Les données sont désormais l'un des biens commerciaux les plus précieux. Selon le rapport « State of the CIO 2022 » de CIO.com, 35 % des responsables informatiques ont déclaré que les données et l'analyse commerciale représenteront la plus grande part des investissements informatiques de leur organisation cette année, et 58 % des personnes interrogées ont déclaré que l'année prochaine. Ils augmenteront leur investissement dans l’analyse des données.
Bien que les données se présentent sous de nombreuses formes, le pool de données le plus important et inexploité est peut-être le texte. Qu'il s'agisse de brevets, de spécifications de produits, de publications universitaires, d'études de marché, d'actualités ou de flux d'informations sociales, ils sont tous basés sur du texte. le nombre de textes est en constante augmentation. Selon l'étude 2022 Data and Analytics de Foundry, 36 % des responsables informatiques estiment que la gestion de ces données non structurées est l'un des plus grands défis auxquels ils sont confrontés. C’est pourquoi le cabinet de recherche Lux Research souligne que la technologie de traitement du langage naturel (NLP), en particulier la modélisation thématique, est en train de devenir un outil clé pour libérer la valeur des données.
Le traitement du langage naturel est une branche de l'intelligence artificielle (IA) utilisée pour entraîner les ordinateurs à comprendre, traiter et générer du langage. Les moteurs de recherche, les services de traduction automatique et les assistants vocaux sont tous alimentés par le traitement du langage naturel. La modélisation thématique est une technique de traitement du langage naturel qui décompose une idée en sous-catégories de concepts communs définis par des phrases. Selon Lux Research, la modélisation thématique permet aux organisations d'associer des documents à des sujets spécifiques, puis d'extraire des données, telles que les tendances de croissance d'un sujet au fil du temps. La modélisation thématique peut également être utilisée pour établir une « empreinte digitale » pour un document donné, puis découvrir d'autres documents présentant des empreintes similaires.
Alors que les entreprises s'intéressent de plus en plus à l'IA, elles se tournent vers le traitement du langage naturel pour libérer la valeur contenue dans les données non structurées des documents texte. Le cabinet de recherche MarketsandMarkets prédit que le marché du traitement du langage naturel passera de 15,7 milliards de dollars américains en 2022 à 49,4 milliards de dollars américains en 2027, avec un taux de croissance annuel composé (TCAC) de 25,7 % au cours de cette période.
Examinons cinq exemples de la façon dont les organisations utilisent le traitement du langage naturel pour créer des résultats commerciaux.
La multinationale pharmaceutique Eli Lilly utilise le traitement du langage naturel pour aider plus de 30 000 employés dans le monde à partager des informations précises et opportunes au sein et à l'extérieur de l'entreprise. Lilly a développé une solution informatique locale appelée Lilly Translate qui utilise le traitement du langage naturel et l'apprentissage profond pour générer des traductions de contenu via une couche API éprouvée.
Pendant de nombreuses années, Eli Lilly s'est appuyée sur des fournisseurs de traduction humaine tiers pour traduire une variété de contenus, allant des supports de formation internes aux échanges techniques formels avec les agences de réglementation. Désormais, le service Lilly Translate fournit aux utilisateurs et aux systèmes une traduction en temps réel de Word, Excel, PowerPoint et du texte, tout en conservant le format du document inchangé. Eli Lilly utilise des modèles linguistiques d'apprentissage profond formés sur les sciences de la vie et le contenu Lilly pour aider à améliorer la précision des traductions, en créant des modèles linguistiques raffinés qui reconnaissent la terminologie spécifique à Lilly et le langage technique spécifique à l'industrie tout en conservant le format des documents réglementés.
Timothy F. Coleman, vice-président, responsable de l'information et des solutions numériques chez Lilly, a déclaré : « Lilly Translate touche tous les domaines de l'entreprise, des ressources humaines aux services d'audit d'entreprise en passant par les lignes d'assistance téléphonique en matière d'éthique et de conformité, en passant par les finances, les ventes et le marketing. , les affaires réglementaires et bien d'autres domaines. Cela permet de gagner beaucoup de temps, les traductions prenant désormais quelques secondes au lieu de plusieurs semaines, libérant ainsi des ressources clés pour se concentrer sur d'autres activités commerciales importantes. »
Le conseil de Coleman : soutenez les projets motivés par la passion. Lilly Translate a commencé comme un projet passionné par un ingénieur logiciel curieux dont l'idée était de résoudre un problème dans le portefeuille de systèmes Lilly Regulatory Affairs : les partenaires commerciaux étaient constamment confrontés à des retards et des frictions dans leurs services de traduction. Coleman a partagé l'idée et la vision technique avec d'autres dirigeants et gestionnaires et a immédiatement obtenu le soutien du projet de la direction internationale des affaires réglementaires mondiales d'Eli Lilly, qui a plaidé en faveur d'un investissement dans l'outil.
« [L'idée] était une excellente combinaison de l'opportunité d'explorer et d'en apprendre davantage sur les technologies émergentes. Ce qui a commencé comme une excellente opportunité d'apprentissage s'est maintenant transformé en un excellent projet permettant aux ingénieurs logiciels de Lilly de saisir et d'exécuter l'opportunité. »
Accenture utilise le traitement du langage naturel pour l'analyse juridique. Le projet Legal Intelligent Contract Exploration (ALICE) d'Accenture aide cette société de services mondiale comptant 2 800 professionnels à effectuer des recherches textuelles dans ses millions de contrats, y compris la recherche de clauses contractuelles.
