La valeur commerciale du NLP : 5 success stories

Les données sont désormais l’un des biens d’entreprise les plus précieux. Selon le rapport State of the CIO 2022 de CIO.com, 35 % des responsables informatiques affirment que les données et l’analyse commerciale généreront le plus d’investissements informatiques dans leur organisation cette année, et 58 % affirment que leur implication dans l’analyse des données augmentera au cours de la prochaine année. .

Bien que les données se présentent sous de nombreuses formes, le plus grand pool de données inexploitées est peut-être constitué de texte. Les brevets, les spécifications de produits, les publications académiques, les études de marché, les actualités, sans parler des flux sociaux, ont tous du texte comme élément principal et le volume de texte ne cesse de croître. Selon Étude de données et d’analyse de Foundry 2022, 36 % des responsables informatiques considèrent la gestion de ces données non structurées comme l’un de leurs plus grands défis. C’est pourquoi la société de recherche Lux Research affirme que les technologies de traitement du langage naturel (TAL), et plus particulièrement la modélisation thématique, deviennent un outil clé pour libérer la valeur des données.

La PNL est la branche de l’intelligence artificielle (IA) qui traite de la formation d’un ordinateur pour comprendre, traiter et générer le langage. Les moteurs de recherche, les services de traduction automatique et les assistants vocaux sont tous alimentés par la PNL. La modélisation thématique, par exemple, est une technique de PNL qui décompose une idée en sous-catégories de concepts courants définis par des groupements de mots. Selon Lux Research, la modélisation des sujets permet aux organisations d’associer des documents à des sujets spécifiques, puis d’extraire des données telles que la tendance de croissance d’un sujet au fil du temps. La modélisation thématique peut également être utilisée pour établir une « empreinte digitale » pour un document donné, puis découvrir d’autres documents avec des empreintes digitales similaires.

Alors que l’intérêt pour l’IA augmente dans les entreprises, les organisations commencent à se tourner vers la PNL pour libérer la valeur des données non structurées dans les documents texte, etc. La société de recherche MarketsandMarkets prévoit que le marché du NLP passera de 15,7 milliards de dollars en 2022 à 49,4 milliards de dollars d’ici 2027, soit un taux de croissance annuel composé (TCAC) de 25,7 % sur la période.

Voici cinq exemples de la façon dont les organisations utilisent le traitement du langage naturel pour générer des résultats commerciaux.

Eli Lilly opère à l’échelle mondiale avec la PNL

La multinationale pharmaceutique Eli Lilly utilise le traitement du langage naturel pour aider ses plus de 30 000 employés à travers le monde à partager des informations précises et opportunes en interne et en externe. L’entreprise a développé Lilly Translate, une solution informatique maison qui utilise le NLP et l’apprentissage en profondeur pour générer la traduction de contenu via une couche API validée.

Pendant des années, Lilly s’est appuyée sur des fournisseurs de traduction humaine tiers pour tout traduire, des supports de formation internes aux communications techniques formelles aux organismes de réglementation. Désormais, le service Lilly Translate fournit une traduction en temps réel de Word, Excel, PowerPoint et du texte pour les utilisateurs et les systèmes, en maintenant le format du document en place. Les modèles de langage d’apprentissage en profondeur formés avec les sciences de la vie et le contenu de Lilly aident à améliorer la précision de la traduction, et Lilly crée des modèles de langage raffinés qui reconnaissent la terminologie spécifique à Lilly et le langage technique spécifique à l’industrie, tout en conservant le formatage de la documentation réglementée.

