Estas cinco organizaciones están utilizando el Procesamiento de Lenguaje Natural (PNL) para brindar un mejor servicio a sus clientes, automatizar tareas repetitivas y optimizar las operaciones.

Los datos son ahora uno de los productos empresariales más valiosos. Según el informe State of the CIO 2022 de CIO.com, el 35% de los líderes de TI dice que los datos y el análisis empresarial impulsarán la mayor inversión en TI en su organización este año, y el 58% afirma que su participación en el análisis de datos aumentará durante el próximo año.

Si bien los datos vienen en muchas formas, quizás el grupo más grande de datos sin explotar consiste en texto. Patentes, especificaciones de productos, publicaciones académicas, estudios de mercado, noticias, sin mencionar las redes sociales, todos tienen texto como componente principal y el volumen de texto crece constantemente. Según el Estudio de análisis y datos de Foundry de 2022, el 36% de los líderes de TI considera que la gestión de estos datos no estructurados es uno de sus mayores desafíos. Es por eso que la firma de investigación Lux Research dice que las tecnologías de Procesamiento de Lenguaje Natural (NLP), y específicamente el modelado de temas, se están convirtiendo en una herramienta clave para desbloquear el valor de los datos.

La PNL es la rama de la Inteligencia Artificial (IA) que se ocupa de entrenar una computadora para comprender, procesar y generar lenguaje. Los motores de búsqueda, los servicios de traducción automática y los asistentes de voz funcionan con PNL. El modelado de temas, por ejemplo, es una técnica de PNL que divide una idea en subcategorías de conceptos comunes definidos por grupos 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. El modelado de temas también se puede utilizar 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 IA en los negocios, las organizaciones comienzan a recurrir a la PNL para desbloquear el valor de los datos no estructurados en documentos de texto y similares. La firma de investigación MarketsandMarkets pronostica que el mercado de NLP crecerá de 15.7 mil millones en 2022 a 49.4 mil millones para 2027, una tasa de crecimiento anual compuesta (CAGR) del 25.7% durante el período.

Aquí hay cinco ejemplos de cómo las organizaciones están utilizando el procesamiento del lenguaje natural para generar resultados comerciales.

Eli Lilly opera a escala global con PNL

La multinacional farmacéutica Eli Lilly está utilizando el procesamiento del lenguaje natural para ayudar a sus más de 30,000 empleados en todo el mundo a compartir información precisa y oportuna interna y externamente. La firma ha desarrollado Lilly Translate, una solución de TI de cosecha propia que utiliza NLP y aprendizaje profundo para generar traducción de contenido a través de una capa API validada.

Durante años, Lilly confió en proveedores externos de traducción humana para traducir todo, desde materiales de capacitación internos hasta comunicaciones técnicas y formales para agencias reguladoras. Ahora, el servicio Lilly Translate proporciona traducción en tiempo real de Word, Excel, PowerPoint y texto para usuarios y sistemas, manteniendo el formato del documento en su lugar. Los modelos de lenguaje de aprendizaje profundo capacitados con ciencias de la vida y contenido de Lilly ayudan a mejorar la precisión de la traducción, y Lilly está creando modelos de lenguaje refinados que reconocen la terminología específica de Lilly y el lenguaje técnico específico de la industria, al tiempo que mantienen el formato de la documentación regulada.

“Lilly Translate toca todas las áreas de la empresa, desde recursos humanos hasta servicios de auditoría corporativa, líneas directas de ética y cumplimiento, finanzas, ventas y marketing, asuntos regulatorios y muchos otros”, explica Timothy F. Coleman, vicepresidente y oficial de información para información y soluciones digitales en Eli Lilly and Co. “El ahorro de tiempo es considerable. Las traducciones ahora tardan segundos en lugar de semanas, lo que brinda a los recursos clave tiempo para concentrarse en otras actividades críticas para el negocio”.

El consejo de Coleman: apoye los proyectos apasionantes. Lilly Translate comenzó como un proyecto apasionante de un ingeniero de software curioso que tuvo una idea para abordar un punto débil de la cartera del sistema de asuntos regulatorios de Lilly: los socios comerciales experimentaban continuamente demoras y fricciones en los servicios de traducción. Coleman compartió la idea y la visión técnica con colegas y gerentes, obteniendo de inmediato el apoyo del proyecto del liderazgo de Eli Lilly Global Regulatory Affairs International, quien abogó por la inversión en la herramienta.

“[La idea] se combinó bien con la oportunidad de explorar y aprender tecnologías emergentes. Después se convirtió en una gran oportunidad que un ingeniero de software de Lilly aprovechó, inicialmente como una gran oportunidad de aprendizaje”, asevera.

Accenture analiza contratos usando PNL

Accenture está aprovechando el procesamiento del lenguaje natural para el análisis legal. El proyecto Accenture Legal Intelligent Contract Exploration (ALICE) 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, incluidas búsquedas de cláusulas contractuales.

ALICE utiliza “incrustación de palabras”, un método de PNL que facilita las comparaciones entre palabras basadas en la similitud semántica. El modelo revisa los documentos del contrato párrafo por párrafo, buscando palabras clave para determinar si el párrafo se relaciona con un tipo de cláusula de contrato en particular. Por ejemplo, palabras como “inundación”, “terremoto” o “desastre” suelen aparecer con la cláusula “fuerza mayor”.

