新型NLP推動香港智能自動化創新

2023-04-212023-04-28 benny

隨著OpenAI的ChatGPT和Bing Chat的出現，在不久的將來，每個香港人都擁有一個有直覺性、不斷自我調整的「私人助理」來處理日常工作。這正是由於人工智能的子領域–自然語言處理技術 (NLP) 的進步，使人與機器之間的雙向交流成為可能。

軟件機器人改變以往溝通方式

這些軟件機器人將完全改變以往透過電子郵件、電話和Whatsapp互動，以及與設備溝通的方式。你可以指導這些機器人完成特定的任務，例如發出指令：「Hi Ronald，通知保險客戶，我現在有點忙，明天再來找他們。」機器人會為你發出一個由Ronald 發送的電子郵件。

NLP模型正變得更加複雜。今年，先進通信挖掘技術 (Advanced Communications Mining) 將進一步發展，這將完全改變現有的NLP模型。目前，大約80%的企業資料是非結構化的，而且這些資料正以每年超過55%的速度增長。先進通信挖掘技術可以在此發揮優勢 ─ 提取非結構化資料，如電郵、電話、聊天和客服記錄 (service tickets) 等，並將其轉化為用於訓練NLP模型的資料。由此，這些模型可以創造無限的自動化機會。

NLP正在徹底改變工作流程

Precedence Research發表的報告預計，到2030年，NLP的年複合增長率為39%。隨著NLP的發展和改進，機器人可處理數以百萬計的電子郵件，並自動處理常見的問題和請求。這可能會改變大灣區乃至整個中國供應鏈管理的遊戲規則。

在當今高度數碼化的環境中，以每月或每週為週期訂立計劃將成為過去。相反，智能軟件機器人能夠為公司和客戶自動制訂更準確和有效率的計劃。此外，流程挖掘完成的速度將更快，準確性也更高，讓數據科學家能夠以更敏捷的方式簡化對營運流程的分析。

透過新型先進的NLP模型，機器人可以實現自動化測試，減少維護和創建新應用程式的時間。企業需要具備自我意識 (self-aware) 和自我調整 (self-adaptive) 功能的自動化測試平台，以支援完整的應用程式生命週期。許多科技巨頭如百度、華為和Apple都使用這些平台進行測試，以評估性能、安全性和相容性需求。

基於NLP的測試可以快速適應和使用測試平台，使用上非常方便。事實上，NLP使所有的測試用例更容易實現自動化並緊密結合，而不影響用戶的體驗。在人工智能的推動下，NLP的改進還可實現智能檔案處理 ─ 這幫助企業從日常文書工作中減省大量人手。機器人能夠「閱讀」和「理解」各種格式的檔案，無論是範本、手寫稿，甚至是歪斜的掃描都能夠進行處理。

改進的NLP模型還將徹底改變客戶支援和客戶體驗。

據統計，目前有95%的客戶服務團隊使用電子郵件與客戶溝通。通過增強的NLP模型，機器人

這將節省更多人手處理客戶投訴的時間，減省客戶支援人員的工作。先進NLP模型也將徹底改變通訊自動分類系統，加強客戶支援能力。每家企業都由員工對收到的電子郵件進行分類，分發到相關單位回應。在某些接收大量信息的渠道，例如共用郵箱和聊天室，機器人會對每條資訊進行自訂分類、劃分優先次序、提取資料，並轉發給適當的部門或負責人。

由此，員工可以騰出時間處理更多工作。Qualtrics報告顯示，在香港，不良的客戶體驗會為企業帶來6.5%的收入風險，相等於150億美元的消費支出。了解客戶的期望以及他們對品牌、產品和服務的評價是長期保留客戶的關鍵。有了先進的NLP模型，機器人能夠在用戶消費旅程的每個階段，從不同渠道大量收集客戶信息如消費意圖及意見等，這對訊息對營銷團隊和企業規劃非常重要!

人工智能和低代碼平台的進步

Gartner預測，低代碼及無代碼 (LCDC) 平台將被用於全球65%以上的應用開發，大部份由人工智能代碼助理，例如OpenAI的ChatGPT和Amazon Code Whisperer所推動。這些助理利用NLP模型，在數十億行的開放源碼上進行訓練。由於這些助理能夠理解人類 (英語) 和機器 (程式設計語言) 的語言，它們能夠建議如何編寫下一行代碼。

NLP的進步能夠提升客戶體驗並改善工作流程，但在普及應用和負責任使用的路途上仍然充滿挑戰。為了使NLP成為一種正面的應用，我們需要解決資料隱私問題，並制定保護方案，以更好地防止新的威脅和漏洞。此外，企業必須意識到人工智能演算法中可能存在的偏差，並努力減低這種風險。

結論：機器人幫我們完成工作的日子來臨

人工智能領域的創新將改變企業在中國和香港的運作方式。隨著企業對NLP技術的投資增加，對話式人工智能工具將變得「更具智慧」。客戶對與品牌快速互動的期望正不斷提高，品牌企業必須使用NLP模型來滿足這些期望。最近，OpenAI的ChatGPT的文書功能震驚世界，然而這僅僅是個開始。隨著NLP模型變得更加複雜，機器人幫助我們完成日常工作的日子並不遙遠。