팬데믹 기간 동안 기업이 AI 기반 시스템으로 인력을 보강하려고 함에 따라 자연어 처리(NLP) 기술에 대한 관심이 폭발했습니다. 신경 기계 번역, 챗봇, 고용 도구 및 대화식 검색과 같은 애플리케이션은 특히 기업이 디지털 혁신에 착수함에 따라 NLP의 비즈니스 가치를 더욱 분명하게 만들었습니다. KPMG 보고서 팬데믹으로 인해 일부 산업에서 "수개월 또는 심지어 수년"까지 디지털 혁신이 가속화되었습니다.

자문 회사 Mordor Intelligence 예측 NLP 시장 자연스러운 대화, 보다 효율적인 운영, 비용 절감, 더 높은 고객 만족도, 향상된 분석을 가능하게 하는 잠재력을 반영하여 2019년까지 6.94년 매출 2025억 XNUMX천만 달러를 XNUMX배 이상 늘릴 것입니다. 그러나 NLP가 점점 더 중요해지고 있지만 부분적으로는 많은 수의 하위 필드를 포함하기 때문에 구문 분석하기 어려운 필드로 남아 있습니다.

NLP 란 무엇입니까?

NLP는 그 자체로 기계와 인간 언어 간의 상호 작용과 관련된 언어학, 컴퓨터 과학 및 AI의 하위 분야입니다. NLP 시스템은 문서 내 단어의 문맥적 뉘앙스를 포함하여 문서의 내용을 어느 정도 "이해"할 수 있습니다.

초기에 많은 NLP 시스템은 텍스트 파일을 구문 분석하기 위해 기호 메서드라고 하는 손으로 코딩한 규칙 집합에 의존했습니다. 그러나 2010년대부터 기계 학습 접근 방식은 단어의 의미론적 특성을 포착하는 단어의 표현인 단어 임베딩과 같이 널리 보급되었습니다.

이러한 최신 시스템은 이전의 규칙 종속 소프트웨어보다 장점이 있습니다. 예를 들어, AI 모델 교육 과정의 특성상 일반적인 경우에 중점을 두고 통계적 추론을 사용하여 익숙하지 않은 단어를 처리합니다. 또한 규칙 기반 시스템은 규칙 복잡성을 증가시켜야 더 정확해질 수 있지만 AI 기반 시스템의 정확도는 일반적으로 훈련 데이터의 양과 일치합니다.

NLP는 음성 명령에 응답하고 방대한 양의 텍스트를 요약하는 소프트웨어를 구동하며, 사용에 따라 특정 단어의 품사를 결정하는 프로세스인 음성 태깅의 핵심 부분입니다. NLP는 또한 텍스트에서 태도, 감정, 풍자, 혼란, 의심을 포함한 주관적인 특성을 추출하고 단어나 구를 잠재적으로 유용한 개체로 식별하는 감정 분석에서도 중요합니다.

데이터 가치 잠금 해제

Accenture 노트 기업은 쿼리 이해와 콘텐츠 이해라는 두 가지 기본 방식으로 NLP를 활용할 수 있습니다. 예를 들어, NLP를 전략적으로 배포하면 질문과 의도를 이해함으로써 보다 정확하고 표적화된 고객 및 직원 서비스 응답을 제공할 수 있습니다. 문서에서 엔터티를 추출하여 관련 제품, 프로세스 및 절차를 강조하고 보고서 및 이메일을 포함한 자연어 콘텐츠의 의미를 식별 및 이해하여 일반 영어로 답변을 제공할 수 있습니다.

NLP는 AI를 사용하여 앱, API 및 데스크톱 운영 체제를 통해 관련 정보를 사용자에게 반환하는 엔터프라이즈 검색 기술 유형인 인지 검색에서 점점 더 많이 사용되고 있습니다. Microsoft의 Project Cortex와 같은 플랫폼, 아마존 켄드라, Google Cloud Search는 NLP를 탭하여 문서의 세부 사항뿐 아니라 조직 전체의 직원이 "우리 회사의 401k에 어떻게 투자합니까?"와 같이 제기할 수 있는 검색을 이해합니다. vs "내 401k 계획에 가장 적합한 옵션은 무엇입니까?"

NLP의 또 다른 인기 있는 용도는 스팸 탐지입니다. 이 기술은 이메일에서 맬웨어 또는 피싱 시도를 나타낼 수 있는 언어를 검색하는 데 적용됩니다. NLP 시스템이 감지하도록 조정할 수 있는 지표에는 과용된 재정 용어, 특징적인 잘못된 문법, 위협적인 언어, 부적절한 긴급성, 철자가 잘못된 회사 이름 등이 포함됩니다. 2019년 XNUMX월 현재 Google은 NLP 및 기타 AI 시스템을 사용하여 블록 매일 100억 개의 추가 스팸 메시지. 그리고 스타트업을 포함한 아머블록스 NLP를 사용하여 이메일 및 문서의 민감한 정보를 분석하고 데이터 및 ID 관련 공격으로부터 보호합니다.

