• Skip to primary navigation
  • Skip to main content

Stratis

Stratis

  • hu
  • Rólunk
  • Kulcsemberek
  • Szolgáltatások
    • Vezetési tanácsadás
    • IT menedzsment
    • Információ- és adatmenedzsment
    • Komplex, üzletileg kritikus projektek szakmai menedzsmentje
  • Adatvezérelt megoldások
    • Ipari megoldások
    • A.N.I.T.A.
    • Anomália felderítés
  • Referenciák
  • Karrier
    • Pozíciók
    • Kiválasztási folyamat
  • Blog
  • Kapcsolat

Természetes nyelv feldolgozás (Natural Language Processing, NLP) és erre épülő tudásmenedzsment

A mesterséges intelligencia alkalmazások piacának jelentős szeletét hasítja ki napjainkban az NLP. Gondoljunk csak a helyesírás ellenőrzőkre, az automatikus válasz generáló segédeszközökre, vagy akár a fordítóprogramokra. Ezek azok a felhasználási területek, amikkel mindenki találkozik nap, mint nap.

AZ NLP felhasználási lehetőségei azonban ennél sokkal szerte ágazóbbak, és sokkal komplexebb feladatok megoldására is alkalmas. 2022-ben már ezekre a feladatokra úgynevezett nagy nyelvi modellek (Large Language Models, LLMs) állnak rendelkezésre, melyek hatalmas mennyiségű, több milliárd oldalnyi szöveges dokumentumból elsajátítják az egyes nyelvek általános szerkezetét és azt szemantikailag értelmezik, mondhatni megtanulják. Ezekre az általános modellekre építhetők feladat specifikus almodellek, melyek egy-egy konkrét problémára nyújtanak automatizált megoldást gépi tanulás segítségével.

Manapság az NLP legnépszerűbb felhasználási területei a keresőmotorok, a chatbotok, a dokumentum kezelő rendszerek, vagy akár az intelligens, szöveg alapú email feldolgozó megoldások. A keresőmotorok alatt nem csak a Google keresőszolgáltatását érthetjük. A fenti megoldások alkalmazásával a vállalatok létrehozhatnak egyedi alkalmazásokat a belső, zárt dokumentumkezelő rendszerükben való kereséshez is. Emellett lehetőség van arra is, hogy gépi tanulás alapú megoldásokkal a vállalathoz beérkező, illetve ott létrehozott dokumentumokat is automatikusan ellássák tartalom alapú metaadatokkal, mint pl. a releváns keresőkifejezések, vagy nevesített entitások, mint a személynevek, címek, ügyfélszámok. Ezeket az adatokat egy entitáskinyerő modell automatikusan felismeri a szövegben, és letárolja a dokumentum egyéb metaadataival együtt.

Felhasználási lehetőségek

Képzeljünk el egy rendszert, amely a beérkező e-maileket feldolgozza, kinyeri belőlük a neveket, ügyfélszámokat, szerződésszámokat, összegeket, dátumokat stb. majd ezek alapján a CRM rendszerben a megfelelő ügyfélhez társítja azt az így kinyert információk, azonosítók alapján. Ezzel a megoldással a vállalat által tárolt korábbi dokumentumok és az újonnan beérkező fájlok is egységesen kezelhetőek, kereshetőek, és később könnyen elérhetőek. Egy ilyen szoftver bevezetése meggyorsítja az ügyintézést az adminisztrációs munkatársak részére, emellett a cégben rendelkező tudás is jobban kiaknázhatóvá válik.

Ezen felül egy ilyen megoldás rengeteg monoton ügyintézési lépést tud automatizálni azáltal, hogy beazonosítja a beérkező dokumentumok nyelvét, az ismeretlen nyelvű üzeneteket automatikusan külön gyűjti, illetve akár vissza is jelez rögtön a feladónak, hogy a feldolgozás több időt vehet igénybe. Vagy gondoljunk bele abba, hogy a beérkező iratokat prioritás szerint sorba rendezi, így az ügyintézők fontossági sorrendben tudják feldolgozni a dokumentumokat, ha a cégvezető aláírása szükséges valamihez, azt automatikusan felismeri a rendszer és ezt jelzi a vezető felé, ezzel időt és energiát takarítva meg.

Mi szükséges a bevezetéshez?

A fent felvázolt szoftver egyes komponensei külön-külön is felhasználhatóak, vagy akár egy komplett ökoszisztémaként is segíthetik a vállalat adminisztrációs feladatainak ellátását. A megoldás bevezetéséhez mindösszesen arra van szükség, hogy a vállalat felmérje, mely szoftverkomponensekre van leginkább szüksége a munkamenet megkönnyítéséhez, majd a meglévő dokumentumait egy helyre gyűjtse, ahonnan a szoftver képes azokat feldolgozni, legyenek azok akár email-ek, word, pdf dokumentumok, vagy szkennelt képek. A bevezetés után az ügyintézők folyamatosan nyomon követhetik és ellenőrizhetik a szoftver hatékonyságát, és a megoldást finomhangolhatják a visszajelzések alapján.

Kapcsolat

Rólunk

  • Cégismertető
  • Kulcsemberek
  • Adatvédelmi tájékoztató

Szolgáltatások

  • IT menedzsment
  • Információ és adatmenedzsment
  • Komplex, üzletileg kritikus projektek szakmai menedzsmentje
  • Vezetési tanácsadás

Iparág / Referenciák

  • Bankok
  • Biztosítók
  • Egészségügy
  • Közigazgatás
  • Távközlés

Karrier

  • Pályakezdők, frissdiplomások
  • Tapasztalt szakemberek
  • Kiválasztási folyamat

Közbeszerzés

  • Közbeszerzési projektek
Széchenyi Terv 2020

Stratis Vezetői és Informatikai Tanácsadó Kft. - Minden jog fenntartva.
1037 Budapest, Szépvölgyi út 139. Tel: +36-1-454-1900 Fax: +36-1-454-1901 Email: info@stratis.hu

We use cookies on our website to give you the most relevant experience by remembering your preferences and repeat visits. By clicking “Accept”, you consent to the use of ALL the cookies.
Cookie settingsACCEPT
Manage consent

Privacy Overview

This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may affect your browsing experience.
Necessary
Always Enabled
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Non-necessary
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.
SAVE & ACCEPT