L’elaborazione del linguaggio naturale sta plasmando l’automazione intelligente
Di Pascal Bornet e Rachael Churchill.
Il contenuto di questo articolo è ispirato al libro di Pascal Intelligent Automation.
L’elaborazione del linguaggio naturale è il nome solitamente dato alla capacità dei computer di eseguire compiti linguistici, sebbene in pratica includa più della semplice elaborazione del linguaggio (comprensione del testo e del parlato) ma includa anche la generazione del linguaggio (creazione di testo e parlato).
L’elaborazione del linguaggio naturale (NLP) è un componente dell’automazione intelligente , un insieme di tecnologie correlate che consentono ai computer di automatizzare il lavoro della conoscenza e aumentare la produttività delle persone che lavorano con la mente. Gli altri componenti dell’automazione intelligente sono la visione artificiale (interpretazione di immagini e video, come nelle auto a guida autonoma o nella diagnostica medica), il pensiero e l’apprendimento (ad esempio, l’evoluzione delle strategie e la presa di decisioni basate sui dati) e l’esecuzione (interazione con il mondo fisico o con software esistente e concatenare le altre funzionalità in pipeline automatizzate ).
Di seguito sono riportate solo alcune applicazioni di elaborazione del linguaggio naturale che vengono distribuite oggi e come possono aiutare la tua azienda.
Tecnologie di elaborazione del linguaggio naturale
Chatbot e agenti cognitivi
I chatbot e gli agenti cognitivi vengono utilizzati per rispondere a domande, cercare informazioni o pianificare appuntamenti, senza bisogno di un agente umano nel circuito.
I chatbot semplici possono essere programmati con un insieme di regole di base (“se l’utente dice X, tu dici Y”); chatbot più avanzati o “agenti cognitivi” utilizzano il deep learning per imparare dalle conversazioni e migliorare se stessi e possono essere scambiati per umani.
Molti chatbot sono basati su testo e interagiscono con gli utenti tramite messaggistica istantanea o SMS, ma alcuni utilizzano la voce e persino il video. Esempi notevoli sono il chatbot “Jamie” di ANZ Bank, che guida i clienti attraverso i servizi della banca, e Google Duplex , che può effettuare telefonate per prenotare appuntamenti con i capelli o tavoli al ristorante, persino parlare con ignari receptionist che non sanno che è un bot.
Gestione delle informazioni non strutturate
Le piattaforme di gestione delle informazioni non strutturate (UIM) vengono utilizzate per elaborare grandi quantità di dati non strutturati ed estrarne il significato senza la necessità di molte query di ricerca di parole chiave manuali, che richiedono tempo e sono soggette a errori. Sono una componente vitale dell’elaborazione del linguaggio naturale ed elaborano documenti non strutturati come articoli di riviste, brevetti, contratti e cartelle cliniche e creano una base di conoscenza strutturata e ricercabile. Possono anche classificare i dati e cercare cluster e tendenze al loro interno.
Analisi del sentimento
L’analisi del sentiment utilizza l’elaborazione del linguaggio naturale per estrarre i sentimenti , come l’approvazione o la disapprovazione di un marchio, da testo non strutturato come i tweet.
Analisi del discorso
L’analisi vocale è un componente dell’elaborazione del linguaggio naturale che combina UIM con l’analisi del sentiment. Viene utilizzato dai call center per trasformare le chat di testo e le trascrizioni delle conversazioni telefoniche in dati strutturati e analizzarli utilizzando l’analisi del sentiment. Tutto questo può essere fatto in tempo reale, fornendo agli agenti del call center feedback e suggerimenti in tempo reale durante una chiamata e avvisando un manager se il cliente non è soddisfatto.
Traduzione automatica
La traduzione automatica è un’applicazione estremamente potente della PNL. Attualmente, di solito non è abbastanza potente da produrre traduzioni completamente grammaticali e idiomatiche, ma può darti il succo di una pagina web o di un’e-mail in una lingua che non parli. 500 milioni di persone ogni giorno utilizzano Google Traduttore per aiutarli a comprendere il testo in oltre 100 lingue.
Classificazione delle informazioni
La classificazione o la categorizzazione delle informazioni viene utilizzata, tra le altre cose, per il filtraggio dello spam. Funziona utilizzando lo stesso tipo di modello di apprendimento automatico utilizzato per classificare i raggi X e altre immagini mediche in sani e malati, o utilizzato dalle auto a guida autonoma per decidere se qualcosa è un segnale di stop. Anziché essere programmato con regole esplicite, al computer viene fornita una grande quantità di dati di addestramento sotto forma di e -mail di spam note ed e – mail legittime note ed estrae da esse le proprie regole basate sull’evidenza per classificare le nuove e-mail.
Componenti dell’elaborazione del linguaggio naturale che possono aiutare la tua azienda
Chatbot e agenti cognitivi
I chatbot e gli agenti cognitivi possono migliorare i tuoi profitti sostituendo il personale del call center per domande semplici dei clienti e aumentando gli agenti del call center umano per domande più complesse, consentendoti di espandere la tua base di clienti e la quota di mercato e migliorare la soddisfazione del cliente senza bisogno di assumere e formare più agenti.
