Llegamos a ustedes gracias a:



Reportajes y análisis

El valor comercial del NLP: 5 historias de éxito

[25/05/2020] Los datos son ahora uno de los productos básicos más valiosos de la empresa. Según el informe State of the CIO 2020 de IDG, el 37% de los líderes de TI dicen que el análisis de datos será la mayor inversión en TI de su organización este año.

Mientras que los datos vienen en muchas formas, tal vez el mayor conjunto de datos sin explotar consiste en texto. Patentes, especificaciones de productos, publicaciones académicas, estudios de mercado, noticias, por no hablar de las fuentes sociales, todos tienen el texto como componente principal, y el volumen de texto está en constante crecimiento. Por eso la empresa de investigación Lux Research dice que las tecnologías de procesamiento del lenguaje natural (NLP, por sus siglas en inglés), y específicamente el modelado de temas, se está convirtiendo en una herramienta clave para desbloquear el valor de los datos.

NLP es la rama de la inteligencia artificial (IA) que se ocupa de entrenar a una computadora para que comprenda, procese y genere lenguaje. Los motores de búsqueda, los servicios de traducción automática y los asistentes de voz son todos impulsados por NLP. El modelado de temas, por ejemplo, es una técnica de NLP que desglosa una idea en subcategorías de conceptos comunes definidos por agrupaciones de palabras. Según Lux Research, el modelado de temas permite a las organizaciones asociar documentos con temas específicos, y luego extraer datos como la tendencia de crecimiento de un tema a lo largo del tiempo. La modelización de temas también puede utilizarse para establecer una "huella digital" para un documento determinado, y luego descubrir otros documentos con huellas digitales similares.

A medida que aumenta el interés por la inteligencia artificial en los negocios, las organizaciones están empezando a recurrir al NLP para desentrañar el valor de los datos no estructurados en los documentos de texto y similares. La empresa asesora Mordor Intelligence prevé que el mercado de NLP triplicará con creces sus ingresos de 6.940 millones de dólares en el 2019 para el 2025.

A continuación, se presentan cinco ejemplos de cómo las organizaciones están utilizando el procesamiento de lenguaje natural.

Accenture analiza los contratos usando NLP

Accenture está aprovechando el procesamiento del lenguaje natural para el análisis legal. El proyecto ALICE (Accenture Legal Intelligent Contract Exploration) de la compañía ayuda a la organización legal de la firma de servicios globales de 2.800 profesionales, a realizar búsquedas de texto en sus más de un millón de contratos, incluyendo búsquedas de cláusulas contractuales.

ALICE utiliza "word embedding", un método de NLP que facilita las comparaciones entre palabras basadas en la similitud semántica. El modelo recorre los documentos contractuales párrafo por párrafo, buscando palabras clave para determinar si el párrafo se refiere a un tipo de cláusula contractual en particular. Por ejemplo, palabras como "inundación", "terremoto" o "desastre" ocurren comúnmente con la cláusula "fuerza mayor".

"Los casos de uso han crecido a medida que continuamos utilizando esta capacidad, y la ampliamos y mejoramos a medida que vemos oportunidades de valor adicional", comenta Mike Maresca, director gerente global de transformación de negocios digitales, operaciones y análisis empresarial de Accenture. "Estamos encontrando nuevas formas de cosechar valor a partir de los datos que tenemos".

Accenture dice que el proyecto ha reducido significativamente la cantidad de tiempo que los abogados tienen que pasar manualmente leyendo documentos para obtener información específica.

El consejo de Maresca: No tenga miedo de sumergirse en NLP. "Si la innovación es parte de su cultura, no puede tener miedo de fracasar", anota Maresca. "Experimentemos e iteremos".

El NLP ayuda a Verizon a procesar las solicitudes de los clientes

El grupo de Garantía de Servicios Comerciales de Verizon está utilizando el procesamiento del lenguaje natural y el aprendizaje profundo para automatizar el procesamiento de los comentarios de las solicitudes de los clientes. El grupo recibe más de 100 mil solicitudes entrantes al mes que tenían que ser leídas y actuadas individualmente hasta que Global Technology Solutions (GTS), el grupo de TI de Verizon, creó el AI-Enabled Digital Worker for Service Assurance.

La solución integra técnicas de aprendizaje profundo basadas en la red con NLP para leer los boletos de reparación que se entregan principalmente a través del correo electrónico y el portal web de Verizon. Responde automáticamente a las solicitudes más comunes, como informar sobre el estado actual de los boletos o las actualizaciones del progreso de la reparación. Los problemas más complejos se envían a ingenieros humanos.

"Al automatizar las respuestas a estas solicitudes, respondemos en minutos en lugar de horas después de que se haya enviado el correo electrónico", anota Stefan Toth, director ejecutivo de ingeniería de sistemas del grupo empresarial Verizon Business Group's Global Technology Solutions (GTS).

En febrero del 2020, Verizon dijo que Digital Worker había ahorrado casi 10 mil horas de trabajo por mes desde el segundo trimestre del año anterior.

El consejo de Toth: Busque el código abierto. "Mire a su alrededor y conéctese con sus socios de negocios y estoy seguro de que encontrará oportunidades", señala Toth. "Mire el código abierto y experimente antes de hacer grandes compromisos financieros con una plataforma. Encontramos que hay mucho disponible ahora en el código abierto".

