le risposte e guidare i nuovi dipendenti attraverso politiche e protocolli aziendali.

I chatbot e gli assistenti vocali si integrano con i sistemi di elaborazione dei documenti basati sulla PNL come la piattaforma DocAI di Google, che elabora i documenti patrimoniali dei richiedenti un prestito oltre a fatture, ricevute e altro. Il valore aziendale dell'elaborazione dei documenti non è nulla da deridere: secondo alcune stime, le aziende spendono in media 20 dollari per archiviare e archiviare un singolo documento e solo il 18% delle aziende si considera senza carta.

Sfide e distribuzione

Come ogni tecnologia, la PNL ha i suoi difetti. I modelli sintonizzati in modo improprio rischiano di rafforzare gli stereotipi indesiderati, in particolare se i dati di formazione provengono comunemente da comunità con pregiudizi su genere, razza e religione. Una soluzione alle carenze dei modelli potrebbe essere lo sviluppo di strumenti per consentire ai clienti di valutare la qualità. Ne esistono già diversi, come Robustness Gym, un framework sviluppato dal gruppo di elaborazione del linguaggio naturale di Salesforce che mira a unificare il patchwork delle librerie di robustezza esistenti per accelerare lo sviluppo di nuove strategie di test del modello di linguaggio naturale.

Il responsabile della progettazione conversazionale di Salesforce, Greg Bennett, sostiene inoltre l'inclusione delle parti interessate durante il processo di progettazione del sistema NLP in modo che i pregiudizi possano essere presi in considerazione e mitigati, almeno nella misura del possibile. “Qualsiasi istituzione ha la possibilità di utilizzare [an NLP system] estendersi essenzialmente in una relazione con un cliente – con potenziali studenti, con candidati a un lavoro, l'elenco potrebbe continuare. Queste sono opportunità per creare relazioni e avere uno scambio significativo", ha detto a VentureBeat in una recente intervista.

Per le aziende che considerano l'implementazione di un sistema NLP, è meglio iniziare identificando i problemi aziendali concreti che potrebbe risolvere. Successivamente dovrebbe venire una valutazione delle soluzioni interne rispetto a quelle dei fornitori esterni. Una volta stabilite le soluzioni, lo sviluppo, il test e l'implementazione possono iniziare sul serio.

Come scrive Accenture, la PNL può pagare dividendi. Questo è forse il motivo per cui i budget per la PNL nell'azienda sono aumentati dal 10% al 30% nel 2020 rispetto al 2019, secondo Markets and Markets, nonostante il fatto che la spesa IT nel suo complesso sia diminuita significativamente durante i primi giorni della pandemia.

"La PNL è diventata un fattore essenziale per l'evoluzione dell'IA nelle aziende di oggi… Con una soluzione NLP ben implementata, le organizzazioni possono consentire una comprensione più profonda dei contenuti non strutturati, fornendo analisi e business intelligence avanzate", ha scritto Accenture. “La sola analisi dei dati strutturati non è più sufficiente. Analisi di business sofisticate, previsioni e processi decisionali hanno tutti bisogno di più”.

VentureBeat

La missione di VentureBeat è quella di essere una piazza cittadina digitale per i responsabili delle decisioni tecniche per acquisire conoscenze sulla tecnologia trasformativa e sulle transazioni.

Il nostro sito fornisce informazioni essenziali sulle tecnologie e sulle strategie dei dati per guidarti nella guida delle tue organizzazioni. Ti invitiamo a diventare un membro della nostra community, per accedere a:

  • informazioni aggiornate sugli argomenti di tuo interesse
  • le nostre newsletter
  • contenuti gated leader di pensiero e accesso scontato ai nostri eventi preziosi, come Trasforma 2021: Per saperne di più
  • funzioni di rete e altro

Diventare socio