일부 신생 기업은 NLP를 적용하여 다음과 같은 사용자 보고서의 버그를 발견하고 있습니다. 유니큐. 와 같은 회사도 있습니다. 코러스.ai, 관찰하다.ai, 어메니티 분석및 코기토, NLP를 사용하여 콜센터 및 판매 콜 데이터를 분석합니다. 어메니티 분석 언어 이해 시스템은 규제 서류를 구문 분석하고 요점에 대한 수입 요구 사항을 분석합니다. 과 클레부 NLP 기술로 전자상거래 검색을 개인화합니다.

NLP 기반 음성 어시스턴트 최근 챗봇 사용이 급증했습니다. 이는 브랜드가 루프에 사람 없이 제안 및 권장 사항을 맞춤화할 수 있도록 하기 때문입니다. 챗봇과 어시스턴트 모두 활용 고객, 제품 및 상호 작용 데이터를 사용하여 실시간으로 경험을 개선하여 대기 시간, 서비스 비용 및 고객 이탈을 줄입니다. 그리고 그들은 고객 서비스 이상의 가치를 가질 수 있습니다. 예를 들어 NLP 기반 도구는 직원 온보딩 프로세스, 선별 질문 작성, 답변 녹음, 회사 정책 및 프로토콜을 통해 신입 직원 안내를 지원할 수 있습니다.

챗봇 및 음성 비서는 인보이스, 영수증 등 외에도 대출 신청자의 자산 문서를 처리하는 Google의 DocAI 플랫폼과 같은 NLP 기반 문서 처리 시스템과 잘 어울립니다. 문서 처리의 비즈니스 가치는 비웃을 일이 아닙니다. 기업은 단일 문서를 정리하고 저장하는 데 평균 20달러를 소비합니다. 일부 견적에 의해, 18 %의 기업 만이 스스로를 paperless.

과제 및 배포

다른 기술과 마찬가지로 NLP에도 결함이 있습니다. 부적절하게 조정된 모델 위험 강화 탐탁지 않은 고정 관념, 특히 훈련 데이터가 일반적으로 소싱 성별, 인종 및 종교에 대한 편견이 있는 커뮤니티에서. 모델의 단점에 대한 한 가지 솔루션은 고객이 품질을 평가할 수 있는 도구를 개발하는 것일 수 있습니다. 다음과 같이 여러 가지가 이미 존재합니다. 견고 함 체육관, Salesforce의 자연어 처리 그룹에서 개발한 프레임워크로 하나로 하다 새로운 자연어 모델 테스트 전략의 개발을 가속화하기위한 기존 견고성 라이브러리의 패치 워크.

Salesforce의 대화식 디자인 책임자인 Greg Bennett은 또한 NLP 시스템 디자인 프로세스 전반에 걸쳐 이해 관계자를 포함하여 최소한 가능한 범위에서 편향을 설명하고 완화할 수 있도록 지지합니다. “어떤 기관이든 [NLP 시스템]을 사용하여 본질적으로 고객과의 관계를 확장할 수 있는 기회가 있습니다. 예비 학생, 구직자 등 목록은 계속됩니다. 이것은 관계를 만들고 의미 있는 교류를 할 수 있는 기회입니다.”라고 그는 VentureBeat에 말했습니다. 최근 인터뷰.

NLP 시스템 배포를 고려 중인 기업의 경우 NLP 시스템이 해결할 수 있는 구체적인 비즈니스 문제를 식별하는 것으로 시작하는 것이 가장 좋습니다. 다음은 내부 공급업체 솔루션과 외부 공급업체 솔루션에 대한 평가입니다. 솔루션이 결정되면 개발, 테스트 및 배포를 본격적으로 시작할 수 있습니다.

Accenture가 쓴 것처럼 NLP는 배당금을 지급할 수 있습니다. 이것이 아마도 NLP가 기업 Markets and Markets에 따르면 10년에는 30년에 비해 2020~2019% 증가했습니다. 크게 감소 전염병 초기에.

Accenture는 "NLP는 오늘날 기업에서 AI 진화의 필수 요소가 되었습니다. NLP 솔루션이 제대로 구현되면 조직은 비정형 콘텐츠에 대한 더 깊은 이해를 가능하게 하여 향상된 비즈니스 인텔리전스 및 분석을 제공할 수 있습니다."라고 썼습니다. “구조화된 데이터를 분석하는 것만으로는 더 이상 충분하지 않습니다. 정교한 비즈니스 분석, 예측 및 의사 결정에 더 많은 것이 필요합니다.”