Mary Branscombe 陳琳華
目前的人工智能工具和服務不是為了替代員工,而是為了通過改進工作流程、加快搜索與發現速度、對協作進行微調來提高員工的工作效率。
雖然人們畏懼人工智能并認為它們可能是下一個威力巨大的“工作殺手”,但是目前許多可用的人工智能工具和服務都專注于提高企業生產力而不是替代員工。事實上,軟件公司ABBYY最近在英國進行的一項調查顯示,近三分之二的員工表示,他們很樂意將會議記錄和審查長篇文件等工作交給機器完成。
盡管專業的銷售人員已經開始在Salesforce和微軟Dynamics等服務中利用人工智能工具來提供更好的銷售預測,幫助他們鎖定潛在客戶以及完成交易,不過人工智能對很多普通的業務工作也很有幫助。從指導管理者展開更有效的互動,到建議發送電子郵件的最佳時間,再到從白板上令人費解的信息中提取有價值的信息,由人工智能驅動的工具正在提高各行各業的業務生產力。雖然未必需要建立一支自己的機器學習團隊,但是用戶需要考慮如何讓自己的企業為人工智能的到來做好充分準備。
搜索和發現更加智能
智能手機和消費級云存儲服務使用圖像識別來自動標記照片已經有一段時間了。目前SharePoint Online和OneDrive for Business等商業云存儲服務也已經開始采用這一方式。SharePoint負責產品標記的主管Dan Holme稱:“我們在SharePoint文檔庫中加入了大量的智能。當你上傳圖像時,人工智能會找出地理位置信息,識別對象并提取文本。如果你掃描或拍照的是餐館的票據,那么它們可以直接從文檔庫中為你的報銷單提取相關的費用信息?!?/p>
該公司在今年下半年還將推出新的功能,即通過Flow(Microsoft的低代碼工具,旨在創建工作流程)讓用戶在業務流程中更加便捷地使用信息。Holme說:“人工智能解鎖了這些照片的價值。如果將它們與Flow結合起來,那么你就能夠利用認知服務進行翻譯、轉錄或情緒分析?!崩纾绻掌@示的是汽車或是房屋,那么保險理陪員可通過照片展示損毀情況并將其自動發送給車險部門或是房屋保險團隊。你還可以告知SharePoint有關新的公司徽標信息,并使用條件格式設置突出顯示所有使用舊徽標的文檔。
在移動設備上,最新版本的Adobe Scan會使用圖像識別技術來識別拍攝名片的時間。隨后,它們會對名片的文本執行OCR(光學字符識別),并根據提取的信息創建新的聯系人,其中包括識別出電子郵件地址的正確格式。此外,它們還會自動調整以前掃描的圖像,清理陰影、銳化文本和糾正角度,以便更為準確地識別文本。微軟針對OneNote和OneDrive推出的Office鏡頭功能也可執行類似的糾正,但僅限于拍攝照片時。
盡管方便用戶查找合同、發票和常見文檔類型的自動識別與文檔標記技術沒有圖像識別技術那樣先進,但是Box公司承諾其Box Skills平臺(目前仍處于測試階段,含有圖像OCR和音頻轉錄功能)將實現這些功能。ABBYY的合同文本分析服務已經開始使用人工智能來檢測合同并識別諸如買方和賣方等實體的角色,從而使用戶更容易注意到自己需要遵守的承諾(如數據泄露通知或交付截止日期),方便評估風險或是檢查合同條款是否保持一致并符合合規指南。ABBYY英國及愛爾蘭的負責人Paul Goodenough表示,該服務還將與其他半結構化商業文件(如保險單和租約)協作。該工具還能夠突出關鍵的信息。對此,Goodenough表示:“用戶可通過精確定位業務流程的章節、條款和事實快速閱讀文檔”。
概括地說,Acrobat Document Cloud能夠自動識別上傳的PDF中的列表、表格、表單字段和圖形,以簡化搜索和表單填寫。微軟還探討了在未來版本的Azure信息保護服務中使用機器學習自動識別應被標記為機密的文檔。
與G Suite Drive中的快速訪問功能一樣,SharePoint移動應用程序和Office.com門戶也都使用人工智能對由同事推薦的文檔提出建議,這些文檔都是你可能需要了解的。與Delve這樣的單獨服務相比,將相關建議存放在找到這些文件的地方更為有用。Holme將這稱之為“個性化智能搜索體驗”。他們的目標是當用戶點擊搜索框時,用戶將會實時看到對自己可能有用的應用程序、文件和新網站的建議,用戶在無需鍵入任何內容的情況下即可找到自己需要的內容。
更智能的文件
人工智能功能還會讓創建文檔工作更加容易。最新版本的微軟Word 2016中的編輯器功能和新的谷歌Docs語法檢查功能都使用機器學習在單詞未被正確使用時提供相關建議。雖然這并不是一個新功能,但是由于能夠學習像商業名稱這樣的新詞匯,這使得它們不像那些老的基于規則的系統那樣脆弱。因為老的基于規則的系統無法跟上資訊的發展。
QuickStarter和PowerPoint Designer功能可以理解你的大綱,建議使用哪些幻燈片樣式,使用維基百科中的圖像填充幻燈片,并為文本和項目符號列表提供多種設計建議。Excel現在包含了最初只有Power BI才具備的Insights功能,它能夠自動實現數據集中異常值的可視化,從而讓用戶更容易發現數字的異常。