« Lilly Translate touche tous les domaines de l’entreprise, des RH aux services d’audit d’entreprise, en passant par les lignes d’assistance en matière d’éthique et de conformité, les finances, les ventes et le marketing, les affaires réglementaires et bien d’autres », déclare Timothy F. Coleman, vice-président et responsable de l’information pour l’information et solutions numériques chez Eli Lilly and Co. « Le gain de temps est important. Les traductions ne prennent désormais que quelques secondes au lieu de plusieurs semaines, ce qui donne aux ressources clés le temps de se concentrer sur d’autres activités critiques pour l’entreprise. »

Les conseils de Coleman : Soutenir des projets passionnés. Lilly Translate a commencé comme un projet passionné par un ingénieur logiciel curieux qui avait une idée pour résoudre un problème du portefeuille du système Lilly Regulatory Affairs : les partenaires commerciaux subissaient continuellement des retards et des frictions dans les services de traduction. Coleman a partagé l’idée et la vision technique avec ses pairs et ses responsables, obtenant immédiatement le soutien du projet de la part de la direction d’Eli Lilly Global Regulatory Affairs International, qui a plaidé pour un investissement dans l’outil.

« [The idea] bien marié avec une opportunité d’explorer et d’apprendre les technologies émergentes », déclare Coleman. « C’est devenu une excellente opportunité qu’un ingénieur logiciel de Lilly a saisie et exploitée, initialement comme une excellente opportunité d’apprentissage. »

Accenture analyse les contrats avec le NLP

Accenture tire parti du traitement du langage naturel pour analyse juridique. Le projet ALICE (Accenture Legal Intelligent Contract Exploration) de la société aide les 2 800 professionnels de l’organisation juridique de la société mondiale de services à effectuer des recherches textuelles dans ses contrats de plus d’un million d’euros, y compris des recherches de clauses contractuelles.

ALICE utilise le « word embedding », une méthode NLP qui facilite les comparaisons entre les mots en fonction de la similarité sémantique. Le modèle parcourt les documents contractuels paragraphe par paragraphe, en recherchant des mots-clés pour déterminer si le paragraphe se rapporte à un type de clause contractuelle particulier. Par exemple, des mots comme « inondation », « tremblement de terre » ou « catastrophe » sont généralement associés à la clause « force majeure ».

« Les cas d’utilisation se sont multipliés à mesure que nous continuions à utiliser cette capacité, à l’étendre et à l’améliorer à mesure que nous décelions des opportunités de valeur supplémentaires », déclare Mike Maresca, directeur général mondial de la transformation numérique de l’entreprise, des opérations et de l’analyse d’entreprise chez Accenture. « Nous trouvons de nouvelles façons de tirer parti des données dont nous disposons. »

Accenture affirme que le projet a considérablement réduit le temps que les avocats doivent passer à lire manuellement des documents pour obtenir des informations spécifiques.

Les conseils de Maresca : N’ayez pas peur de plonger dans la PNL. « Si l’innovation fait partie de votre culture, vous ne pouvez pas avoir peur d’échouer », déclare Maresca. « Expérimentons et itérons. »

Le NLP aide Verizon à traiter les demandes des clients

Le groupe Verizon Business Service Assurance utilise le traitement du langage naturel et l’apprentissage en profondeur pour automatiser le traitement des commentaires des demandes clients. Le groupe reçoit plus de 100 000 demandes entrantes par mois qui devaient être lues et traitées individuellement jusqu’à ce que Global Technology Solutions (GTS), le groupe informatique de Verizon, crée l’AI-Enabled Digital Worker for Service Assurance.

Digital Worker intègre des techniques d’apprentissage en profondeur basées sur le réseau avec le NLP pour lire les tickets de réparation qui sont principalement envoyés par e-mail et sur le portail Web de Verizon. Il répond automatiquement aux demandes les plus courantes, telles que les rapports sur l’état actuel des tickets ou les mises à jour de l’avancement des réparations. Les problèmes plus complexes sont acheminés vers des ingénieurs humains.

« En automatisant les réponses à ces demandes, nous répondons en quelques minutes au lieu de quelques heures après l’envoi de l’e-mail », explique Stefan Toth, directeur exécutif de l’ingénierie système pour les solutions technologiques mondiales (GTS) de Verizon Business Group.

En février 2020, Verizon a déclaré que Digital Worker avait économisé près de 10 000 heures de travail par mois depuis le deuxième trimestre de l’année précédente.

