企业中认知搜索的增长及其重要性

 
企业通常需要处理无数的数据存储桶(高达93%的人表示他们将数据存储在一个以上的位置)，并且其中一些存储桶总是会被使用不足或遗忘。 Forrester的一项调查发现，从未对公司内所有数据中的60%至73%进行分析以获取洞察力或更大的趋势，而另一份Veritas报告发现，组织所存储的所有信息中有52%具有未知的价值。这些未使用的数据的机会成本是巨大的—如果当前趋势保持不变，Veritas报告认为到2020年，累积成本将达到3.3万亿美元。
这也许就是为什么今年企业界重新对基于AI的软件即服务(SaaS)产品产生兴趣的原因，该产品可以从多个来源提取，理解，组织和查询数字内容。 “过去基于关键字的企业搜索引擎已过时。认知搜索是新一代企业搜索，它使用[AI]返回与用户更相关或嵌入到发出搜索查询的应用程序中的结果，” Forrester分析师Mike Gualtieri，Srividya Sridharan和Emily Miller写道。 2017年发布的行业调查。
新兴产品
微软在11月初推出Project Cortex，使这一细分市场进入了超速驾驶状态，该服务利用AI来自动分类和分析组织的文档，对话，会议和视频。这在某种程度上直接响应了2018年7月启动的Google Cloud Search。像Project Cortex一样，Cloud Search依靠机器学习从运行于本地和云中的一系列第三方产品和服务中提取数据提供查询建议并显示最相关的结果。值得一提的是，亚马逊上周推出了AWS Kendra，它利用连接器库来统一数据源，包括文件系统，网站，Box，DropBox，Salesforce，SharePoint，关系数据库等。
当然，谷歌，亚马逊和微软并不是唯一的认知搜索供应商。其中有IBM提供名为Watson Explorer的数据索引和查询处理服务，而Coveo利用AI来学习用户的行为并返回与他们最相关的结果。惠普企业的IDOL平台除了支持非结构化文本外，还支持语音，图像和视频分析。 Lucidworks和Squirro都利用Apache Solr和Elasticsearch之类的开源项目来理解不同的数据集。
认知搜索市场呈爆炸式增长-根据Markets and Markets的预测，到2023年，该市场的价值将达到152.8亿美元，高于2018年的25.9亿美元–与此相吻合的是，企业对AI和机器学习的采用正在迅速增长。但这也许可以更直接地归因于现代公司数字环境提供的遥测功能。
引擎盖下的AI
诸如AWS Kendra，Project Cortex和Cloud Search的核心之类的AI模型可从信号或从各种输入获得的行为数据中学习。这些来自员工访问的网页或他们在线观看的视频，或者与支持代理和支持票证的公共数据库进行的在线聊天。更不用说有关用户的详细信息，包括职务，职位，部门，同事，以及潜在的所有文档，电子邮件以及他们撰写的其他信函。
每个信号都会通知AI系统的决策，从而使其可以连续不断地自我完善，自动了解各种资源与每个人的关系并相应地对这些资源进行排名。另外，由于与Web搜索引擎相比，企业要处理的数据源要少得多，因此模型的成本较低，训练所需的计算时间也较少。
另一个难题是自然语言处理(NLP)，它使AWS Kendra等平台不仅可以理解文档细节，还可以理解组织中员工可能提出的搜索查询，例如“我如何投资我们公司的401k与“我的401k计划的最佳选择是什么?”
在这方面，并非每个平台都具有同等的功能，但是大多数平台都在NLP以及自然语言搜索(NLS)的相邻领域中整合了新兴技术。 NLS是AI和统计推理的专门应用程序，它通过自由流动的文本(类似于知识图)创建“单词网格”，以连接与较大构想相关的相似概念。 NLS系统以这种方式理解上下文，这意味着无论查询的措辞如何，它们都会返回相同的答案，并将用户带到可能找到该答案的记录中的确切位置。
认知搜索：新常态
简而言之，认知搜索已成为企业中的赌注。据估计，当试图获得答案，见解和信息时，有54％的知识工作者每月已经被中断几次或多次。预计组织在未来几年中产生的非结构化数据量会增加，从而加剧可发现性问题。
“生产力不仅仅是提高效率。这还与汇总和应用组织的集体知识有关，以便您可以共同实现更多目标。” Microsoft 365公司副总裁Jared Spataro在最近的博客中写道。 “ [认知搜索系统通过将您的内容转换为交互式知识仓库来提高业务流程的效率……分析文档并提取元数据以创建复杂的内容模型…………并使人们易于访问经常被锁定的有价值的知识。远离文档，对话，会议和视频。”