כמות הדאטה בארגונים עולה בקצב אקספוננציאלי ומקשה לעשות סדר במידע ולחלץ ממנו תובנות עסקיות חשובות ואפילו קריטיות. בעידן בו כל תקשורת של הארגון עם לקוחותיו ושותפיו העסקיים זוכה לתיעוד טקסטואלי - ממסמכים ומיילים, דרך הודעות ווטסאפ ועד הקלטת שיחות במוקדי השירות והמכירות - ריכוז כל המידע הארגוני, מיונו והבנת משמעותו מהווים אתגר רציני. תקופת הקורונה הביאה עימה צורך אקוטי לייעול ההתנהלות הארגונית ולקיצור תהליכים וגרמה למנהלים רבים להסתכל ולחשוב בצורה אסטרטגית על נושא אנליטיקת המידע. תובנה אליה הגיעו רבים היא שכמות המידע העצומה לא מאפשרת אנליטיקה הנעשית בצורה ידנית. כששירות לקוחות מטפל באלפי לקוחות ביום, גם אם כל השיחות מוקלטות - תמלולן, מיונן והסקת תובנות מהן על-ידי עובדים בשר ודם היא משימה בלתי אפשרית.
וכמו משימות בלתי אפשריות רבות בעידן הדיגיטלי, גם כאן נכנסות לפעולה שתי טכנולוגיות השלובות יחדיו: אינטליגנציה מלאכותית (AI) ולמידת מכונה (ML). כשאלו משתלבות עם ארכיטקטורת המחשוב הפופולרית כיום - ענן המחשוב - אז כבר יש כלים שיכולים לתת מענה יעיל לצורך העסקי. חברת BIyond מפתחת עבור לקוחותיה פתרונות המותאמים בדיוק לצרכיהם. פתרונות אלו מסוגלים לעבד את כל הררי המידע של הלקוח ולייצר מהם תובנות ומסקנות. פתרונות הענן הגמישים והאפקטיביים של BIyond מאפשרים לסרוק כמויות גדולות מאוד של מידע רלוונטי - בין אם מדובר במסמכים סרוקים, תכתובות בקבצי טקסט או שיחות מתומללות ולייצר מכך תובנות בעלות ערך עסקי.
"ה-NLP, עיבוד שפה טבעי, היא טכנולוגיה מתקדמת מאוד בניתוח טקסטים", אומר אדר שומרון, מנכ"ל BIyond. "היתרון הגדול שלה הוא לא רק הבנת הטקסט, אלא גם הבנת הקשרו ומשמעותו העסקית. אם מתמללים, למשל, שיחת שירות לקוחות עם לקוחה בת 16 - סביר להניח שהיא תדבר בצורה שונה מלקוח בן 70. אולי היא תשתמש בסלנג ובדיבור רחוב שהוא פחות מילוני. ה-NLP יודע ללמוד גם את הדיבור הזה ולפענח אותו. בעולם כבר עושים שימוש רב בטכנולוגיה הזאת לצרכים הללו, אבל בישראל האתגר גדול יותר מכיוון שמדובר בעברית, שהיא שפה מורכבת יותר מאנגלית. היכולות של BIyond, אותם אנו מציעים ללקוחות, יודעים לתת לכך מענה".
אילו תובנות ניתן לחלץ מטקסטים בעזרתכם?
"את מידת שביעות הרצון של הלקוחות, למשל. הטכנולוגיה יודעת לזהות אם סנטימנט הלקוח הוא חיובי או שלילי. כמובן שתחושתו כלפי החברה משפיעה מהותית על רצונו לקנות ממנה עוד מוצרים ושירותים. זה רלוונטי מאוד עבור חברות סלולר, למשל, שבשנים האחרונות חוו פגיעה בהכנסות ולכן שואפות למכור כמה שיותר מוצרים ושירותים משלימים מעבר למנוי הבסיסי. אחת מחברות הסלולר הגדולות ביקשה מאיתנו לנתח תמלול שיחות של מוקד השירות הטלפוני ושל פעילות הצ'אט-בוטים שהיא מפעילה, במטרה לראות מה מעניין את הלקוחות ואילו הצעות ערך ניתן להציע להם. באחת מחברות הביטוח התחלנו תהליך של ניתוח טקסטים במסמכים בתחום התביעות, במטרה לקצר את משך הטיפול בתביעה ולקבל החלטות אובייקטיביות יותר. היום התהליכים האלו ידניים, מאוד איטיים ובסופו של דבר גם סובייקטיביים, כלומר מותנים בהסתכלות הספציפית של הפקיד שמטפל בתביעה. כשממכנים את התהליך באמצעות למידת מכונה - ניתן גם לקצר אותו, גם לחסוך עבודה ידנית וגם להפחית בטעויות אנוש. לכל חברה שבמערכותיה הפנימיות או החיצוניות יש דאטה טקסטואלי, כתוב או מוקלט - יש את הפוטנציאל לנצל את הטכנולוגיה הזאת לשיפור ולצמיחה".
