자연어 처리의 비즈니스 가치를 탐구하는 5가지 성공 사례

데이터는 이제 가장 가치 있는 비즈니스 필수품 중 하나입니다. CIO.com의 "CIO 2022 현황" 보고서에 따르면 IT 리더의 35%는 데이터 및 비즈니스 분석이 올해 조직의 IT 투자에서 가장 큰 비중을 차지할 것이라고 답했으며, 응답자의 58%는 내년에도 그렇게 답했습니다. 그들은 데이터 분석에 대한 투자를 늘릴 것입니다.

데이터는 다양한 형태로 제공되지만, 가장 크고 아직 활용되지 않은 데이터 풀은 특허, 제품 사양, 학술 출판물, 시장 조사, 뉴스, 소셜 정보 흐름 등 모두 텍스트 기반입니다. 텍스트의 양은 지속적으로 증가하고 있습니다. Foundry의 2022년 데이터 및 분석 연구에 따르면 IT 리더의 36%는 이러한 비정형 데이터를 관리하는 것이 그들이 직면한 가장 큰 과제 중 하나라고 믿고 있습니다. 이것이 바로 연구 회사인 Lux Research가 자연어 처리(NLP) 기술, 특히 주제 모델링이 데이터의 가치를 실현하는 핵심 도구가 되고 있다고 지적하는 이유입니다.

자연어 처리는 컴퓨터가 언어를 이해하고 처리하고 생성하도록 훈련하는 데 사용되는 인공 지능(AI)의 한 분야입니다. 검색 엔진, 기계 번역 서비스, 음성 도우미는 모두 자연어 처리를 기반으로 합니다. 주제 모델링은 아이디어를 문구로 정의된 공통 개념의 하위 범주로 분류하는 자연어 처리 기술입니다. Lux Research에 따르면 주제 모델링을 통해 조직은 문서를 특정 주제와 연관시킨 다음 시간 경과에 따른 주제의 성장 추세와 같은 데이터를 추출할 수 있습니다. 주제 모델링을 사용하여 특정 문서에 대한 "지문"을 설정한 다음 유사한 지문을 가진 다른 문서를 찾을 수도 있습니다.

기업에서 AI에 대한 관심이 점점 높아지면서 텍스트 문서의 구조화되지 않은 데이터에 포함된 가치를 활용하기 위해 자연어 처리로 전환하고 있습니다. 리서치 회사인 MarketsandMarkets는 자연어 처리 시장이 2022년 157억 달러에서 2027년 494억 달러로 성장할 것으로 예측하며, 이 기간 동안 연평균 복합 성장률(CAGR)은 25.7%입니다.

조직이 자연어 처리를 사용하여 비즈니스 성과를 창출하는 방법에 대한 5가지 예를 살펴보겠습니다.

Eli Lilly: 자연어 처리를 통해 글로벌 비즈니스 진행

다국적 제약회사 Eli Lilly는 자연어 처리를 사용하여 전 세계 30,000명 이상의 직원이 회사 안팎에서 정확하고 시의적절한 정보를 공유할 수 있도록 지원하고 있습니다. Lilly는 자연어 처리 및 딥 러닝을 사용하여 검증된 API 계층을 통해 콘텐츠 번역을 생성하는 Lilly Translate라는 자체 IT 솔루션을 개발했습니다.

수년 동안 Eli Lilly는 내부 교육 자료부터 규제 기관과의 공식적인 기술 교환에 이르기까지 다양한 콘텐츠를 번역하기 위해 제3자 인간 번역 공급업체에 의존했습니다. 이제 Lilly Translate 서비스는 문서 형식을 변경하지 않은 채 사용자와 시스템에 Word, Excel, PowerPoint 및 텍스트의 실시간 번역을 제공합니다. Eli Lilly는 생명 과학 및 Lilly 콘텐츠에 대해 훈련된 딥 러닝 언어 모델을 사용하여 번역 정확도를 향상시키고, 규제 문서의 형식을 유지하면서 Lilly 관련 용어 및 산업별 기술 언어를 인식하는 세련된 언어 모델을 만듭니다.

Lilly의 정보 및 디지털 솔루션 담당 부사장인 Timothy F. Coleman은 다음과 같이 말했습니다. “Lilly Translate는 인사부터 기업 감사 서비스, 윤리 및 규정 준수 핫라인, 재무, 영업 및 마케팅에 이르기까지 회사의 모든 영역에 적용됩니다. , 규제 업무 및 기타 여러 분야에서 많은 시간이 절약됩니다. 이제 번역에 몇 주가 아닌 몇 초가 걸리므로 핵심 리소스를 다른 중요한 비즈니스 활동에 집중할 수 있습니다.”

