软装设计师年终总结,seo5,企业做网站etp和源程序,go做的网站“我们找了8位专业律师#xff0c;和我们的AI机器人做了一个对比#xff0c;我们的召回率与8位律师相当#xff0c;但我们的准确率更高些”。
在不久前刚结束的杭州云栖大会上#xff0c;来自阿里巴巴信息平台事业部的资深算法专家李波#xff0c;正在向观众展示阿里巴巴…“我们找了8位专业律师和我们的AI机器人做了一个对比我们的召回率与8位律师相当但我们的准确率更高些”。
在不久前刚结束的杭州云栖大会上来自阿里巴巴信息平台事业部的资深算法专家李波正在向观众展示阿里巴巴的自动文书审核系统。目前这套系统在自动识别的准确度上已经达到98%以上并在阿里内部法务场景中实践。
实际上除了自动文书审核系统人工智能在阿里巴巴智能HR、智能法务等多个领域已经得到广泛应用。
究竟阿里巴巴是如何通过AI等技术手段赋能组织让企业顺利完成数字化转型的在22日云栖大会的企业应用专场论坛上李波为大家解开了阿里企业智慧大脑的神秘面纱。 关于“企业大脑”目前比较完整的一个表述由浪潮集团在2018年3月的全国两会上提出即它是基于人工智能、大数据等新IT技术的融合而构建的企业智能化开放创新平台辅助智能决择和业务自动化驱动业务系统智能化实现个性化、定制化、精细化的企业生产和服务。
“业务上云、数据整合、应用创新”是打造企业智慧大脑的三个步骤。结合阿里巴巴信息平台的实际经验李波认为可以从下述三点最佳实践中着手
1、打破信息孤岛。
这里的“信息孤岛”主要针对企业内部的数据不互通。造成原因一是业务发展的不均衡以及技术系统发展的先后关系造成两个系统在描述同一个业务概念的时候使用了不同的数据模型导致数据无法打通。二是大量的数据还存在于线下比如纸质文件法律文书、报销票据以及用户行为如会议室是否正在被使用等。此时需要运用NLPCV等AI技术结合相对低成本的Iot设备来打破信息孤岛帮助我们提升效率。
2、深度融入应用。
以行业AI的方式将AI融入应用。传统行业的组织内部运作已经较为成熟但是有大量的人工工作效率较低且容易出错。AI的介入能够更好提升运营效率。
3、C2B迁移。
即C类成功的AI经验迁移到B类应用中。李波认为虽然C类与B类应用存在差异但一些好的C类经验与技术实践能帮助B类场景中, 有效地缩短企业智慧大脑的构建路径。而这可以是未来5-10年建设企业智慧大脑的重点探索方向。
结合这三点最佳实践阿里巴巴在智慧HR、智慧法务领域都已取得到一些成功尝试
智能晋升辅助——AI减少人工主观偏差
在HR的晋升场景中如果一个有一定规模的团队要去考虑人员晋升通常会遇到如下两个问题1、有哪些候选人有晋升潜力。2、不同候选人谁更符合晋升标准。
以往主要是由主管与HR来给出答案但这中间会存在不可避免的人工偏差。如果用AI提供辅助决策就可能尽量减少人工带来的主观偏差。 基于阿里巴巴集团内部数据从绩效和潜力、沉淀和分享、质量和产出、投入和效率这四个维度阿里巴巴构建了一个客观的指标体系并在这一体系中搭建机器学习模型能对晋升做出辅助预判。
比如某位候选人他与晋升标准、与以往的晋升案例对比他的晋升概率会有多少以此来帮助主管或HR做决断。
目前智能晋升辅助系统的AI决策主要作用在提名和评审阶段。针对初级和中级职位智能晋升辅助系统已经达到98%的预测准确率。并且能够覆盖40%的潜在晋升人群。对于阿里巴巴这样一个大的集团而言这个数字对于企业效率的提升已经起到相当大的作用。
面试官评价模型——AI提升效率深入洞见
