- Primeros pasos
- Información general de Communications Mining™
- Cómo pueden las empresas utilizar Communications Mining™
- Primeros pasos con Communications Mining™
- Equilibrio
- Clústeres
- Deriva del concepto
- Cobertura
- Conjuntos de datos
- Campos generales (anteriormente entidades)
- Etiquetas (predicciones, niveles de confianza, jerarquía, etc.)
- Modelos
- Transmisiones
- Clasificación del modelo
- Proyectos
- Precisión
- Recordar
- Mensajes revisados y no revisados
- Fuentes
- Taxonomías
- Formación
- Predicciones positivas y negativas verdaderas y falsas
- Validación
- Mensajes
- Administración
- Gestionar fuentes y conjuntos de datos
- Comprender la estructura de datos y los permisos
- Crear un origen de datos en la GUI
- Cargar un archivo CSV en un origen
- Crear un nuevo conjunto de datos
- Fuentes y conjuntos de datos multilingües
- Habilitar sentimiento en un conjunto de datos
- Modificar la configuración de un conjunto de datos
- Eliminar mensajes a través de la IU
- Eliminar un conjunto de datos
- Eliminar una fuente
- Exportar un conjunto de datos
- Uso de integraciones de Exchange
- Preparando datos para cargar archivos .CSV
- Entrenamiento y mantenimiento de modelos
- Comprender las etiquetas, los campos generales y los metadatos
- Jerarquía de etiquetas y mejores prácticas
- Definición de los objetivos de taxonomía
- Casos de uso de análisis frente a automatización
- Convertir tus objetivos en etiquetas
- Crear tu estructura de taxonomía
- Mejores prácticas de diseño de taxonomía
- Importar tu taxonomía
- Descripción general del proceso de entrenamiento del modelo
- Anotación generativa (NUEVO)
- Estado de Dastaset
- Entrenamiento de modelos y mejores prácticas de anotación
- Entrenamiento con análisis de sentimiento de etiqueta habilitado
- Entrenamiento
- Introducción a Refinar
- Explicación de la precisión y la recuperación
- Precisión y recuperación
- ¿Cómo funciona la validación?
- Comprender y mejorar el rendimiento del modelo
- ¿Por qué una etiqueta puede tener una precisión media baja?
- Entrenamiento utilizando la etiqueta Comprobar y la etiqueta Perdida
- Entrenamiento mediante la etiqueta de aprendizaje (refinar)
- Entrenamiento mediante Buscar (Refinar)
- Comprender y aumentar la cobertura
- Mejorar el equilibrio y utilizar Reequilibrar
- Cuándo dejar de entrenar tu modelo
- Uso de campos generales
- Extracción generativa
- Uso de análisis y supervisión
- Minería de automatizaciones y comunicaciones
- Información de licencia
- Preguntas frecuentes y más
Información general de Communications Mining™
El procesamiento del lenguaje natural (NLP) es un campo del aprendizaje automático centrado en la creación de herramientas que pueden comprender y procesar automáticamente los datos del lenguaje natural de forma similar a como lo hacen los humanos.
Un enfoque clave de las herramientas de PNL es tomar datos de comunicaciones no estructurados y convertirlos en datos estructurados procesables, al comprender las intenciones, temas y conceptos dentro, y extraer puntos de datos clave.
Desde el soporte técnico hasta las ventas, las finanzas y los servicios. Comunicarse entre sí es la forma de hacer negocios.
El número de correos electrónicos, tickets y mensajes aumenta cada año, y esto está llevando los servicios a un punto de ruptura. Está aumentando el coste de servicio y perjudicando las experiencias de los empleados y los clientes.
Afortunadamente, el procesamiento del lenguaje natural, una rama de la IA que se centra en ayudar a las máquinas a leer y comprender el lenguaje humano, ha experimentado grandes avances en los últimos años.
El procesamiento del lenguaje natural, o NLP, ha alcanzado la mayoría de edad y ahora está superando a los humanos en comprensión del lenguaje y comprensión de lectura.
Esto genera nuevas soluciones y oportunidades para la empresa.
Con NLP, ahora es posible comprender las comunicaciones a escala.
Esto permite a las empresas:
Communications Mining™, o Comms Mining, es un campo que se centra en comprender y extraer valor de los datos de las comunicaciones.
Es la práctica de convertir la información no estructurada que contienen estos datos en datos estructurados y legibles por máquina que luego pueden utilizarse para análisis y automatización.