Coleman의 조언: 열정이 이끄는 프로젝트를 지원하세요. Lilly Translate는 Lilly Regulatory Affairs 시스템 포트폴리오의 문제점을 해결하려는 아이디어를 가진 호기심 많은 소프트웨어 엔지니어의 열정적인 프로젝트로 시작되었습니다. 비즈니스 파트너는 번역 서비스에서 끊임없이 지연과 마찰을 경험하고 있었습니다. Coleman은 아이디어와 기술 비전을 다른 임원 및 관리자와 공유했고 도구에 대한 투자를 옹호한 Eli Lilly의 글로벌 규제 업무 국제 리더십으로부터 즉시 프로젝트 지원을 받았습니다.

"[아이디어]는 새로운 기술을 탐구하고 배울 수 있는 기회의 훌륭한 조합이었습니다. 훌륭한 학습 기회로 시작된 것이 이제 Lilly 소프트웨어 엔지니어가 기회를 잡고 실행할 수 있는 훌륭한 프로젝트로 바뀌었습니다."

Accenture: 자연어 처리를 사용하여 계약 분석

Accenture는 법률 분석에 자연어 처리를 사용합니다. Accenture의 ALICE(Legal Intelligent Contract Exploration) 프로젝트는 2,800명의 전문가를 보유한 이 글로벌 서비스 회사가 계약 조건 검색을 포함하여 수백만 건의 계약에서 텍스트 검색을 수행할 수 있도록 지원합니다.

ALICE는 의미적 유사성을 기반으로 단어 간의 비교를 보조할 수 있는 자연어 처리 방법인 "워드 임베딩"을 사용합니다. 이 모델은 계약 문서를 단락별로 검사하여 해당 단락이 특정 계약 조항 유형과 관련이 있는지 여부를 결정하는 키워드를 찾습니다. 예를 들어, "홍수", "지진" 또는 "재해"와 같은 단어는 종종 "불가항력" 절과 함께 나타납니다.

Accenture의 디지털 비즈니스 혁신, 운영 및 엔터프라이즈 분석 부문 글로벌 전무이사인 Mike Maresca는 다음과 같이 말했습니다. 기존 데이터에서 가치를 얻는 새로운 방법

Accenture는 이 프로젝트를 통해 변호사가 특정 정보를 얻기 위해 문서를 수동으로 읽는 데 소요되는 시간을 크게 단축했다고 밝혔습니다.

Maresca의 조언: 자연어 처리에 대해 더 깊이 탐구하는 것을 두려워하지 마세요. “혁신이 문화의 일부라면 실패를 두려워하지 말고 실험하고 반복하자.”

Verizon: 자연어 처리를 사용하여 고객 요청에 응답

Verizon의 비즈니스 서비스 보증 부서는 자연어 처리를 사용하고 있으며 고객의 리뷰 요청을 자동으로 처리하는 딥러닝입니다. 이 부서는 매달 100,000건이 넘는 인바운드 요청을 받고 있으며 이전에는 Verizon의 IT 부서인 GTS(Global Technology Solutions)가 서비스 보증을 위한 AI 지원 디지털 작업자를 구축할 때까지 읽고 조치를 취해야 했습니다.

이 디지털 작업자는 웹 기반 딥 러닝 기술과 자연어 처리를 결합하여 주로 이메일과 Verizon 포털을 통해 전송된 수리 주문을 읽고 현재 작업 주문 상태 보고와 같은 가장 일반적인 요청에 자동으로 응답합니다. 업데이트 및 더 복잡한 문제가 인간 엔지니어에게 제출됩니다.

Verizon Business Group의 GTS(Global Technology Solutions) 시스템 엔지니어링 담당 이사인 Stefan Toth는 "이러한 요청에 대한 응답을 자동화함으로써 이메일이 전송된 후 몇 시간이 아닌 몇 분 내에 응답할 수 있습니다."라고 말했습니다.

2020년 2월 Verizon은 Digital Worker가 작년 2분기 이후 매달 거의 10,000인시를 절약했다고 ​​밝혔습니다.

