Comment le recours au TLN peut aider votre entreprise et son expérience client à se démarquer

Aujourd’hui, l’environnement d’affaires est si compétitif que toutes les entreprises cherchent à se démarquer pour montrer à leur clientèle qu’elles sont les meilleures de leur domaine. En utilisant adéquatement les bonnes technologies, il est possible de sortir du lot.

Dans le dernier article de notre blogue d’innovation portant sur le traitement du langage naturel (TLN), nous avons abordé les contextes d’investissement et de croissance en matière d’intelligence artificielle (IA) ainsi que les types de données et les utilisations prêtes à subir des améliorations. Dans ce deuxième article portant sur le TLN, nous nous pencherons sur son processus et découvrirons comment de nombreux clients ont su innover au sein de leur entreprise.

Six utilisations clés du TLN

Les procédures de transformation numérique des documents comportent bien souvent des étapes d’automatisation qui font appel à l’IA et au TLN. Après avoir été numérisés, les documents, les fichiers et les images suivent des étapes de prétraitement (reconnaissance optique des caractères [ROC], synthèse de la parole en texte, reconnaissance de l’écriture à la main ou d’autres types de conversions) afin que l’ordinateur puisse transformer l’information en données exploitables.

La transformation de l’information en données est la situation critique où les organisations peuvent faire appel au TLN. Le TLN prétraite les données et élabore des algorithmes au moyen de différents outils d’IA, comme l’apprentissage automatique, l’apprentissage en profondeur et les réseaux neuronaux, pour aider les entreprises à extraire, classifier et analyser des quantités phénoménales de données.

Voici six opérations des flux de travaux de transformation numérique auxquelles le TLN peut ajouter de la valeur en fonction de l’utilisation et des exigences :

Classification : L’utilisation du TLN dans la classification, qui consiste à classer ou à indexer des documents dans des catégories prédéfinies selon l’intention, élimine le besoin d’entrer manuellement des données et rehausse la productivité, l’uniformité et la précision.

Régression : Cette procédure calcule des cotes selon l’intention des documents. Dans ce cas, l’avantage du TLN est l’établissement rapide des priorités qui accélère la réponse.

Extraction : Le TLN est utilisé pour extraire les données des documents non structurés et pour repérer les parties qui répondent à des critères spécifiques. Cette technologie accélère le traitement, rehausse la précision et réduit les coûts.

Correspondance de séquences : Cette utilisation peut analyser de multiples documents ayant la même signification pour réduire le temps passé à chercher et à classer les documents, permettant ainsi des gains d’efficacité et de productivité ainsi que des économies de coûts.

Regroupement : Le TLN peut être utilisé pour afficher visuellement et regrouper divers documents dont les intentions sont similaires. Ce type d’affichage visuel peut accélérer la prise de décision, fournir des renseignements en plus d’aider à repérer les lacunes en matière de connaissances.

Génération de séquences : Dans le cadre de la génération de séquences, une demande (phrase) est traitée afin de générer une réponse. Des outils intelligents, comme les outils de clavardages ou les robots, peuvent rehausser l’expérience des clients en leur offrant rapidement des réponses ou de l’information.

Dans le diagramme ci-dessus, toutes les combinaisons des fonctions du TLN peuvent être intégrées à l’étape d’automatisation des analyses et de la génération. Une fois l’information transformée en données structurées, la plateforme permet de les générer ou de les exporter vers une autre application ou encore un autre répertoire ou flux de travaux.

1^er cas d’utilisation du TLN : Flux de travaux d’un centre d’appels pour les clients

L’équipe du centre d’appels d’une importante entreprise de fabrication alimentaire, générant des revenus de plus de 7 milliards de dollars, traitait plus de 60 000 appels par mois, était débordée et devait rapidement prioriser les plaintes. Cette tâche était complexe en raison de son outil d’exploration de texte imprécis et désuet. Ce dernier impliquait une forte charge de travail manuel, surtout pour l’équipe de l’assurance qualité.

L’entreprise a automatisé 98 % des flux de travaux de son centre d’appels en utilisant la solution intégrée de Ricoh pour les applications Web. Désormais, lorsqu’une demande est soumise au centre d’appels, une analyse des besoins transforme les données au moyen des modules de classification et de régression. L’ordinateur classe l’appel dans l’une des quatre catégories : compliment, demande, conseil ou plainte. L’ordinateur peut également sélectionner des catégories liées à la sécurité des aliments (8 types), à la fabrication et à la distribution (5 types ou options) et aux besoins (4 types) que l’application peut ensuite identifier et acheminer à l’équipe appropriée. L’analyse de régression accorde une cote aux demandes et établit les priorités selon les types de classification.