“Los casos de uso han crecido a medida que continuamos usando esta capacidad y extendiéndola y mejorándola a medida que vemos oportunidades de valor adicionales”, asevera Mike Maresca, director general global de transformación de negocios digitales, operaciones y análisis empresarial de Accenture. “Estamos encontrando nuevas formas de obtener valor de los datos que tenemos”.

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

El consejo de Maresca: No tengas miedo de sumergirte en la PNL. “Si la innovación es parte de su cultura, no puede tener miedo al fracaso”, afirma Maresca. “Vamos a experimentar e iterar”.

NLP ayuda a Verizon a procesar las solicitudes de los clientes

El grupo Business Service Assurance de Verizon utiliza el procesamiento de lenguaje natural y el aprendizaje profundo para automatizar el procesamiento de los comentarios de las solicitudes de los clientes . El grupo recibe más de 100 000 solicitudes entrantes por mes que debían leerse y actuar individualmente hasta que Global Technology Solutions (GTS), el grupo de TI de Verizon, creó el trabajador digital habilitado para IA para la garantía del servicio.

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

“Al automatizar las respuestas a estas solicitudes, respondemos en cuestión de minutos en lugar de horas después de que se envió el correo electrónico”, refiriere Stefan Toth, director ejecutivo de ingeniería de sistemas para Global Technology Solutions (GTS) de Verizon Business Group.

En febrero de 2020, Verizon dijo que Digital Worker había ahorrado casi 10 000 horas laborales por mes desde el segundo trimestre del año anterior.

El consejo de Toth: busca el código abierto. “Mire a su alrededor y conéctese con sus socios comerciales y estoy seguro de que encontrará oportunidades”, sugiere Toth. “Mire el código abierto y experimente antes de hacer grandes compromisos financieros con una plataforma. Descubrimos que ahora hay mucho disponible en código abierto”.

Great Wolf Lodge rastrea el sentimiento del cliente con IA impulsada por NLP

El lexicógrafo de inteligencia artificial (GAIL) de la cadena de hospitales y entretenimiento Great Wolf Lodge analiza los comentarios en sus encuestas mensuales y determina si es probable que los escritores sean un promotor de la red, un detractor o una parte neutral.

La IA, que aprovecha el procesamiento del lenguaje natural, fue entrenada específicamente para hotelería en más de 67,000 reseñas. GAIL se ejecuta en la nube y utiliza algoritmos desarrollados internamente, luego identifica los elementos clave que sugieren por qué los encuestados se sienten de la forma en que se sienten acerca de GWL. A partir de septiembre de 2019, GWL dijo que GAIL puede tomar determinaciones con un 95% de precisión. GWL utiliza el análisis de texto tradicional en el pequeño subconjunto de información que GAIL aún no puede comprender.

“Queremos interactuar mejor con los huéspedes en todos los puntos”, sostuvo Edward Malinowski, CIO de GWL.

El equipo de operaciones comerciales de GWL utiliza los conocimientos generados por GAIL para ajustar los servicios. La compañía ahora está investigando chatbots que respondan las preguntas frecuentes de los huéspedes sobre los servicios de GWL.

El consejo de Malinowski: evite la tecnología por el bien de la tecnología. Elija herramientas que logren el equilibrio adecuado entre tecnología y utilidad práctica, y que estén alineadas con los objetivos comerciales. “Hay que tener cuidado con lo que es engañoso y lo que es una solución en busca de un problema”, dice Malinowski.

Aetna resuelve reclamos rápidamente con PNL

La aseguradora de salud Aetna ha creado la aplicación Auto-adjudicación de contratos de proveedores complejos para automatizar el proceso de lectura de notas sobre pagos, deducibles y explicaciones de tarifas extrañas en cada contrato, luego calcular el precio y actualizar el reclamo.

La aplicación combina procesamiento de lenguaje natural y software de base de datos especial para identificar atributos de pago y construir datos adicionales que los sistemas pueden leer automáticamente. Como resultado, muchas reclamaciones se pueden resolver de la noche a la mañana.

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

“Realmente se trata de brindar una mejor experiencia para los usuarios finales”, asegura Claus Jensen, CTO de Aetna, y agrega que el software ayudará a la compañía a ser un mejor socio en el ecosistema de atención médica para proveedores y pacientes. “Tenemos que hacer más que solo pagar las facturas y responder preguntas por teléfono”.

A partir de julio de 2019, Aetna proyectaba un ahorro anual de $6 millones en costos de procesamiento y reelaboración como resultado de la aplicación.

El consejo de Jensen: reduzca su enfoque y tómese su tiempo. En un mundo ideal, las empresas implementarían IA que aborde los problemas de banda estrecha. Las soluciones de base amplia son turbias y, en última instancia, fallarán, dice Jensen, y agrega que si Aetna intentara aplicar 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 muchas personas no tienen la paciencia para reducir la velocidad y hacer las cosas de la manera correcta.

Thor Olavsrud, CIO.com