2020年グローバルNLP業界レポート：NLPテクノロジー予算が30％増加

2020 年は、公衆衛生、職業生活、経済、そして日常生活のほぼすべての側面にとって特別な年となりました。いくつかの機会が失われている一方で、ビジネスモデルを変革している企業もあり、影響を受けていない企業を見つけるのは困難です。それでも、いくつかの業界は繁栄しており、それは仮想会議やヘルスケアだけではありません。

自然言語処理 (NLP) はそのような分野の 1 つです。実際、MarketsandMarkets™ の調査によると、NLP 市場規模は 2019 年の 102 億ドルから 2024 年までに 264 億ドルに成長すると予想されています。医療現場における患者や医療従事者の支援から、顧客サービス問い合わせの効率化、さらには買い物客の仮想支援まで、幅広いユースケースがあり、NLP テクノロジーの成長を促進する成長要因はいくつかあります。初心者でも経験豊富なデータ サイエンティストでも、NLP はユーザーがより速く、よりスマートに、より正確に作業できるように支援します。

今後 NLP がどこに向かうのかを理解するには、まず、課題、成功、最も一般的な使用例などの観点から、NLP が現在どこに位置しているかを理解する必要があります。この目的のために、John Snow Lab は Gradient Flow と共同で、さまざまな業界、地域、アプリケーション レベルでの NLP の使用について調査した新しい調査レポートを最近リリースしました。知識は力であり、この調査の目的は、組織が NLP テクノロジーをどのように使用しているかを理解することで、IT リーダーが NLP の可能性を最大限に引き出せるように支援することです。

50 か国以上、約 600 人の回答者を対象に実施されたこの世界規模の調査では、2020 年の NLP の採用と実装の状況を包括的に把握できます。以下の主要な調査結果は、業界のベンチマークを確立し、今後 1 年間で NLP がどこに向かうかを予測するのに役立ちます。

NLP 支出は増加傾向にあります。IT支出が低迷した年にもかかわらず、NLP 予算が全般的に増加しており、報告されている NLP テクノロジー予算は昨年より 10 ～ 30% 増加していることは興味深いことです。この調査は、世界中でIT支出が減少していたCOVID-19パンデミックの真っ只中に実施されたことを考慮すると、特に重要です（Gartner）。テクノロジーリーダーである回答者の 53% は、NLP 予算が 2019 年と比較して少なくとも 10% 増加したと回答し、31% は予算が前年と比較して少なくとも 30% 増加したと回答しました。同様の傾向は大企業（従業員数5,000人以上）にも当てはまり、回答者の61%が2020年の予算増加を報告しています。

クラウド コンピューティングの使用には課題​​があります。回答者の 77% が、リストされている 4 つの NLP クラウド サービス (Google、AWS、Azure、IBM) のうち少なくとも 1 つを使用していると回答しました。クラウドベースのサービスが普及しているにもかかわらず、回答者は NLP クラウド サービスを使用する際に直面する主な課題としてコストを挙げました。多くの NLP アプリケーションがドメイン固有言語の使用に依存しており、クラウド プロバイダーがこうした市場のニーズに対応するのが遅れているため、スケーラビリティに関する懸念もあります。それでも、回答者の 53% が、より正確でコスト効率の高いオプションである 2 つの主要な NLP ライブラリ、Spark NLP と spaCy の少なくとも 1 つを使用していると報告したことは驚くことではありません。

正確さは重要であり、難しいものです。回答者の 40% 以上が、NLP ライブラリを評価する上で精度が最も重要な基準であると述べています。これは、電子健康記録や医療現場における薬物有害事象の検出などの重要なアプリケーションでの NLP の使用を考えると特に重要です。一方、正確性はすべての回答者から最も頻繁に挙げられた課題でもありました。しかし、テクノロジーリーダーに目を向けると、状況は少し変わります。統合の問題、言語サポート、スケーラビリティは、精度と並んで差し迫った課題として位置付けられています。幸いなことに、言語サポートなどの分野は劇的に改善されています。 Google や Facebook などの企業は、150 を超える言語向けに事前トレーニング済みの埋め込みをリリースしています。 NLP ライブラリもそれに追随しています。

分類と NER が主な使用例です。 NLP の最も人気のある 4 つのアプリケーションは、ドキュメント分類、固有表現認識 (NER)、感情分析、およびナレッジ グラフです。ヘルスケア分野の回答者は、匿名化をもう 1 つの一般的な NLP 使用例として挙げました。かつては非常に手作業が多く、労働集約的なプロセスでしたが、自動化された NLP によりこの負担は大幅に軽減されました。 NER と分類は、医療機関が大きな価値を見出す他の 2 つの NLP ユースケースです。たとえば、これらのアプリケーションは、医療従事者が患者の薬物有害事象 (ADE) を迅速かつ正確に特定するのに役立ち、ケアを改善し、医療システムにかかる負担とコストを削減します。

データ ソース。ファイル (pdf、txt、docx など) とデータベースからのデータは、NLP プロジェクトで使用されるデータ ソースのリストでトップを占めています (61%)。法的な契約書やニュース記事から医療記録や SEC 提出書類まで、これらの入力文書は PDF 形式で保存されることがよくあります。ディープラーニング モデルはここ数年で改善されてきましたが、PDF からテキストを抽出する際には多くの困難とデータ品質の問題があります。興味深いことに、NLP をまだ検討している企業と、導入が進んでいる企業では、データ ソースに若干の違いがあります。探索段階の回答者の方が、さらに進んでいる回答者（22%）よりも音声データを使用している割合が高い（29%）と報告しました。

過去 1 年間の NLP の成長軌道に基づくと、その勢いが 2021 年も続くことは明らかです。時間の経過と今後の技術強化により、採用とユースケースがどのように進化していくのかを見るのは興味深いでしょう。 NLP には、私たちの働き方、医療の提供と受領の方法、買い物の方法、顧客サービスとのやり取りの方法を変える力があります。これらの事例の中には、他の事例よりも影響力の大きいものもあるかもしれませんが、いずれも私たちの働き方や生活の仕方をより良いものにするでしょう。

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式サイトにアクセスして許可を申請してください。