此外阿里巴巴还为HR晋升工作创建了面试官评价模型。
面试官的面试技能和成熟度直接决定了招聘的效率和效果。但不同于晋升辅助模型面试官模型缺乏客观的历史数据。
对此构建面试官评价模式时需要选择用主动学习的方式将人工建模与机器建模结合。 在人工建模阶段深入引入专家经验人工生成指向性规则指标。再通过对样本的人工标注结果去反推数据进行调整直到生成最终的面试官评价。
有了人工标注的数据后再进入到机器建模阶段。在机器建模中不仅能得到自动模型还能从数据里挖掘特征如符合哪些特征的面试官他有哪些倾向性。这些数据特征再反过来辅助人工建模与标注。
通过Active Learing这一面试官评价模型在对面试官评价的准确度上能保持在90%以上并且覆盖20%的面试官。虽然20%的覆盖数字本身可能不大但它已经足够支撑招聘团队去针对面试官做出面试技能培训、复盘跟进等相应运营调整。
智能花名——AI催化有温度的组织文化
花名是阿里巴巴独特的文化也是阿里这个有温度的组织文化体现。但由于每个员工花名的独一性即使离职员工花名也会得到保留所以新同学入职后发现取花名很难。 于是在新人取花名的场景中AI提供了这样一个功能——智能花名。它可以随机推荐花名也可以指定关键词去检索花名甚至还可以基于描述、释义偏好来取名。例如你希望花名中含有“在前面开路引导的人”的意义智能花名系统就会推荐“先驱”、“先锋”、“开拓”等花名给你。智能花名系统上线以来员工采纳率达到60%以上。
上述三个AI系统主要运用在HR领域。在法务领域阿里巴巴也通过AI手段来处理部分日常工作。
自动文书审核——AI将重复繁冗的业务环节自动化
自动文书协议审核就是开头提到与8名专业律师PK的AI机器人。它能自动审核协议中存在的潜在风险并给出建议。能进一步降低平台风险。目前自动文书协议审核的识别准确率在98%左右能检测出85%的违规内容。 除了协议审核外AI还能帮助进行合同形式的审核。包括合同文本内容一致性审核、合同金额正确性检查如大写金额和小写金额是否一致、条款完备性检查以及序号、错别字检查等。这些都是在日常工作中能够极大帮助法务人员从日常大量繁琐工作中解放出来专注到更有创造性的工作中去。
智能文书录入——AI让线上线下的信息无缝对接
大量法律文书无论是合同文书诉状还是证据等主要以纸质形式存在。怎样把纸质文件快速录入到系统中是提升整个工作效率最关键的一环。
智能文书录入就为这一法务场景提供解决办法。它不仅能将线下文本自动转化到线上更能自动提取录入关键信息。 纸质文件在完成扫描后通过OCR识别出文本内容同时通过成熟的NLP技术对文本进行分析与信息抽取提取出一些关键字段例如甲方乙方等。同时系统还能对条款进行些分类比如条款属于哪些类型又有哪些条款需要重点关注。目前文书抽取的准确率达到98%条款分类的准确率在94%左右。
这些智能录入的文书信息后续无论是做搜索的应用还是BI统计应用都非常有用。
智能合同搜索——AI让合同搜索更快速、准确和安全
法务同学在日常工作中的合同检索量较大在这一场景中智能合同搜索功能能做到毫秒级别的检索性能和检索响应确保时效性。 此外合同检索对安全性和保密性要求极高这套系统在开发和部署阶段实现了一整套密态检索功能能有效保障数据的安全性。
目前针对法律文书的特点系统还实现了定制化检索和排序的流程使得整体检索相关度在90%以上。
企业智慧大脑还是比较新兴的一个领域未来阿里巴巴也将不断深化AI应用实现企业的数字化转型。
原文链接 本文为云栖社区原创内容未经允许不得转载。