Toth의 조언: 오픈 소스를 찾으세요. "주위를 둘러보고 비즈니스 파트너와 네트워크를 형성하면 기회를 찾을 수 있을 것이라고 확신합니다. 큰 재정적 투자를 하기 전에 오픈 소스에 대해 생각하고 실험해 보세요. 현재 사용할 수 있는 오픈 소스 소프트웨어가 많이 있다는 것을 알게 되었습니다.

Great Wolf Lodge: 자연어 처리 기반 AI를 사용하여 고객 감정 추적

병원 및 엔터테인먼트 체인인 Great Wolf Lodge에서 개발한 인공지능 사전편찬기(GAIL)는 월간 설문조사에서 댓글을 선별하여 작성자가 트롤일 수 있는지 여부를 판단합니다. 비판적 또는 중립적 정당.

이 AI 도구는 자연어 처리를 활용하고 특히 서비스 산업에 대한 67,000개 이상의 리뷰를 통해 훈련되었습니다. GAIL은 클라우드에서 실행되며 자체 개발된 알고리즘을 사용하여 응답자가 Great Wolf Lodge에 대해 어떻게 생각하는지 나타내는 주요 요소를 발견합니다. Great Wolf Lodge는 2019년 9월 현재 GAIL의 정확도가 95%에 도달할 수 있다고 밝혔습니다. GAIL이 이해할 수 없는 정보 중 일부에 대해 Great Wolf Lodge는 이를 처리하기 위해 전통적인 텍스트 분석을 사용할 것입니다.

Great Wolf Lodge의 최고 정보 책임자인 Edward Malinowski는 "우리는 모든 측면에서 고객과 더 잘 소통하고 싶습니다."라고 말했습니다.

Great Wolf Lodge의 비즈니스 운영 팀은 GAIL에서 얻은 통찰력을 사용하여 서비스를 조정하고 있으며 현재 회사는 개발 중입니다. Great Wolf Lodge의 서비스에 대해 고객이 자주 묻는 질문에 답변하는 챗봇입니다.

Malinowski의 조언: 기술을 위해 기술을 피하세요. 기술과 실용성 사이에서 적절한 균형을 이루고 비즈니스 목표에 부합하는 도구를 선택하세요. “무엇이 속임수인지, 문제에 대한 실제 해결책이 무엇인지 주의해야 합니다.”

Aetna: 자연어 처리로 신속하게 청구 해결

건강 보험 회사 Aetna는 자동 읽기 노트를 위한 복잡한 제공자 계약 자동 조정 앱을 개발합니다. 각 계약의 지불, 공제액 및 관련 없는 비용 지침에 대해 가격을 계산하고 청구를 업데이트합니다.

이 앱은 자연어 처리와 특수 데이터베이스 소프트웨어를 혼합하여 결제 속성을 식별하고 시스템에서 자동으로 읽을 수 있는 추가 데이터를 구축합니다. 결과적으로 많은 청구가 하룻밤 사이에 해결되었습니다.

이 앱을 사용하면 Aetna의 50명 이상의 청구 심사관은 더 높은 수준의 사고와 다양한 건강 보험 회사 간의 조정이 필요한 계약 및 청구에 대한 노력을 다시 집중할 수 있습니다.

"결국 최종 사용자에게 더 나은 경험을 제공하는 것이 중요합니다"라고 Aetna 최고 기술 책임자인 Claus Jensen은 말했습니다. 이 소프트웨어는 Aetna가 의료 생태계에서 제공자와 환자에게 더 나은 파트너가 되는 데 도움이 될 것입니다. "우리는 전화로 요금을 지불하고 질문에 답변하는 것 이상의 일을 합니다."

Aetna는 2019년 7월 현재 이 앱을 사용하여 처리 및 재작업 비용을 연간 600만 달러 절감하는 데 도움이 되었다고 추정합니다.

Jensen의 조언: 초점을 좁히고 시간을 투자하세요. 이상적인 세상에서 기업은 틈새 문제를 해결할 수 있는 AI를 구현합니다. Jensen은 광범위한 기반 솔루션이 모호하고 궁극적으로 실패하며 Aetna가 범용 AI를 비즈니스에 적용하면 확실히 작동하지 않을 것이라고 말했습니다. 또한 Aetna는 프로세스를 계측하고, 규칙을 작성하고, 애플리케이션을 테스트하는 데 몇 달을 보냈습니다. Jensen은 많은 사람들이 속도를 늦추고 올바른 방식으로 일을 처리할 인내심이 없다고 말했습니다.

위 내용은 자연어 처리의 비즈니스 가치를 탐구하는 5가지 성공 사례의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!