Les conseils de Toth : Regardez vers l’open source. « Regardez autour de vous et connectez-vous avec vos partenaires commerciaux et je suis sûr que vous trouverez des opportunités », déclare Toth. « Regardez l’open source et expérimentez avant de prendre des engagements financiers importants sur une plate-forme. Nous avons découvert qu’il y a beaucoup de choses disponibles maintenant en open source.

Great Wolf Lodge suit le sentiment des clients grâce à l’IA alimentée par la PNL

Lexicographe d’intelligence artificielle (GAIL) de la chaîne d’hôpitaux et de divertissements Great Wolf Lodge passe au crible les commentaires dans ses sondages mensuels et détermine si les écrivains sont susceptibles d’être un promoteur net, un détracteur ou une partie neutre.

L’IA, qui exploite le traitement du langage naturel, a été formée spécifiquement pour l’hôtellerie sur plus de 67 000 avis. GAIL s’exécute dans le cloud et utilise des algorithmes développés en interne, puis identifie les éléments clés qui suggèrent pourquoi les répondants au sondage ressentent ce qu’ils pensent de GWL. En septembre 2019, GWL a déclaré que GAIL pouvait prendre des décisions avec une précision de 95 %. GWL utilise l’analyse de texte traditionnelle sur le petit sous-ensemble d’informations que GAIL ne peut pas encore comprendre.

« Nous voulons mieux interagir avec les clients à tous les points », déclare Edward Malinowski, CIO de GWL.

L’équipe des opérations commerciales de GWL utilise les informations générées par GAIL pour affiner les services. L’entreprise étudie actuellement des chatbots qui répondent aux questions fréquemment posées par les clients sur les services GWL.

Les conseils de Malinowski : Évitez la technologie pour la technologie. Choisissez des outils qui trouvent le bon équilibre entre la technologie et l’utilité pratique, et qui sont alignés sur les objectifs de l’entreprise. « Vous devez faire attention à ce qui est fantaisiste et à ce qui est une solution à la recherche d’un problème », déclare Malinowski.

Aetna résout rapidement les réclamations avec la PNL

L’assureur maladie Aetna a créé l’application d’auto-adjudication des contrats de prestataires complexes pour automatiser le processus de lecture des notes sur le paiement, la franchise et les explications des frais supplémentaires dans chaque contrat, puis calculez le prix et mettez à jour la réclamation.

L’application associe le traitement du langage naturel et un logiciel de base de données spécial pour identifier les attributs de paiement et créer des données supplémentaires qui peuvent être lues automatiquement par les systèmes. Par conséquent, de nombreuses réclamations peuvent être résolues du jour au lendemain.

L’application a permis à Aetna de recentrer 50 membres du personnel de règlement des réclamations sur les contrats et les réclamations qui nécessitent une réflexion de plus haut niveau et une plus grande coordination entre les prestataires de soins.

« Il s’agit vraiment d’offrir une meilleure expérience aux utilisateurs finaux », déclare Claus Jensen, CTO d’Aetna, ajoutant que le logiciel aidera l’entreprise à être un meilleur partenaire dans l’écosystème de la santé pour les prestataires et les patients. « Nous devons faire plus que simplement payer les factures et répondre aux questions par téléphone. »

En juillet 2019, Aetna prévoyait des économies annuelles de 6 millions de dollars en coûts de traitement et de retravail à la suite de la demande.

Les conseils de Jensen : Affinez votre concentration et prenez votre temps. Dans un monde idéal, les entreprises mettraient en œuvre une IA qui s’attaquerait aux problèmes de bande étroite. Les solutions à grande échelle sont obscures et finiront par échouer, dit Jensen, ajoutant que si Aetna essayait d’appliquer l’IA générale à son entreprise, cela ne fonctionnerait pas. De plus, Aetna a passé plusieurs mois à instrumenter le processus, à codifier les règles et à tester l’application. Jensen dit que beaucoup de gens n’ont pas la patience de ralentir et de faire les choses correctement.