Es importante destacar que UiPath® Communications Mining™ no solo identifica los puntos débiles, sino que también puede ayudar a resolver muchos de ellos al permitir automatizaciones más inteligentes.
UiPath® Communications Mining™, anteriormente Re:infer, automatiza la interpretación de las comunicaciones, ayudando a las empresas a comprender y automatizar los mensajes, a velocidad, a escala, en cualquier canal.
Nuestra solución combina el aprendizaje automático (ML), el procesamiento del lenguaje natural (NLP) y el aprendizaje supervisado dirigido por los empleados en una solución potente y sin código que cualquiera puede utilizar.
Proporciona una visibilidad completa de canales como correos electrónicos, tickets y comentarios de los clientes, lo que ayuda a las empresas a comprender mejor a sus clientes y dónde las mejoras tendrán el mayor impacto.
También permite la automatización inteligente de las comunicaciones, ya que genera los datos estructurados requeridos por las automatizaciones posteriores a las solicitudes de acción sin intervención humana.
A continuación se muestra un resumen del recorrido típico que realizan tus datos dentro de la plataforma:
- Conectores prediseñados para la ingestión en el almacén de comunicaciones histórico. Motor patentado de segmentación y limpieza ML para limpiar datos.
- Los modelos de oraciones de aprendizaje profundo patentados extraen la semántica para un aprendizaje eficiente de los datos.
- Los modelos de aprendizaje no supervisado patentados identifican los intentos comunes y buscan constantemente otros nuevos.
- Entrena modelos supervisados a medida de forma eficiente en nuestro motor e interfaz de aprendizaje activo patentados .
- Estadísticas agregadas en tiempo real para información de gestión y análisis basados en el significado.
- Validación de modelos en tiempo real y gestión del ciclo de vida de los modelos.
Conectar
En primer lugar, nos conectamos a tus canales de datos de comunicación no estructurados.
Estos podrían ser bandejas de entrada de correo electrónico compartidas, tickets de flujo de trabajo o colecciones de respuestas de encuestas, por enumerar solo algunos ejemplos.
Obtener estos datos en la plataforma se puede hacer a través de:
- Integración en vivo con conectores prediseñados, para canales como Microsoft Exchange o Salesforce
- Crear integraciones de API
- Cargar datos históricos, ya sea a través de CSV o nuestra API
Discover
Con los datos cargados, la plataforma inicia automáticamente el proceso de descubrimiento.
Utiliza el aprendizaje no supervisado para agrupar grupos de comunicaciones que comparten temas y conceptos similares.
Estos clústeres pueden vincularse a procesos, solicitudes, incidencias y sentimientos repetitivos. Pueden ayudarnos a definir la estructura adecuada para nuestro modelo y acelerar la primera etapa del entrenamiento del modelo.
Al revisar estos grupos y aplicar etiquetas y campos que capturan conceptos y puntos de datos relevantes, la plataforma comienza rápidamente a crear una imagen de lo que hay en los datos.
Entrenamiento
A continuación, utilizamos una variedad de modos de entrenamiento para construir los datos de entrenamiento para nuestro modelo.
Aquí, estamos enseñando a la plataforma a identificar con confianza estas etiquetas y campos, en toda la amplitud de nuestros datos.
Estos modos de entrenamiento están diseñados para maximizar el impacto de las acciones de entrenamiento y minimizar el tiempo dedicado al entrenamiento. Mientras tanto, la interfaz de código cero de la plataforma significa que un Model Trainer puede ser cualquier usuario empresarial que trabaje en el canal de comunicación. No se necesitan científicos ni ingenieros de datos.
Con cada acción de entrenamiento, la plataforma se reentrena continuamente, mejorando su comprensión de cada concepto y punto de datos y actualizando sus predicciones en tiempo real.
Al anotar una pequeña muestra representativa de datos de entrenamiento, la plataforma puede aplicar su comprensión de cada etiqueta y campo general a escala, interpretando y haciendo predicciones automáticamente en todo el conjunto de datos.
Predecir
¿El resultado final? Predicciones estructuradas de etiquetas y campos generales, cada una con sus propias puntuaciones de confianza, para cada comunicación, como este ejemplo de correo electrónico aquí:
Estas predicciones están disponibles para el análisis en la plataforma o a través de la API para el consumo de los bots de UiPath® y otras herramientas para la automatización o el análisis posterior.
