【杭州云栖·飞天技术汇企业应用专场】传统企业装上“智慧大脑” 看阿里巴巴如何实践AI赋能

本文主要是介绍【杭州云栖·飞天技术汇企业应用专场】传统企业装上“智慧大脑” 看阿里巴巴如何实践AI赋能,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

“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。

 

345ee2267f8725035d66b2207aab17ec07ac55af

 

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NLP,CV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。

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。

 

6a7ebd069cc39864fa8c01e34ef1d06b7b21b119

 

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。

 

186841246aedb50fe39715de9ba50b85762191f7

 

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。

 

82a8f531a429dbab28b899c063211a8992d2d4ab

 

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。

 

cdc0e832555de1c2d317caafe8df75cf34966572

 

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。

 

119c42a8d1f9f33254fce3e1591c361ac0e865d0

 

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。

 

b2ca2b29ec27dec9a995495ef97eb2c800db6d73

 

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。

这篇关于【杭州云栖·飞天技术汇企业应用专场】传统企业装上“智慧大脑” 看阿里巴巴如何实践AI赋能的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/581661

相关文章

Spring Boot 配置文件之类型、加载顺序与最佳实践记录

《SpringBoot配置文件之类型、加载顺序与最佳实践记录》SpringBoot的配置文件是灵活且强大的工具,通过合理的配置管理,可以让应用开发和部署更加高效,无论是简单的属性配置,还是复杂... 目录Spring Boot 配置文件详解一、Spring Boot 配置文件类型1.1 applicatio

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

tomcat多实例部署的项目实践

《tomcat多实例部署的项目实践》Tomcat多实例是指在一台设备上运行多个Tomcat服务,这些Tomcat相互独立,本文主要介绍了tomcat多实例部署的项目实践,具有一定的参考价值,感兴趣的可... 目录1.创建项目目录,测试文China编程件2js.创建实例的安装目录3.准备实例的配置文件4.编辑实例的

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

springboot集成Deepseek4j的项目实践

《springboot集成Deepseek4j的项目实践》本文主要介绍了springboot集成Deepseek4j的项目实践,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价... 目录Deepseek4j快速开始Maven 依js赖基础配置基础使用示例1. 流式返回示例2. 进阶

Android App安装列表获取方法(实践方案)

《AndroidApp安装列表获取方法(实践方案)》文章介绍了Android11及以上版本获取应用列表的方案调整,包括权限配置、白名单配置和action配置三种方式,并提供了相应的Java和Kotl... 目录前言实现方案         方案概述一、 androidManifest 三种配置方式

Spring Boot中定时任务Cron表达式的终极指南最佳实践记录

《SpringBoot中定时任务Cron表达式的终极指南最佳实践记录》本文详细介绍了SpringBoot中定时任务的实现方法,特别是Cron表达式的使用技巧和高级用法,从基础语法到复杂场景,从快速启... 目录一、Cron表达式基础1.1 Cron表达式结构1.2 核心语法规则二、Spring Boot中定