自然言語処理はビジネスに革命をもたらす

顧客対応チャットボットの強化から契約コミットメントの追跡、会議の議事録の最大限の活用まで、自然言語処理はビジネスを変革する大きな可能性を秘めています。

[[334756]]

自然言語処理 (NLP) の最近の進歩により、電子メールをより自然な音声で読み上げたり、Excel にスプレッドシート データを入力して自動的に生成されたグラフやピボット テーブルの形式で回答を取得したりするなど、音声とテキストの機能を備えた主流のテクノロジが強化されています。

NLP がより正確になり、より広く利用できるようになると、顧客サポート チャットボットに事前設定されたトピックを提供するだけでなく、定性的、半構造化、非構造化データを処理できるようになる可能性があります。最後に、ナレッジマイニングの可能性を実現することで、企業のプロセス、資産、負債に関する情報も明らかになり、より優れたワークフローと、よりリアルタイムな組織ビューが実現します。

「NLP は単語を最も単純な形に分解し、パターン、ルール、単語間の関係を識別します」と、ApexAnalytix のアプリケーションおよび高度技術担当上級副社長である Walt Kristick 氏は説明します。 「コンピューターアルゴリズムを使用して、書かれた自然言語と話し言葉の解析と解釈を行い、システムが人間の言語を学習して理解できるようにします。」

NLP アプリケーションは、翻訳や言語生成 (要約、注釈付け、さらには他の機械学習モデルの解釈用) から分類やクラスタリング、感情分析、その他の情報抽出まで多岐にわたります。クリステック氏は、最も単純な形の NLP はすでに広く使用されていると指摘しています。電子メールのスペルチェック、提案、メッセージ応答、Siri などの仮想アシスタントはすべて NLP を使用し、チャットボットも同様です。

「特にヘルスケアやライフサイエンスの分野では、テキストや非コンテキストデータソースの分析と抽出のニーズが高まっています」とクリスチック氏は指摘する。

ここでは、NLP の現状と、それが組織にどのように適合するかについて説明します。

NLPサービスが主流

Python NLTK、Sanford CoreNLP、Apache OpenNLP などのフレームワークを使用して NLP タスク用に独自に構築できるアルゴリズムは多数ありますが、最も効果的なモデルは非常に大きくなる傾向があります。本稿執筆時点では、Microsoft の 170 億のパラメータを持つチューリング自然言語生成モデルは史上最大であり、BERT と GPT-2 も数十億のパラメータを持っています。

「企業が実行する必要のある複雑な作業のいくつかについては、これらのモデルをそのまま取り出すだけではうまくいきません」と、マイクロソフトの会話型 AI 担当副社長、リリ・チェン氏は警告する。 「多くの企業にとって、こうした大規模なモデルをホストし、管理し、これらすべてを実行するのは非常に困難です。それをやりたいという人もいますが、カスタマイズして独自の情報を追加したいという顧客の方が多いと考えています」とチェン氏は述べ、これは多くの組織で雇用されている NLP 専門家にとっても課題となるだろうと指摘した。

IBMの研究者で人工知能の主任設計者でもあるダクシ・アグラワル氏は、NLPの恩恵を受けられるのは小売業やその他の顧客対応産業だけではない、と語った。アグラワル氏は、顧客と取引する企業であれば、NLP を利用して顧客とのやり取りから深い洞察を得ることができると語る。「多くの企業が、社内の従業員や一般的な人事問題だけでなく、社外の顧客やパートナーの問題にもこの技術を利用しています。」

たとえば、トピック クラスタリングでは、単なるキーワード抽出ではなく、文章埋め込みなどの NLP 技術を使用するため、顧客がさまざまな用語を使用して報告する可能性のある問題をより正確にグループ化できます。ダッシュボードでこれらのクラスターを強調表示すると、傾向や繰り返し発生する問題を明らかにするのに役立ちます。

