你可能還沒有意識到，自然語言處理（NLP）對于企業來說已經不僅僅是一種新興的技術，它還是一種每天都在廣泛使用的技術。在線搜索、拼寫檢查——機會所有涉及語言的功能都包含自然語言處理算法。

自然語言處理算法會教導計算機像人一樣使用語言。如果你從一組文檔中手動搜索信息的話，你可以查看關鍵字，就像是搜索引擎一樣。這就是為什么機器翻譯——自然語言處理的雛形——以二戰中破譯技術為藍本。開發者希望機器翻譯可以把俄文翻譯為英文。結果慘不忍睹，但是編碼人員堅持這一點，一種新型的機器學習誕生了。由于一家公司如果不能翻譯的話就無法在國際市場上發展，所以自然語言處理是一項從一開始就有商業案例的技術。今天，自然語言處理就像通信本身一樣，是企業工作內容的一部分。

下面是新興的4個自然語言處理業務應用，如果你的企業正在考慮使用自然語言處理，可以從下面的應用著手。

1、神經機器翻譯

機器翻譯（MT）曾經是很可笑的，但是現在發展得還不錯。因為自然語言處理軟件以人類的方式學習語言，所以我們可以把機器翻譯視為幼兒階段。隨著時間的推移，越來越多的詞語被添加到引擎中，然后幼兒成長為滔滔不絕的少年。機器翻譯的質量本質上取決于你給的單詞數量，這需要花費一點的時間，這使得最初機器翻譯難以有所擴展。

所幸的是，對于那些不希望花時間等待引擎“長大”的企業來說，還有神經機器翻譯可以選擇。2016年微軟的Bing Translator率先發布了神經機器翻譯技術。Google Translate和Amaon Translate現在也提供各自的系統，與其競爭。在神經機器翻譯之前，機器翻譯引擎只能單向運行——比如把西班牙語轉換成英語。如果你想把英語翻譯成西班牙語的話，你就必須從一個不同的數據集重新開始。如果想添加第三種語言的話，那你就是瘋了。但是通過神經機器翻譯，工程師們可以交叉運用這些數據。這從根本上加速了開發，讓機器翻譯引擎從零到幾個月、幾年時間取得了驚人的發展。現在，企業可以安全地使用機器學習來翻譯影響較低的內容：例如產品評論、沒人閱讀的監管文檔、電子郵件。

但是需要注意的是：免費的機器翻譯工具——不管是神經的還是非神經的——都是具有一定數據安全風險的。Translate.com被指控的泄露事件使得員工密碼、合同、其他個人身份信息暴露在Google搜索結果中。機器翻譯本身是非常安全的——如果你使用Asia Online、Systran等定制專業工具的話。當你在在線免費工具中輸入內容的時候，你可要小心了。

2、聊天機器人

如果機器翻譯是最古老的自然語言處理例子之一的話，聊天機器人就是最新的例子了。機器人通過集成Slack、Skype和Microsoft Teams來簡化功能。當聊天機器人最早上線的時候，是面向消費者的。例如，如果你在Facebook Messenger中輸入“披薩”的話，Domino的機器人就會詢問你是否需要下單。像這樣的交互有助于推動B2C銷售，但是在B2B的世界中，沒有人希望購買提醒打斷他們在Slack中的交互。

所以在過去的一年中，初創公司已經將這項技術運用于其他領域：大多數企業機器人都在優化HR。首先，一款名為Talla的自然語言處理工具可以回答常見的員工問題，例如“我還剩多少假期？”以及“我的保險什么時候開始？”Chatbot Polly則可以發起員工投票，從工作環境滿意度到他們希望休息室里提供什么零食。還有Growbot，一款Slack和Teams機器人，會監控聊天以查看員工相互稱贊的頻率。當使用“贊”、“歡呼”、“贊成”這樣的詞語時，員工就會得到獎勵。聯合創始人兼首席執行官Jeremy Vandehey表示，這將有助于經理們改善員工留住率和員工士氣。

3、招聘工具

在HR方面，自然語言處理軟件一直在幫助招聘經理們篩選簡歷。使用和Google搜索同樣的技術，自動申請人篩選工具會掃描候選人的簡歷，找到具有所需工作背景的候選人。但是與早期機器翻譯技術一樣，這些平臺使用的篩選算法也有出現了很多錯誤。例如一位申請人把自己稱為“可以為業務增長集思廣益的人”，而不是“外部銷售代表”：她的建立并沒有出現在搜索結果中，這樣你的公司就會錯過一個有創意的、以客戶為驅動的候選人。

今天的系統不再是確切的關鍵字匹配。例如，Scout可通過搜索HR最初提供的關鍵字來處理同義詞問題，然后使用結果來識別要查找的新關鍵詞。通過搜索新的術語（例如“業務增長”），合格的候選人不會被漏掉。而且由于女性和少數民族使用不同語言，這個過程也確保了他們不會被漏掉。

當然，如果不適用的話，是不會考慮多樣化的候選人。為了解決這個問題，Textio誕生了。共同創始人和首席執行官Kieran Snyder表示，增強書寫工具使用語義分類（自然語言處理技術）來幫助照片人員制作不分性別的工作描述。Textio提供了從0到100的內容評分，提供了詞匯、語法和格式提示，如“添加更多項目符號”。運用這些更改以及客戶案例研究表明，你會看到申請人數量的急劇增加：Syyder表示，強生公司的女性申請人增加了9%，艾利丹尼森公司增長了60%，“Expedia發現，性別中立的工作崗位人員到位時間加快了3倍。”

4、會話搜索

與Talla一樣，Second Mind也希望能回答所有員工的問題。但這個工具不是機器人：它是一個語音激活平臺，會在公司會議上收聽“什么”和“我想知道”這樣的觸發性短語。當聽到這些內容的時候，Second Mind就會啟動搜索功能，回答你的問題。

例如，你正在參加董事機會會議，有人說：“去年的投資回報率是多少？”這時候Second Mind就會掃描公司的財務數據、或者其他任何他們詢問的內容，然后在會議室的屏幕上顯示結果。創始人Kul Singh表示，普通員工每天花費30%的時間搜索信息。通過簡化實時對話中的搜索，Second Mind承諾可提高生產力。

Talla共同創始人兼首席執行官Rob May表示：“據稱Wolfram、Semantic Machines、Nuance和微軟都在開展相關項目。”

責任編輯：ct