L’automatisation des points de contrôle de qualité a réduit les coûts d’exploitation, rehaussé la qualité du service, augmenté la précision des données et permis d’économiser 44 heures par mois grâce à l’élimination des tâches manuelles et de la gestion, par le personnel, des outils d’exploration de texte archaïques.

2^e cas d’utilisation du TLN : Analyses des lacunes en matière de connaissances

La quantité d’appels reçus par une entreprise de fabrication d’appareils, dont les revenus atteignent 2 milliards de dollars, s’élevait graduellement à plus de 214 000 appels par année. L’équipe de la direction souhaitait accélérer les délais de réponse, réduire le volume d’appels, préciser ses registres et offrir un meilleur soutien à sa clientèle.

En mettant en place la solution intégrée de Ricoh comportant des fonctions de TLN, l’équipe a mis en œuvre un module de regroupement. Les questions et les demandes de service soumises au centre d’appels sont entrées dans un registre de données, puis regroupées dans un plan. Ainsi, les employés peuvent observer la quantité de demandes soumises par les clients et les articles portant sur des connaissances utilisés (consulter l’image). Le regroupement avise également les employés des demandes sans réponse, désormais plus faciles à repérer visuellement.

L’entreprise peut maintenant créer de manière proactive des articles portant sur des connaissances afin de limiter les appels reçus par les clients et améliorer la qualité de son service en fonction des plans de regroupement. De plus, l’entreprise a utilisé l’information obtenue pour créer une foire aux questions (FAQ) exhaustive qui permet aux clients de trouver encore plus facilement les solutions par eux-mêmes, réduisant ainsi les lacunes en matière de connaissances. L’équipe du centre d’appels a pu réduire son importante charge de travail et, de ce fait, alléger son stress et ses heures supplémentaires.

3^e cas d’utilisation du TLN : Soins proactifs aux patients

Un centre de soins de santé, dont les revenus s’élèvent à 332 millions de dollars, souhaitait améliorer les analyses médicales menées par ses soignants pour s’assurer que chaque patient reçoive les meilleurs soins. La pression pesant sur le personnel s’alourdissait, puisque l’état de plusieurs patients s’aggravait sans que le personnel comprenne la cause. L’établissement de soins de santé souhaitait créer un système visant à évaluer les soignants ainsi que les patients et offrant la possibilité d’envoyer des alertes pour prévenir le personnel.

En utilisant une application de transformation numérique des documents, dotée de fonctionnalités d’IA et de TLN permettant de fouiller dans les rapports quotidiens, il a été possible d’ajouter des enregistrements vocaux aux dossiers médicaux des patients. Les fonctionnalités d’IA dressent automatiquement une liste de problèmes potentiels ainsi que de leur gravité, permettant ainsi au personnel d’établir les priorités et de sélectionner la meilleure solution. L’application de transformation numérique des documents peut identifier et suggérer les soins pouvant être nécessaires, en fonction de l’état du patient décrit dans le rapport quotidien.

La technologie de TLN permet l’extraction des données à partir des enregistrements et des dossiers médicaux en plus d’avoir la capacité de mener des tests de régression et d’accorder des cotes. Les données extraites sont utilisées pour créer des alertes préventives quotidiennes ainsi que des rapports mensuels. Le module de régression donne une cote et établit des priorités pour les soins apportés aux patients et, ainsi, prévoit si ces derniers devront être déplacés dans les deux prochaines semaines. De cette façon, le personnel est mieux équipé pour soigner les patients à risque et la qualité des soins est améliorée. La qualité du service offert par le personnel a également fait l’objet d’une analyse de régression pour veiller à la qualité des soins prodigués.

Se démarquer pour offrir une expérience client exceptionnelle

Ces histoires de réussite décrivent comment cette technologie permet aux entreprises de rehausser l’expérience de leurs clients, mais aussi de permettre à leurs employés de mieux travailler en ayant accès aux bonnes données et en ayant une charge de travail équilibré. La transformation numérique des documents est l’une des manières les plus simples et les plus puissantes pour faire croître votre entreprise. Quels sont les plus importants défis d’affaires que le TLN peut vous aider à surmonter?

Restez à l’affût pour découvrir notre prochain sujet d’innovation : cinq conseils pour amorcer, avec Ricoh, une initiative d’innovation en matière de TLN.