Signoi は、一般的な単語を表示し、肯定的な単語と否定的な単語を強調表示し、人口統計グループごとに集計することで、調査の自由記述コメントに対処しようとします。英国の独立系交通利用者監視団体トランスポート・フォーカスは、Signoi を利用して、さまざまな鉄道サービスの通勤客とレジャー客を対象に、彼らの最大の懸念事項について調査しました。ビジネス旅行者は1路線の混雑に憤慨しており、レジャー目的で電車を利用する人は、より良い駐車場と、荷物や自転車のためのスペースの拡大を望んでいる。

NLP は、結果を説明する言語を生成するためにも使用できます。 Microsoft の Power BI ビジネス分析サービスと Salesforce.com の Tableau はどちらも、ユーザーがデータに関する質問を入力してグラフや自動分析を取得できる機能を提供しています。

企業が何を知っているかを知る

NLP は、組織が認識していない情報を抽出する上で大きな可能性を秘めています。

ABBY の契約向けテキスト分析、Exient の契約管理ソリューション、Seal の契約検出および分析などの専門的な AI ツールは、契約から条件と期限を抽出し、組織が自らのコミットメントを理解するのに役立ちます。 XML の共同発明者である Jean Paoli 氏が設立した新しい会社 Docugami は、この機能をあまり構造化されていない文書にも導入することを目指しています。

「企業内のデータのわずか 15% がデータベースに保存されています。私たちはテキスト、電子メール、ファイルを使用して通信します。真実はそれらの美しく構造化されたデータベースには存在しません。真実はファイルにあります」と Paoli 氏は語りました。

「商業用不動産のように、書類を大量に必要とするビジネスを考えてみましょう。最前線のビジネス ユーザーは毎週 15 件のリース契約書を作成するのに時間を費やし、毎週月曜日にマネージャーから次のような質問を受けます。「何をしましたか? 締め切りはいつですか? 駐車場について話しましたか? 土地をそのままにしておきたいですか? 書類に署名すると、その条件は会社が遵守する義務を負いますが、この情報は書類の中に埋もれてしまいます」と Paoli 氏は言います。

この「ダークデータ」を解き明かすことで、毎週月曜日の朝のステータス会議を置き換え、ビジネスの俊敏性を高めることができます。パオリ氏は、スターバックスが地主に賃貸契約の再交渉を依頼する場合でも、レストランが保険契約の内容を理解する必要がある場合でも、これがこれまで以上に重要になっていると指摘しました。

「企業がビジネスモデルを再考しているため、この時点で NLP を使用してビジネス文書を分析することがより重要になります。企業はあらゆることを再交渉しなければならない可能性があり、義務とリスクが何であるかを理解する必要があります。プロフェッショナル サービス企業の Accenture はまさにそれを実行し、独自の NLP を使用して 100 万件を超える契約を分析し、コミットメントと責任を理解しました。

社内に NLP の専門知識を持たない組織向けに、Docugami の SaaS 製品にはビジネス ドキュメントのフォルダーから選択できる 30 のサンプル ドキュメントも用意されており、ドキュメントを作成したビジネス ユーザーに 30 分間のフィードバックを提供してモデルをトレーニングできると Paoli 氏は言います。

Docugami は、その情報をデータベースに入力して、ブラウザで表示したり、Excel や Tableau と統合したりできるダッシュボードの作成に役立ちます。 「我々は、これは期限が来ている、あるいは、この文書のすべてには、あの文書を除いて、この特定の条項が含まれている、などと言うことができる」とパオリ氏は語った。

会議の隠れた力を引き出す

会議や会話から有用な情報を抽出するのは、手間のかかる手作業のプロセスです。一部の企業通話は文字起こしされているが、分析されたものはほとんどない。組織は、会議で話された内容から、プロジェクトの進捗状況や今後の期限についてどの程度知ることができるでしょうか?

