從文件管理到獲取洞見，AI 正在徹底變革企業內容管理

2017-08-28 機器之能

「要想理解所有這些數據並從中獲取越來越多的價值，唯一辦法就是依靠機器學習和人工智慧。」Box CEO Aaron Levie 說。

編譯 | 王宇欣 微胖

來源 | TechCrunch

隨著企業規模的拓展與時間的推移，企業內部數據量逐漸增多，內容管理成為企業面臨的一大難題。AI 和機器學習可以有效解決這一問題，從根本上改變企業進行內容管理的模式。由此，人工智慧和機器學習也將為企業內容帶來大量長期訂單。內容數量不斷增加，人們也希望能夠駕馭這些內容。諷刺的是，人們通常認為內容管理系統（ Content Management Systems）是用來解決企業內容組織問題的。

然而，悖論在於，收集的內容越多，越難管理。人工智慧和機器學習可以改變這一現狀，因為數據越多，演算法能力越強，進而從根本上改變內容管理思路。

這就是為什麼 Box CEO Aaron Levie 認為在內容管理方面，人工智慧比十年前的雲計算有著更大的影響。「就其對所有企業軟體的影響力而言，AI 比雲更加重要，特別是在空間、雲內容管理方面。」因為無論是企業內部還是外部，各種規模企業正在建立和分享的數據呈指數級增長。

「理解這些數據，從中提取越來越多的價值的唯一方法就是機器學習和人工智慧。其他辦法都做不到與數據增長以及使用現狀齊頭並進。」Aaron Levie 說。

人工智慧的到來

就在這個月，Box 宣布與 Google 合作將圖像識別技術引入雲內容管理公司。或許並非巧合。

「我們在觀察，可以用 AI 先解決什麼問題。在 Box ，我們擁有三百億份文件，很大一部分是圖像文件。我們希望解決一些可以馬上為用戶創造巨大價值的問題。這就是我們與 Google 在計算機視覺服務方面開展合作的原因。」Levie 解釋說。

六月份的時候，Box 也曾宣布與微軟展開深度合作，並表明合作可能會利用 Azure AI和機器學習演算法。

當時，Box 平台的 SVP（高級副總裁）和首席戰略官 Jeetu Patel 告訴 TechCrunch，內容管理的本質將會質變。「未來五年，參與內容以及與內容互動的方式，將與過去 25 年完全不同，因為會出現新的辦法和手段。」Patel 說。

上周，M-Files，提供混合的內容管理解決方案的公司宣布收購 Apprento 。Apprento 是一家加拿大初創公司，使用自然語言處理（NLP）和自然語言理解（NLU）提供語義分析，比如智能摘要。M-Files 銷售 SVP Greg Milliken說，收購 Apprento 後，公司馬上能以智能方式來處理非結構化數據。

「 收購 Apprento ，最先吸引我們的是他們的實踐經驗——用自然語言處理（NLP）和自然語言理解（NLU）來解決商業需求。比如，對電子郵件和其他非結構化文檔和內容進行分析，搞清楚內容語境和意圖，比如賬戶、項目和案例之間的關係。需要時，就很容易查找到相關內容。」

是時候行動起來

所有這些舉動都表明，我們可能正處在 Levie 和 Patel 所謂的產業轉型中，內容管理公司正在嘗試用更加聰明的辦法從日益增多的公司內容中獲取洞見。

Alan Pelz-Sharpe 是 Deep Analysis 的創始人和首席分析師，跟蹤報道這個行業多年，也見證了人工智慧的巨大效用。他認為，「 AI 通過不同方式影響著內容管理，比如內容分析技術，自動化監管，不過最有趣的還是 RPA（機器處理自動化）。PRA 還遠不夠迷人，但很重要，因為它會直接影響公司賬本底線（bottom line)。」

他說，M-Files 和 Box 的舉動很可能只是一個開始，隨著公司深入採用 AI 技術，我們會看到更多的合作與收購。「未來一兩年，會出現許多收購和合作，為了解決特定需求而尋找 AI 專家。Box 雖然時合作夥伴，但是，並不排除收購（儘管他們喜歡買小公司），這樣就可以在平台的不同部分使用學習和自動化技術。對於不同的[類型]用戶也是如此。」他說。

對於 Levie 本人，他說，需要時，他的公司會想盡一切辦法進行內部開發，如果已經有可行的解決方案，就進行合作，就像和谷歌的合作一樣。（當然，他並沒有討論收購戰略）。

變革絕非易事

Real Story Group 創始人兼首席分析師 Tony Byrne 對技術開發趨勢持懷疑態度。 但是現在，他十分看好在內容管理中的人工智慧應用，但也有需要注意的問題。他提醒道，人工智慧可用性與數據條件息息相關。

「這些自動化和認知性的服務質量的優劣，通常取決於組織良好的已標記（最好還是結構化的）內容庫，通常，這也是你在 ECM 工程中所做的事情。內容庫亂七八糟的用戶會面臨這樣一個難題：人工智慧/機器學習沒辦法幫他們把內容清理乾淨，也沒辦法得出有意義的結論——輸入的是垃圾，輸出的自然也是垃圾。」 Byrne 解釋。

Pelz-Sharpe 對此表示贊同。「絕大部分公司的數據/文件的管理都很糟糕 ，比如 沒辦法被整合到應用中，也通常不合規。公司現狀條件如此糟糕，也會限制 AI 的功能。」他說。

Byrne 也警告說，人工智慧和機器學習的應用還處於早期階段，步入正軌仍需要一些時間。「用戶僅需要了解：軟體公司自己也還在思考 AI 潛力有多大，在具體服務中，也沒有完全啟動 AI 服務。這意味著，（用戶）自己要做大量的測試，『以身試法』。但這很值，尤其是那些對大規模文件處理、知識管理、記錄管理以及搜索調試等方面需求更加複雜的大型公司。」

對於任何一種尚處在發展中的技術來說，這都是個不錯的建議。但需要特別記住的是，內如管理需求的獨特性。也就是說，尋找最能發揮其所長的領域，比如，Box 選擇的圖像識別。長此以往，隨著人工智慧技術不斷進步，被深度納入 CMS 技術中，我們將開始看到更複雜的應用案例。

實現內容管理的願景

隨著人工智慧和機器學習的發展，內容管理將會成為一個比較重要的應用方向。 人類並不擅於管理大量數據，而事實證明，機器非常擅長這一方面。 隨著我們越來越多地接觸到其他形式的企業軟體，如 CRM，人工智慧正在改變我們對軟體的認知。

「歷史上第一次，我們正處於為用戶謀利益的技術浪潮之中。不必告訴它提取出洞見所要完成的所有任務，系統可以自動完成這一任務。對技術來說，這是一個非常重要的轉折點。」Levie 說。

我們能夠利用這些功能管理大量內容。 「這個行業談論這一願景已經幾十年了，如今，我們終於看到了希望。不是關於內如的存儲與嚴格管理，而是如果從信息中獲取洞見與創造更多的價值，不幸的是，之前我們從未擁有過這類技術，直至現在。」Levie正式解釋

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！