Validar
Pero antes de confiar en estas predicciones para influir en las decisiones o permitir la acción, necesitamos saber cómo está funcionando nuestro modelo.
La funcionalidad de validación de la plataforma proporciona total transparencia en lo que respecta al rendimiento, validando tu modelo automáticamente cada vez que se reentrena.
Podemos entender fácilmente si nuestro modelo está funcionando como debería en los factores clave de rendimiento que se agregan en una sola calificación de modelo para simplificar.
La plataforma también guía a los Entrenadores de modelos para que realicen las mejoras necesarias con las siguientes mejores acciones recomendadas.
Analizar
Una vez que estemos satisfechos con el rendimiento de nuestro modelo, podremos generar rápidamente información valiosa y procesable a partir de estas conversaciones empresariales.
La plataforma agrega todas las predicciones para etiquetas y campos con metadatos clave para proporcionar una gran cantidad de datos consultables, proporcionando visibilidad en procesos y canales previamente ocultos.
Esto permite a los usuarios:
- Cree paneles dinámicos personalizados para realizar un seguimiento de las métricas clave y la calidad del servicio prestado a los clientes y clientes
- Ejecute análisis para identificar oportunidades para mejorar los procesos o la experiencia del cliente
- O configura alertas para supervisar el rendimiento del canal y los eventos de riesgo
Solo por nombrar algunos ejemplos.
Junto con el análisis, podemos implementar modelos entrenados para habilitar las automatizaciones de producción.
Los UiPath® Robots y los sistemas posteriores pueden utilizar los datos estructurados creados por UiPath® Communications Mining™ para ampliar la automatización a los procesos basados en servicios y conversaciones. Esto permite a las empresas automatizar las solicitudes transaccionales y los flujos de trabajo.
Tareas como la clasificación de correos electrónicos, la actualización de la información del cliente y la creación de casos ahora pueden ser automatizadas de principio a fin por UiPath®.
Las empresas líderes confían en Communications Mining™ para analizar y automatizar sus comunicaciones, y estas son algunas de las razones:
- Sin código : democratizamos la PNL para el usuario empresarial. La interfaz de código cero de la plataforma proporciona una experiencia de usuario guiada que cualquier empleado puede utilizar, independientemente de su capacidad técnica.
- Totalmente personalizable : puedes crear modelos totalmente personalizados que extraigan las intenciones, temas y sentimientos exactos que tu empresa necesita.
- Preciso : puedes entrenar modelos precisos con datos de entrenamiento mínimos, con total transparencia en el rendimiento del modelo para evitar resultados inesperados en la producción.
- Rápido de entrenar : puedes mantener los costes y el esfuerzo bajos y la confianza alta, con modelos que son rápidos de entrenar y de adaptar.
- Hiperescalable : debes comenzar poco a poco para tener éxito, pero necesitarás una solución que pueda escalar rápidamente con tus necesidades para casos de uso más grandes, lo que hace nuestra plataforma.
- Supervisión y alertas en tiempo real : con paneles configurables, alertas por correo electrónico e informes de seguimiento de métricas clave en tiempo real, tendrás todos los datos que necesitas para tomar decisiones proactivas e informadas.
- Seguro : sobre todo, necesitas una solución en la que puedas confiar tus datos, y los permisos y el cifrado de nuestra plataforma garantizan que los datos de los clientes estén seguros y protegidos.
- Fácil de integrar : tenemos integraciones prediseñadas para canales de comunicación clave, API fáciles de usar y conectores para flujo de trabajo y RPA, lo que ayuda a que se adapte fácilmente a su pila de tecnología.
Nuestra solución abre el poder de la IA y la PNL a todos los usuarios empresariales, no solo a los científicos e ingenieros de datos.
- ¿Qué es el procesamiento del lenguaje natural (PLN)?
- ¿Por qué la PNL se está volviendo crítica para las empresas?
- ¿Cómo pueden ayudar las soluciones de PNL a resolver estos desafíos?
- ¿Qué es Communications Mining™?
- Communications Mining™ frente a Task Mining y Process Mining
- ¿Qué es la solución Communications Mining™ de UiPath® y qué hace?
- ¿Cómo ayuda esto a nuestros clientes?
- Cómo funciona: descripción general
- Cómo funciona: análisis profundo
- ¿Por qué las empresas confían en UiPath® Communications Mining™?
- ¿Qué significa Communications Mining™ para usted?
- ¿Qué significa Communications Mining™ para su negocio?