Otter の CEO である Sam Liang 氏は、企業の従業員は通常、時間の 30% 以上を会議に費やしているため、会議から得られる情報の多くは他のビジネス データほど有意義ではないと指摘しました。

「特にZoom会議が連続して行われる場合、参加者全員がどのようにして同じ認識を保つのでしょうか？」とリャン氏は言う。

Otter のような文字起こしツールがこれに役立ちます。 PowerPoint プレゼンテーションや Teams 会議のライブ キャプション、または Azure Streams ブロードキャスト プラットフォームの検索可能なライブ会議のトランスクリプトを使用すると、人間がメモを取る必要がなく、フォローアップのために会話のトランスクリプトを効果的に提供できます。

マイクロソフトのチェン氏は、将来的にはプラットフォームが文字起こしや文書分析、画像認識を活用して「会議の集合知」を抽出し、会議後に仕事が続くときにその情報に簡単にアクセスできるようになると示唆した。 「今何が起こっているかをもっと詳しく記録し、チームと簡単に共有することができます」と彼女は言いました。

たとえば、Bridgewater Associates は過去 15 年間のすべての社内会議を録画しており、すべての従業員がそれらの録画を見ることができます。しかし、検索が難しいため、閲覧されることはほとんどなく、同社では現在、Otter を使用して古い会議コンテンツを検索しています。

同様に、Azure Media Services のライブ会議の文字起こしを実現する Azure Cognitive Services の音声テキスト変換 API は、まもなく OneDrive にアップロードされたオーディオ ファイルの文字起こしができるようになります。開発者はすでにこれらの API を使用して文字起こしアプリケーションを構築できますが、これらの機能をプラットフォームに直接組み込むことで、より広く利用できるようになります。

データ分析と精度

完全な書き起こしは、必ずしも NLP を適用した結果の中で最も有用なものではありませんが、コンテキストを検索して Cheng 氏が「興味深い情報」と呼ぶものを見つけるためのタイムラインを提供することはできます。

Otter は、テキストに含まれる内容を示すために、トークンを自動要約として抽出します。 IBM Watson の自然言語理解と Otter は同様のツールに取り組んでいますが、それでもトランスクリプトを参照することを忘れないようにする必要があります。 2018 年に、Microsoft は、会議メモからアクション アイテムを作成して割り当て、会議メモを出席者に配布できる Teams のプロトタイプ システムを発表しました。

長期的には、NLP は会議のデータ分析も提供できます。同じトピックが頻繁に取り上げられているか、同じ締め切りが頻繁に延期されているか、特定の従業員が他の従業員よりも多く話しているか、または他の人物が議論されているかなどです。

これらすべての価値は転写の正確さに依存しますが、NLP に関しては正確さは複雑な問題です。多くの NLP システムは、正式なベンチマークで人間のようなパフォーマンスを実現しますが、そのほとんどは会話ベースであり、実行しようとしていることの正確な比較が得られない可能性があります。チェン氏は、まだ有効な単一の指標は存在しないと指摘した。

「私たちは、人々がマルチモーダル システムに機能を融合させているのを目にしています。会話システムは非常に優れているかもしれませんが、音声、言語、視覚、文書を組み合わせたい検索システムやハイブリッド システムでは、それほどうまく機能しないことがあります」と彼女は言いました。

文字起こしの精度は、録音の品質、背景のノイズ、話者のアクセント、話の内容によって異なります。オッターズのリアン氏によると、静かな環境にいる英語ネイティブスピーカーの場合、精度はすでに95パーセント以上だという。実際には、使える程度の文字起こしは得られますが、完璧ではありません。

どの NLP ツールを使用する場合でも、業界の専門用語や自社製品の名前、従業員名など、ビジネスに関連する概念や関連性に基づいて語彙をカスタマイズし、正しく認識されるようにするために、時間をかける覚悟が必要です。

組織は、NLP を使用する前に、ショートカットや探索のためだけではなく、許容できるエラーのレベルを把握しておく必要がありますが、Cheng 氏はエンドツーエンドのエクスペリエンスに重点を置くことを推奨しています。

「これらのものを人々が実際に使用し、会社や顧客がより効率的に物事を行えるようにするには、どうすればよいでしょうか」と彼女は尋ねました。

「約束しすぎることはできません。AI は魔法ではありませんが、自然言語ツールは確かに多くのことを改善する可能性があります。現在、企業が直面している最大の問題は、情報を整理し、保有する文書からより多くの価値を引き出し、専門知識を持つ人材を指導してもらう方法かもしれません」とチェン氏は述べました。 「私たちはリモートワークの経験が豊富ですが、AI を使えばもっとうまくできるかもしれません。」