Gestione delle informazioni non strutturate
Le piattaforme di gestione delle informazioni non strutturate consentono di automatizzare molto lavoro di ricerca: ad esempio, gli avvocati possono utilizzarle per eseguire query intelligenti su brevetti o giurisprudenza esistenti e i ricercatori medici possono utilizzarle nella scoperta di farmaci o cercare interazioni genetiche rilevanti nella letteratura . Piuttosto che passare il tempo a esaminare risme di documenti, un ricercatore umano può rivedere rapidamente i suggerimenti e le intuizioni forniti dalla piattaforma UIM, rendendoli complessivamente più produttivi e liberando tempo ed energia mentale per gli aspetti più creativi e di alto livello del lavoro.
Analisi del sentimento
Puoi utilizzare l’analisi del sentiment per eseguire il monitoraggio automatico in tempo reale delle reazioni dei consumatori al tuo marchio , in particolare in risposta al lancio di un nuovo prodotto o a una campagna pubblicitaria, che ti aiuterà a personalizzare di conseguenza i tuoi prodotti e servizi futuri. Può anche avvisarti automaticamente di eventuali esplosioni di critiche o negatività sul tuo marchio sui social media, senza la necessità che il personale umano controlli attivamente i canali 24 ore su 24, 7 giorni su 7, in modo che tu possa rispondere in tempo per evitare una crisi di pubbliche relazioni.
Analisi del discorso
L’analisi vocale può aumentare le competenze del personale del call center, migliorando la soddisfazione del cliente senza le spese e i costi opportunità di formazione aggiuntiva. Puoi anche utilizzare l’analisi vocale per rilevare modelli di conversazione che portano a vendite di successo o opportunità di vendita incrociata o up-selling in base al comportamento del cliente. Ciò può aiutare a elevare gli agenti di televendita mediocri in venditori stellari, consentendo loro di condividere e distribuire i talenti dei loro colleghi più qualificati, con un impatto significativo sulla tua linea superiore senza alcuna spesa per il reclutamento o la formazione.
Traduzione automatica
La traduzione automatica può consentirti di leggere articoli pertinenti che i tuoi concorrenti potrebbero non aver visto se pubblicati in una lingua minoritaria, di condividere le conoscenze a livello internazionale all’interno della tua azienda e di comunicare con colleghi o fornitori internazionali senza il sovraccarico di un traduttore umano ( anche se per comunicare con i clienti può essere comunque consigliabile assumerne uno per fare una buona impressione).
Classificazione delle informazioni
La classificazione delle informazioni ha una varietà di applicazioni utili. Oltre a farti risparmiare tempo e fastidio filtrando lo spam, questa tecnologia può essere utilizzata per automatizzare le attività di classificazione specifiche del dominio. Ad esempio, potrebbe classificare e taggare i prodotti in un catalogo, facilitando la navigazione e l’acquisto da parte dei clienti; oppure potrebbe filtrare i post sui social media per incitamento all’odio, mitigando i rischi legali e di reputazione senza bisogno di un grande team di moderatori umani; oppure potrebbe classificare i ticket di supporto e inoltrarli automaticamente alla persona corretta, risparmiando lo sforzo manuale e migliorando i tempi di risposta complessivi.
Elaborazione del linguaggio naturale: un caso di studio
Questo è un esempio tratto dalla mia esperienza dei vantaggi dell’utilizzo di agenti cognitivi per migliorare la soddisfazione del cliente e ridurre il turnover dei dipendenti.
Una catena alberghiera ha impiegato un team di 240 agenti di assistenza clienti per gestire oltre 20.000 interazioni con i clienti al giorno, tra cui telefonate, e-mail e social media. Il morale della squadra era basso a causa dell’alta pressione e del carico di lavoro e il turnover dei dipendenti era del 40%. Ciò ha avuto un effetto a catena sulla qualità del servizio clienti, che è stata valutata meno di cinque su 10.
L’azienda ha implementato un agente cognitivo omnicanale per interagire con i clienti tramite e-mail, social media e chiamate vocali. L’agente cognitivo è stato progettato per apparire e comportarsi in modo simile agli agenti umani e ha utilizzato l’apprendimento automatico per migliorare se stesso e imparare dalle conversazioni precedenti. Potrebbe anche riconoscere gli utenti sulla base di informazioni biometriche, come il riconoscimento vocale o facciale, e potrebbe elaborare autonomamente i cambiamenti nei sistemi.
Dopo tre mesi, il tasso di soddisfazione del cliente è passato da cinque su 10 a nove su 10, il turnover dei dipendenti è diminuito di oltre il 70% e i membri del team umano sono stati meno sotto pressione e sono stati in grado di concentrarsi su attività più complesse e di maggior valore -aggiungere interazioni che richiedono maggiori capacità relazionali.
Il linguaggio è il modo in cui gli umani comunicano naturalmente, quindi le interfacce del computer in grado di comprendere il linguaggio naturale sono più potenti e più facili da usare rispetto a quelle che richiedono di fare clic su pulsanti, digitare comandi o imparare a programmare, ed è importante comprendere i componenti dell’elaborazione del linguaggio naturale. Le interfacce in linguaggio naturale sono il passo successivo nell’evoluzione dell’interazione uomo-computer, da semplici strumenti a macchine capaci di processi automatizzati e guidati da eventi, che potenzialmente portano anche a una sorta di simbiosi tra uomo e macchina.
