Разумный поиск: как ИИ помогает быстро находить корпоративную информацию

Согласно данным IDC, 61% сотрудников использует в своей работе больше четырёх информационных систем – в некоторых случаях этот показатель может достигать 11 источников. Это могут быть внутренние порталы, системы для работы над проектами, корпоративные соцсети и мессенджеры. В результате только на поиск нужной информации у пользователя уходит в среднем 36% рабочего времени.

Решать проблему можно разными способами: например, при помощи унификации всех источников информации или "тренировки" дисциплины сотрудников – создания собственной системы для организации и хранения информации. Однако наиболее современной и удобной альтернативой становится внедрение корпоративного поиска. Менеджер по продукции Konica Minolta Business Solutions Russia Александр Гладкий рассказывает, как компаниям помогает корпоративный поиск и почему он может стать лучше вместе с искусственным интеллектом.

Зачем нужен корпоративный поиск?

Компания ABBYY провела внутреннее исследование среди своих офисных сотрудников, которое показало: 70% специалистов ищут информацию, чтобы создать новый контент. Это актуально, когда сотрудник, скажем, проводит анализ рынка и не знает, есть ли в компании готовые материалы по этой теме. Однако ещё почти треть респондентов при поиске информации точно знает, что необходимый документ уже существует. В таком случае, например, менеджер отдела продаж будет искать шаблон коммерческого предложения, чтобы заполнить его сведениями по сделке. А маркетолог – корпоративную презентацию, которую можно использовать для демонстрации своих идей клиенту.

Здесь и возникает ключевая проблема: корпоративные хранилища, как правило, организованы хаотично; а инструментов для полноценного поиска просто нет. Компании используют широкий спектр систем для общения и работы, усложняя свой информационный ландшафт. В итоге, по данным IDC, 72% сотрудников отмечают, что корпоративную информацию найти сложнее, чем просто информацию в интернете. И когда сотрудник не находит нужные файлы, он просто создаёт их заново – даже если они уже существуют.

Это приводит к тому, что специалист тратит больше своего рабочего времени – причём на рутинные задачи: создаёт и актуализирует шаблоны, стандартные формы. Например, HR-специалисту, который только пришёл в компанию, приходится заново собирать информацию о корпоративных мероприятиях; а штатный юрист с нуля составляет важный договор. Кроме того, информация дублируется, хранилища заполняются; искать файлы становится всё сложнее.

На помощь приходят системы корпоративного поиска, которые помогают находить нужную информацию в нужное время, вне зависимости от типа файла, хранилища и информационной системы. Такие решения позволяют организовать работу с документами и выстроить чёткую систему, правила которой должны соблюдать все сотрудники. Результатом становится простой обмен информацией как внутри компании, так и со всеми внешними контрагентами. Это было бы невозможно, если бы руководство просто попросило всех сотрудников более ответственно подходить к вопросам организации и хранения документов.

Технологии во главе всего

При этом эффективный корпоративный поиск не может ограничиваться полнотекстовым индексом, когда поисковая система просто "в лоб" ищет слова из пользовательского запроса. Этот вид поиска будет не таким релевантным, как семантический; всё потому, что данные хранятся в различных форматах – от неструктурированных сканов документов до структурированных баз телефонных номеров клиентов, выгруженных из CRM-систем. Оптимальное решение должно поддерживать все форматы. Ведь, например, поиск только по структурированным данным выдаст точные термины, но с пробелами в словарном запасе; а результаты, извлечённые из неструктурированных источников, будут иметь более широкий охват, но больше лишнего "шума".

Для лингвистического обогащения поисковых запросов, а значит, и получения более качественных результатов применяется семантический поиск. Именно в его основе и может лежать искусственный интеллект.

Как это работает? Значительная часть корпоративных знаний содержится в документах на естественных языках. Чаще всего предметом поиска становится не конкретный документ, а некоторые сведения – по такому же принципу работают и обычные поисковые системы, такие как "Яндекс" или Google. То есть пользователь обладает частью информации об объекте; а недостающие данные он хочет получить в результате поиска.

Здесь и вступает в работу искусственный интеллект. Он участвует в лингвистическом анализе поискового запроса и расширяет его за счёт использования синонимов, справочников, систематизации и классификации, а также онтомоделей.

Таким образом, "умный" поиск помогает находить более полную и релевантную информацию. Он сочетает в себе полнотекстовый поиск, в котором предоставляется единый доступ к контенту из нескольких систем через коннекторы, а также инструменты обработки естественного языка (NLP), машинного обучения и визуализации. Поиск проводится из единого интерфейса сразу по нескольким системам, при этом учитываются морфология и семантика, а также уровень доступа пользователей к документам.

Немного практики

В результате благодаря искусственному интеллекту пользователь системы может найти данные или даже целые документы, объединённые между собой различными связями – даже если он сам не подозревал, что файлы имеют какое-либо отношение друг к другу.

Приведём конкретный пример. Предположим, специалист проектного бюро разрабатывает обратный клапан типа "бабочка". Он знает, что несколько лет назад его коллеги уже работали над похожим проектом, и у компании есть наработки – но подробной информацией не располагает.

Сотрудник вбивает в поисковую строку системы самый логичный для этой ситуации поисковый запрос: "обратный клапан бабочка". Если поиск вёлся с помощью штатных средств операционной или информационной системы полнотекстовым способом, то результаты выдачи будут содержать только документы, в которых встречается такое словосочетание или отдельные слова в явном виде. Но в этом случае можно упустить много полезной информации: связанные с документом чертежи, описания, альбомы, заметки. А вот если в компании используется поиск на базе ИИ, информация не потеряется – ведь система позволяет построить связи между разнородными объектами. В результате специалист найдёт больше нужных данных и сможет эффективно использовать существующие наработки.

Больше, чем просто "умный" поиск

Однако сегодня элементы искусственного интеллекта присутствуют во многих программных решениях, где необходимо быстро анализировать и сопоставлять между собой большие массивы информации.

Один из близких к поиску примеров – решения для распознавания документов и извлечения данных. Они используются, когда документ только попадает из внешней среды в организацию. Машинное обучение здесь помогает обрабатывать естественный язык документа. Система умеет не только автоматически распознавать данные в бумажном или электронном виде, но и проверять их на корректность, классифицировать в соответствии с принятой в компании структурой документооборота. А уже после извлечения и классификации данные попадают в информационную систему, где их можно найти в том числе и при помощи корпоративного поиска.

В целом ИИ и машинное обучение развивают разные направления работы в офисе и находят применение в широком спектре сфер – от интеллектуального видеонаблюдения до RPA и виртуальных ассистентов. Однако во всех случаях они помогают достигать главной цели – делают работу сотрудников более простой, комфортной и интересной.