ALICE utilise le "word embedding", une méthode de traitement du langage naturel, qui peut faciliter la comparaison entre les mots en fonction de la similarité sémantique. Le modèle examine les documents contractuels paragraphe par paragraphe, à la recherche de mots-clés pour déterminer si le paragraphe est pertinent pour un type de clause contractuelle spécifique. Par exemple, des mots comme « inondation », « tremblement de terre » ou « catastrophe » apparaissent souvent avec une clause de « force majeure ».
Mike Maresca, directeur général mondial, Transformation commerciale numérique, opérations et analyses d'entreprise chez Accenture, a déclaré : « Alors que nous continuons à exploiter cette capacité et à l'améliorer, son utilisation continue de se développer, nous voyons des opportunités de valeur supplémentaires et nous recherchons de nouvelles façons de valoriser les données existantes
Accenture affirme que le projet réduit considérablement le temps que les avocats passent à lire manuellement des documents pour obtenir des informations spécifiques.
Le conseil de Maresca : n’ayez pas peur d’approfondir le traitement du langage naturel. "Si l'innovation fait partie de la culture, vous ne pouvez pas avoir peur de l'échec et expérimentons et itérons." apprentissage profond pour traiter automatiquement les demandes d’avis des clients. Le service reçoit plus de 100 000 demandes entrantes chaque mois, et auparavant, il devait lire et prendre des mesures jusqu'à ce que la branche informatique de Verizon, Global Technology Solutions (GTS), construise le travailleur numérique activé par l'IA pour l'assurance des services.
« En automatisant les réponses à ces demandes, nous pouvons répondre en quelques minutes au lieu d'heures après l'envoi de l'e-mail », a déclaré Stefan Toth, directeur exécutif de l'ingénierie des systèmes, Global Technology Solutions (GTS), Verizon Business Group.
En février 2020, Verizon a déclaré que Digital Worker avait économisé près de 10 000 heures-homme par mois depuis le deuxième trimestre de l'année dernière.
Le conseil de Toth : recherchez l’open source. "Regardez autour de vous, réseautez avec vos partenaires commerciaux et je suis sûr que vous trouverez des opportunités. Pensez à l'open source et expérimentez avant de prendre un engagement financier important, nous avons découvert qu'il existe actuellement de nombreux logiciels open source." Great Wolf Lodge : utilisation de l'IA basée sur le traitement du langage naturel pour suivre les sentiments des clients
Le lexicographe d'intelligence artificielle (GAIL) développé par l'hôpital et la chaîne de divertissement Great Wolf Lodge examinera les commentaires dans des enquêtes mensuelles pour déterminer si l'auteur peut être un troll. ou une partie neutre.
Cet outil d'IA exploite le traitement du langage naturel et a été formé sur plus de 67 000 avis spécifiquement destinés au secteur des services. GAIL fonctionne dans le cloud et utilise un algorithme développé en interne pour découvrir les facteurs clés qui indiquent ce que les répondants pensent de Great Wolf Lodge. Great Wolf Lodge a déclaré qu'à partir de septembre 2019, la précision de GAIL peut atteindre 95 %. Pour une petite partie des informations que GAIL ne peut pas comprendre, Great Wolf Lodge utilisera l'analyse de texte traditionnelle pour les traiter.
L'équipe des opérations commerciales de Great Wolf Lodge utilise les informations générées par GAIL pour ajuster ses services et actuellement l'entreprise se développe. » un chatbot pour répondre aux questions fréquemment posées par les clients sur les services du Great Wolf Lodge.
Le conseil de Malinowski : évitez la technologie pour le plaisir de la technologie. Choisissez des outils qui offrent le bon équilibre entre technologie et praticité et qui sont alignés sur les objectifs commerciaux. « Vous devez faire attention à ce qui constitue un gadget et à ce qui constitue une véritable solution à un problème. »
Aetna : Résolvez rapidement les réclamations grâce au traitement du langage naturel
La compagnie d'assurance maladie Aetna développe une application d'ajustement automatique des contrats de fournisseur complexes pour une lecture automatisée des notes. sur le paiement, les franchises et les instructions de dépenses non liées dans chaque contrat, puis calculez les prix et mettez à jour les réclamations.
L'application combine le traitement du langage naturel et un logiciel de base de données spécial pour identifier les attributs de paiement, créant ainsi des données supplémentaires qui peuvent être automatiquement lues par le système. En conséquence, de nombreuses réclamations sont réglées du jour au lendemain.
«Il s'agit d'offrir une meilleure expérience à l'utilisateur final», a déclaré Claus Jensen, directeur de la technologie d'Aetna. Le logiciel aidera Aetna à devenir un meilleur partenaire pour les prestataires et les patients de l'écosystème de la santé. "Nous faisons bien plus que simplement payer des factures et répondre aux questions par téléphone."
Aetna estime que depuis juillet 2019, cette application les a aidés à économiser 6 millions de dollars en coûts de traitement et de retouche par an.
Le conseil de Jensen : concentrez-vous sur votre concentration et prenez votre temps. Dans un monde idéal, les entreprises mettraient en œuvre une IA capable de résoudre des problèmes très spécialisés. Jensen a déclaré que les solutions à grande échelle sont vagues et finissent par échouer, et que si Aetna applique l'IA à usage général à son entreprise, cela ne fonctionnera certainement pas. De plus, Aetna a passé plusieurs mois à instrumenter le processus, à rédiger des règles et à tester l'application. Jensen a déclaré que beaucoup de gens n'ont pas la patience de ralentir et de faire les choses de la bonne manière.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
![[Web front-end] Démarrage rapide de Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