Power BI可讓用戶通過使用自然語言進行詢問如“上一季度我的最佳客戶是誰”或“今年哪個地區利潤最好”等問題展開進一步深入研究?,F在,Tableau與DataRobot的由機器學習創建的自動數據模型集成在了一起, 以用于對模式和相關性展開類似的可視化分析。
一些文檔(如簡歷)是結構化的,因此非常容易識別,而LinkedIn上則充斥著大量關于工作崗位和職位的細節性描述。Word的簡歷助手可以判斷文檔是不是簡歷并打開一個窗格,用戶可以在窗格中查看相同職位的人員在其公開的個人資料中列出的技能。LinkedIn的產品管理總監Kumaresh Pattabiraman稱:“由于許多人都有‘空白頁綜合癥,因此向用戶展示同一職位中的其他人是如何描述自己的工作經歷可以幫助他們開始動筆寫作?!?/p>
手寫識別如今正變得越來越有用,這在交互式白板中更為常見。例如,在Surface Hub或大型PC觸摸屏上運行的微軟Whiteboard應用程序使用Windows Smart Ink AI處理圖形和表格,識別列表、電話號碼和日期 (另一個應用程序Ink to Code可將用戶界面的草圖轉換為Visual Studio項目)。
微軟Whiteboard
Whiteboard還能夠理解用戶繪制的圖紙并使用它們搜索Bing圖像。谷歌的交互式白板Jamboard也有一個類似的支持人工智能的繪圖工具,名為AutoDraw,它可以查找與用戶在白板上繪制的草圖相匹配的圖像。這意味著,即使你不是藝術家,也可以隨意畫一張圖片并快速將它們替換為人們一眼能夠認出來的東西。
與此同時,由人工智能支持的語音識別才剛剛開始大展身手。對著智能手機說出想要搜索的簡短內容,這時手機上的麥克風會聽到用戶的聲音并構建非常語音配置文件,這可以做到非常準確。許多轉錄服務,如Trint、Simon Says、Speechmatics、Callnote、Otter等都將嘗試使用(通常由微軟、谷歌和IBM的語音識別云服務提供支持的)人工智能來轉錄錄音和視頻。幾乎所有的服務都可讓用戶跳出正常的工作流程,因為用戶不得不在網站上查看文稿,音頻質量、口音、多個語音樣本、背景噪音和用戶所在行業的詞匯都將影響轉錄的準確程度。一般來說,與將語音轉錄為完美的文字版相比,讓音頻具備可搜索性更加有用。
PowerPoint的Presentation Translator插件(可實時生成字幕和翻譯演示文稿)的一個優勢就是許多術語將在幻燈片或幻燈片注釋中顯示,因此它們可以執行自定義語音識別。由于這一功能需要大約5分鐘的訓練時間,因此需要在演示前的練習中提前打開它們。如果用戶佩戴的是耳麥,那么它們的表現會更加準確。
微軟的Azure Stream視頻服務與SharePoint和Teams集成在了一起,這意味著它們有很多內容可通過自定義詞典進行挖掘,從而提升視頻中的語音識別能力,以及為人臉檢測功能提供會議或演示中的人物細節信息。創建視頻文本后,用戶可通過搜索關鍵字或在SharePoint中選擇演示者的名稱在視頻中實現跳轉。
通過人工智能對工作進行微調
在這類可幫助提升個人生產力的工具中,許多并不需要IT團隊投入大量的精力。隨著自動文檔分類的廣泛應用,用戶需要了解如何將它們與自己在用的防數據泄漏和權限管理工具集成在一起。盡管如此,要想提升團隊的生產力可能還需要更多的正式流程和管理層的支持。
最近的研究顯示,許多在周日晚上發送電子郵件以準備下周工作的管理者(他們希望這些郵件在周一早上被閱讀)通常會強迫員工養成在非工作時間查看電子郵件的習慣。而那些不得不時刻留意信息的員工更有可能會抱怨壓力,失去重點甚至會感到精疲力盡。在某些國家或地區,在下班后處理工作電子郵件也會被視作加班。在愛爾蘭,法院判決被告公司需向一名不得不在非工作時間處理工作郵件的高管支付7500歐元加班費。在會議期間發送電子郵件是員工從管理者那里學到的另一個陋習。
Office 365中的MyAnalytics和Workplace Analytics功能使用了機器學習來分析微軟Graph中的電子郵件和會議模式。個人用戶每周都會收到電子郵件報告,這些報告會統計他們在會議上花了多長時間,在工作時間之外處理了多少電子郵件或加了多少班,以及閱讀了多少封電子郵件。管理者可以看到匯總后的統計情況,例如他們花在報告上的時間,員工是否應該在工作日結束后定期使用電子郵件,或是最成功的團隊的工作模式是什么等等。
用戶可以使用它們來查看問題行為并跟蹤這些問題行為是否得到了糾正。用戶還可以立即獲得有關工作方式的提示:當出現在深夜反復向同一個人發送消息的行為后,Outlook將會彈出一個工具提示,建議使用者安排在早上發送的郵件。
Hive項目管理服務中新增的預測分析儀表板同樣也使用了機器學習來顯示哪些團隊手中任務過于飽滿并且沒有充足的人手,以及團隊對項目時間的估計情況。 這些工具所展現出來的問題是人工智能所無法解決的,要想解決這些問題仍然需要人工介入。