图灵汇官网

在过去18个月里，Arthur Coleman领导的Acxiom Research团队深入研究了自然语言处理（NLP）技术。其中最令人振奋的项目名为ABBY，她是Acxiom Research的第一位人工智能员工。

Coleman提出了两个关于NLP的核心观点：

首先，开源技术为NLP项目的开发提供了极大的便利。借助这些开源工具，只需一个小而专注的团队就能迅速创建出高效的NLP应用。这使得团队可以站在前人的成果之上，大大降低了开发门槛。

其次，即便有了强大的技术支撑，创建一个具备对话功能的前端NLP项目仍需远见和毅力。远见在于预见技术的潜力，并将其成功推销给内部的利益相关者；毅力则体现在需要大量前期投资，并且必须愿意学习面向消费者的营销技巧，处理用户已有的行为习惯。

后端NLP更易于实现，并提供直接的投资回报

基于NLP的改进不一定需要对话式的前端。后端驱动或语言分析项目往往能在较短时间内提供高效且具成本效益的NLP应用。这些项目通常由两三人的团队在几个月内完成。

在最近的一次Strata Conference上，Cloudera的机器学习总经理Hilary Mason分享了一个后端NLP的成功案例。Cloudera通过NLP技术降低了呼叫中心的成本，并提升了客户满意度。他们通过对呼叫中心记录电话的样本进行文本分析，寻找与特定问题和解决方案相关的语音模式。随后，他们将基于分析结果的预测模型部署到呼叫中心系统中，实现了自动推荐解决方案，从而减少了呼叫次数并提升了客户满意度。

会话NLP成本更高，需要更长期的规划

如果目标是让机器能够像人类一样流畅地与人交流，那么这将是一个更具挑战性和成本高昂的技术难题。这里所说的并非简单的聊天机器人，而是全功能的会话NLP（AI）。例如，Alexa这样的系统可以在多种场景下处理各种任务，适应多种回复形式，并能快速转换上下文。

目前已有多个开源平台，允许小团队在合理的时间框架内构建出基本的会话AI。像苹果、谷歌、微软和亚马逊等公司投入了大量资金，通过顶尖博士的努力，推动了NLP技术的发展。这些开源库能让一支3-4人的团队在大约一年时间内构建出一个基础平台，初期成本约50万美元。这个平台包括一些简单的应用，如查询天气或预订会议室，但不具备复杂的对话记忆功能。

我们认为，这个平台能在两年内带来正的投资回报。为了扩大应用范围，我们计划在未来两年内增加48个新应用，这将增加每个应用的成本。例如，自助服务应用可以节省IT人员的时间，计算显示，这样的投资回报率可达260%。

终端用户和开发者的采纳

成功的会话AI平台需要两个方面的采纳：终端用户和开发者。大多数终端用户采用新技术都会遇到困难，尤其是当他们习惯于现有工具时。对于开发者而言，他们往往缺乏对消费者采用曲线的经验，这导致许多前端NLP项目未能实现广泛应用。

我们通过ABBY项目克服了这一挑战，安排兼职产品营销人员负责内部采用的推广。此外，我们还培养了一批早期采用者，他们帮助传播新功能的消息。最终，整个团队都被动员起来，积极推广ABBY的能力。

尽管内部推广非常重要，但前端NLP的普及仍然需要时间。随着开发人员、人工智能和终端用户之间的互动，用户行为和AI能力都将逐步提升。因此，为开发人员提供一个NLP平台至关重要。通过团队会议、一对一会议和特别兴趣小组等方式，我们积极接触开发者，鼓励他们参与NLP项目。

效能与任务导向设计

投资NLP项目的目的是提高效率和生产力。如果用户使用AI对话反而变得更麻烦，那么项目将难以成功。当用户有根深蒂固的习惯时，这一点尤为重要。我们的通讯录项目就是一个很好的例子，用户很快适应了ABBY的帮助。然而，当用户尝试通过ABBY执行谷歌搜索时，却遭遇了负面反馈，因为用户认为这种方式不如直接在浏览器中操作方便。

杀手级应用

虽然对话AI在客户服务领域取得了进展，但要定义一个“杀手级应用”并不容易。通常，任务导向型用户更倾向于使用AI来完成具体目标。例如，计算机服务、在线购买复杂产品、数据分析等。在这些场景中，用户需要经过多次交互才能完成任务。

实际上，可能不存在单一的“杀手级应用”。每个部门可能有自己的“杀手级应用”，而开发人员将是发现这些需求的关键。

用户体验

用户体验是AI项目成败的关键因素之一。团队需要确保AI的交互界面友好且高效。对于终端用户来说，AI的第一印象非常重要。如果界面不完善或功能不全，用户很可能不会使用。因此，开发团队需要在发布前进行全面的训练和测试。

类似人类的界面，但不要过度拟人化

AI不需要像人类一样完美。它们应该专注于利用计算环境的优势。为了获得用户接纳，AI需要让用户感觉自然。这包括灵活的输入和响应、情感背景以及恰当地处理未知信息。

例如，ABBY被设计成能够理解不同语境下的相同含义，并且可以根据不同情绪状态给出不同的回答。她还学会了如何处理不尊重的语言，如果用户继续侮辱她，她会通知人力资源部门。

以任务为导向

用户通常不愿意与AI闲聊，除非是为了初次体验。他们更希望通过AI完成具体任务。因此，设计应专注于提高任务完成效率。避免使用复杂的代码或长字符串，尽量使用简洁明了的语言。

例如，ABBY在移动设备上预订会议室只需输入“预订房间”，她会找到一个从现在到半小时后开放的房间。这为用户提供了高效的任务导向体验。

无处不在的设计

AI需要随时随地可用。Slack、浏览器插件等平台都是很好的起点。此外，AI还可以嵌入到自动登记系统、会议室外的平板电脑等环境中，甚至被动地存在于会议应用中。

记忆在AI中的重要性

记忆是人类智慧的关键特征之一。AI也需要具备记忆能力，以便更好地理解和回应用户。这不仅有助于提高交互效率，还能促进更精准的预测和个性化服务。

总之，NLP和AI将成为企业不可或缺的技术。忽视它们的企业将面临风险。未来，我们将看到更多基于NLP的应用程序和接口，以简化和加速业务流程，同时提升客户满意度。