商业保险行业在运营时采用的流程涉及大量文档。处理这些文档需要手动录入,这样不仅成本高昂,而且容易出现人为错误。我们借助于 AWS 服务的 Amazon Textract 和 Amazon Comprehend 对运营工作流程进行自动化与简化。使用机器学习,我们能够提取保单编号、失效日期和其他更多特定于保险行业的属性,并减少手动操作。我们利用 Amazon Textract 来大规模提取文档数据,而 Amazon Comprehend 则可以用来对文档中的非结构化内容进行分类与标记,并且提取出特定于保险的实体。 “我们的应用程序在使用自有专利模式的同时结合 Amazon Textract 和 Amazon Comprehend,对高成本手动流程进行自动化,例如,文档审核和投保录入。我们减少了客户工作,使购买与销售商业保险变得更快速而简单。我们通过使用 AWS 机器学习取得了非常喜人的成绩。”
—Colin Toal,Chisel AI 首席技术官
“我们努力将技术和业务领域的专业知识结合起来,帮助我们的客户理解供应链中的合规风险。我们需要一种大规模处理合规性文档的方法。我们的流程是读取包含表单、表格和自由格式文本的图像和 PDF 文档,并从这些文档中提取相关数据。Amazon Textract 的 OCR 技术可使我们从文档中提取文本。Amazon Comprehend 的上下文感知 NLP API 从文本中提取特定于业务的实体及其值。我们还使用 Amazon Augmented AI (Amazon A2I) 将人工合并到我们的工作流程中,从而让我们的团队审查提取的数据,向 ML 模型提供反馈,并随着时间的推移帮助改进它们。通过高效结合人工和机器学习与 AppSync 和 Amplify,为我们提供了对客户供应链风险更准确的洞察,并为他们节省了数百小时人工审核文档的时间。他们现在可以就公司是否存在合规风险立即得到反馈。”
— Corey Peters,Assent Compliance 的 AI/ML 团队主管
SuccessKPI 是一种体验分析平台,支持世界各地的企业洞察客户体验,提高工作团队的效率,并最终促成业务成果。世界上大部分跨多个 CaaS 供应商的联系中心都使用 SuccessKPI 的分析平台。
“了解各种产品或服务中的客户情绪对了解业务健康状况非常重要。Amazon Comprehend Targeted Sentiment 让我们的客户不仅了解到对话中的情绪,还能批量地深挖特定的产品或业务领域。”
— Praphul Kumar,SuccessKPI 首席产品官
Gallup 是一家全球分析和咨询企业,通过文化激活和启用计划帮助组织将战略付诸实施,以实现经过改善的可持续员工和客户参与。Gallup Access 是我们成熟的工作区平台,用于数据收集、分析和学习以促进真正的变更。
“我们对 Amazon Comprehend Targeted Sentiment 功能感到兴奋不已,因为它将可增强我们的 Gallup Access 中现有的开方式调查响应报告。我们目前报告与总体情绪相关的指标,使用这种新功能后,我们将能够在这些调查响应中提供更有针对性的情绪。这将增强我们的总体报价的价值定位,并为用户提供更准确和可行的数据 。”
— Swapan Golla,Gallup 分析总监
TeraDact Solutions 软件为在合规性和隐私问题日益增多的环境中实现安全信息共享提供了一种强大的替代方案。凭借标志性的 Information Identification & Presentation (IIaP™) 功能,TeraDact 的工具为用户提供一个安全的信息共享环境。
“在我们标记系统中对 PII 修订使用 Amazon Comprehend 不仅帮助我们接触到更广泛的客户群,同时帮助我们克服了基于规则的 PII 检测的不足,这些不足可能导致误报或细节遗漏。PII 检测对于企业而言至关重要,借助 Comprehend 中具有环境感知能力的 NLP 模型,我们可以利用客户的信息来维护他们对我们的信任。Amazon 推出对我们的产品套件至关重要的新功能,不断开发出创新方法来帮助推动我们的业务向前发展。”
— Chris Schrichte,TeraDact Solutions, Inc. 首席执行官
AWS 和 Amazon Business 对 ExxonMobil 的采购组织的数字化实施增强了其全球运营,并使其做好了应对意外中断的准备。 “我们已经与 Amazon ML Solutions Lab 合作开发了一个概念验证,旨在最大程度提高合同利用率和进一步降低成本。一种方法是利用 Amazon SageMaker,从 ExxonMobil 的电子采购系统 Smart by GEP 的免费文本条目中改进最佳匹配目录条目的识别。当目录条目描述不容易获得时,我们使用 Amazon Comprehend 创建一个定制分类模型,将免费的文本条目映射到供应商合同协议中。”
-Mariano Matzkin,ExxonMobil 全球 MRO 采购经理
阅读访客博客以了解更多信息
“FINRA 收到数以百万计的文档,其中包含支持调查、检查和合规工作的非结构化数据。我们的调查人员和检查人员必须手动逐页浏览文档,或运行高度针对性的搜索以找到所需的信息。借助 Amazon Comprehend,我们可以快速提取个人和组织,将提取的主体与 FINRA 记录进行匹配,标记感兴趣的个人,发现与其他文档的相似之处。”
— Dmytro Dolgopolov,FINRA 高级技术总监
“在 PubNub,我们发现聊天和协作已经成为我们的全球客户群的主要使用案例。如果与 Amazon Polly(文字转语音)、Amazon Comprehend (NLP) 和 Amazon Lex(聊天机器人)等其他 AI 产品结合使用,聊天应用程序将变得更加智能,最终我们的客户可通过高性能且本地化的聊天功能更轻松地在全球范围内发展业务。”
— David Hegarty,PubNub 产品管理总监
“我们引入视频并实现了视频分析自动化,能够生成切实的动态消费者画像,从而颠覆了传统的消费者调查方法。通过与 Amazon 的 Amazon Transcribe、Amazon Comprehend 和 Amazon Rekognition 等 AI 和机器学习技术集成,我们能够拍摄、分析视频并创建每个消费者的个人资料。”
— Patrick Tedjamulia,VideoPeel 联合创始人兼首席执行官
“我们的 Sparq 平台将来自任何源的最重要客户数据(包括交易、态度、情感和意图数据)连接起来,以构建动态客户个人资料,为每个团队和业务系统提供统一的客户视图。通过与 Amazon Comprehend 的情绪分析功能相结合,该平台现在可以将定性客户反馈转化为可操作的见解,从而确定他们的反馈是正面的、负面的还是中立的,准确率超过 90%。”
—Nicholas Simon,Vision Critical 产品经理
“我们的业务主要是为信赖我们的品牌提供优质的市场营销内容。使用 Amazon Comprehend,我们能够极大地提高自有平台内容分析功能的质量和准确性,可为最具影响力的营销活动确定恰当的内容。Amazon Comprehend 让我们能够专注于核心产品,无需担心处理与我们自己的机器学习模型构建相关的繁重任务。”
— Ryo Chiba,TINT 首席技术官
“我们为法律专业人员提供深刻的搜索和分析服务,以帮助他们作出明智的决策。因此,我们不断研究更好的方式以从法律文档中发现洞见。借助 Amazon Comprehend 的自动机器学习 (ML) 功能,我们现在无需深入了解与机器学习有关的复杂性,即可构建准确的自定义主体识别模型。从超过 2 亿份文档中可以快速识别法官和律师等我们最为关心的主体,准确率超过 92%。”
—Rick McFarland,LexisNexis 首席数据官