PSE&G recurre al asistente virtual para ayudar a los clientes a través de la voz

La empresa de servicios públicos de Nueva Jersey, Public Service Energy & Gas (PSE&G), ha adoptado la tecnología de asistente virtual y otros servicios digitales para permitir a los clientes gestionar sus cuentas de electricidad o gas mediante comandos de voz.

El asistente virtual de PSE&G aprovecha Amazon Alexa para ofrecer una interfaz de voz basada en el procesamiento de lenguaje natural. Fue construido usando el kit de habilidades Alexa proporcionado por Amazon.

"Estamos tratando de deshacernos de la percepción de que solo estamos aquí para mantener las luces encendidas, y para mostrar que estamos aquí para nuestros clientes", comenta Salvatore Orsino, desarrollador principal del proyecto en PSE&G.

Los clientes de PSE&G pueden acceder al asistente virtual a través de las tabletas Echo, Echo Dot, Kindle Fire y otros dispositivos que soportan a Alexa. Hasta julio del 2019, PSE&G dijo que los clientes habían hecho más de 10 mil solicitudes únicas, que iban desde la comprobación de los saldos de sus cuentas y las fechas de vencimiento hasta la comprobación de su uso de la energía, la búsqueda de consejos de ahorro de energía y el pago de sus facturas.

El consejo de Orsino: La gestión del cambio es esencial. Cuando Orsino comenzó con el proyecto, PSE&G no estaba bien versado en la construcción de nuevo software, y el personal no estaba inicialmente convencido de que el producto aportaría valor. "Una vez que nos lanzamos y la gente comprendió que Alexa es un canal legítimo de comunicación con nuestros clientes, y vieron el valor que aporta, todo el mundo se abrió y ahora están más dispuesto a hacer cambios para dar cabida a Alexa, así como a otras nuevas aplicaciones que estamos construyendo", señala Orsino.

Great Wolf Lodge rastrea el sentimiento de los clientes con la IA impulsada por NLP

El lexicógrafo de inteligencia artificial de Great Wolf Lodge (GAIL) examina los comentarios de sus encuestas mensuales, y determina si los escritores pueden ser promotores, detractores o neutrales.

La IA, que aprovecha el procesamiento del lenguaje natural, fue entrenada específicamente para la hospitalidad en más de 67 mil revisiones. GAIL funciona en la nube y utiliza algoritmos desarrollados internamente, luego identifica los elementos clave que sugieren por qué los encuestados se sienten de la misma manera que lo hacen con GWL. A partir de septiembre del 2019, GWL dijo que GAIL puede hacer determinaciones con un 95% de precisión. GWL utiliza análisis de texto tradicionales en el pequeño subconjunto de información que GAIL no puede entender todavía.

"Queremos involucrarnos mejor con los huéspedes en todos los puntos", señala Edward Malinowski, CIO de GWL.

El equipo de operaciones comerciales de GWL utiliza los conocimientos generados por la GAIL para ajustar los servicios. La empresa está buscando ahora en los chatbots que responden a las preguntas más frecuentes de los huéspedes sobre los servicios de GWL.

El consejo de Malinowski: Evita la tecnología por el bien de la tecnología. Elija herramientas que logren el equilibrio correcto entre la tecnología y la utilidad práctica -y que estén alineadas con los objetivos de la empresa. "Hay que tener cuidado con lo que es un truco y lo que es una solución en busca de un problema", anota Malinowski.

Aetna resuelve los reclamos rápidamente con NLP

La aseguradora médica Aetna ha creado la aplicación Auto-adjudication of Complex Provider Contracts para automatizar el proceso de lectura de notas sobre el pago, deducible y explicaciones de cargos extraños en cada contrato, luego calcula el precio y actualiza la reclamación.

La aplicación combina el procesamiento de lenguaje natural y un software especial de base de datos para identificar los atributos de pago, y construir datos adicionales que pueden ser leídos automáticamente por los sistemas. Como resultado, muchas reclamaciones pueden resolverse de un día para otro.

La aplicación ha permitido a Aetna reenfocar 50 funcionarios de adjudicación de reclamos, a contratos y reclamos que requieren un pensamiento de más alto nivel y más coordinación entre los proveedores de atención médica.

"Realmente se trata de proporcionar una mejor experiencia a los usuarios finales", comenta el CTO de Aetna, Claus Jensen, agregando que el software ayudará a la compañía a ser un mejor socio en el ecosistema del cuidado médico para los proveedores y pacientes. "Tenemos que hacer más que solo pagar las cuentas y responder preguntas por teléfono".

A partir de julio del 2019, Aetna proyectaba un ahorro anual de seis millones de dólares en costos de procesamiento y retrabajo como resultado de la aplicación.

El consejo de Jensen: Limite su enfoque y tómese su tiempo. En un mundo ideal, las compañías implementarían una IA que aborde los problemas de banda estrecha. Las soluciones de banda ancha son turbias y finalmente fallarán, señala Jensen, agregando que si Aetna tratara de aplicar la IA general a su negocio no funcionaría. Además, Aetna pasó varios meses instrumentando el proceso, codificando las reglas y probando la aplicación. Jensen dice que mucha gente no tiene la paciencia para ir más despacio y hacer las cosas de la forma correcta.