革新的な検索技術により、意思決定のためのデジタル情報アクセスが最適化されます
上級管理職は、サポートスタッフが集めた信頼できる情報に基づいて戦略的な決定を下します。大きな乗組員の変更の余波で、サポートスタッフの構成とスキルセットは大きく異なり、2つのカテゴリに分類されます。
- 多数の企業レポートを読んで作成し、長年の実務経験を持つ経験豊富な専門家（SME）。
- 新規採用のミレニアル世代以下のエンジニアは、フィールドでの経験が限られており、標準のエンタープライズ検索ツールを備えています。
もちろん、両方のグループがまとめた情報は、専門的な経験と背景により異なります。知識ベースの違いは、意思決定アクションに影響します。多くのシニア中小企業はすでに退職しているため、企業は自社の情報を保持し、専門知識の少ないスタッフに専門知識を移転するためのより良い方法が必要です。
高度なソリューションによる企業の知的財産の保護
革新的なシステムとソフトウェアは、経験豊富な中小企業の知識を獲得し、新しいエンジニアとサポートスタッフへのアクセスを提供します。自然言語処理（NLP）は、デジタルテキストファイルからの非構造化デジタル情報のレビューと取得を可能にする革新的な技術です。いくつかの業界では、NLPベースの仮想アドバイザーを使用して、スタッフがデジタルドキュメントを照会するのを支援しています。 [1]このような方法は、チーム全体が同時に利用できるという追加の利点とともに、質問に即座に答えるためにSMEを使用することに似ています。 [2,3]
エンタープライズNLPソリューションは、業界の実践者が使用する文脈上の語彙と文法を「理解」することに基づいています。アルゴリズムの内部では理解が異なっているように見えますが、実際の有用性は、人間が操作や安全性の問題に関する技術的な問題の適切な解決策を見つける方法に似ています。適切に構築されたNLPツールは次のことができます。
- 質問をする
- 問い合わせの意図を抽出する
- 歴史的なデジタルファイルのフレーズや段落を徹底的に検索する
- 質問の意図を満たすために関連情報を返します。
そのような能力は、石油とガス（O＆G）などの、非常に文書化されたプロセス駆動型産業では数百億の価値があります。多くのエネルギー、製造、O＆G企業にとって、運用効率は最優先事項です。残念ながら、業界の実務家は時間の80％を費やして、企業情報に閉じ込められた回答を探しています。 [4]
では、なぜNLPソリューションがO＆G業界で広く使用されていないのですか？困難なのは、O＆Gで使用できるNLPツールの設計にあり、1回限りの使用に限定されることはありません。大規模なコンサルティング会社は情報検索ツールを提供していますが、これらのソリューションは複数の業界にわたるより広範なアプリケーション向けに設計されています。結果として提供される容量は、最小公約数です。 O＆G業界でのアプリケーションの場合、これらの「ブランクスレート」ツールでは、クライアントがツールをトレーニングするのにかなりの時間と費用をかける必要があります。さらに、基礎となるモデルがO＆G用に設計されていない場合、完成したツールの可能な合計値は減少します。
逆に、単一のO＆Gアプリケーション専用のツールを開発するのは、難しいビジネスモデルです。使い捨てケースの市場規模は比較的小さく、その結果、投資機会が制限されます。効果的なツールは、特にO＆G業界に焦点を当てる必要がありますが、内部の多様なアプリケーションを処理するのに十分な柔軟性も必要です。
©katwijksenieuwe / Adobe Stock InnovationはO＆G業界のニーズを満たします
高度なソリューションが登場し、O＆Gビジネスのニーズに焦点を当てています。このツールは、石油メジャーの探査地質学での商業的応用に成功しています。同じツールが、多国籍の化学会社の製油所の運用とエンジニアリングに成功しています。最先端のNLPソリューションを採用するより進歩的な企業は、変化する市場環境下で競争上の優位性を獲得します。
NLPベースの仮想アドバイザーツールの証明。 NLPベースの仮想アドバイザーの有効性を定性的に測定し、現在のO＆G業界の手法と比較するための研究が実施されました。 NLPベースの仮想アドバイザー開発者が所有する確立された技術フォーラムは、上流および下流の問題に関する技術的な質問を投稿することをユーザーに奨励しました。同様に、フォーラムは業界の専門家からの回答をまとめました。フォーラムのユーザーには、世界中のオペレーター、エンジニア、中小企業（カナダ、中国、ドイツ、インド、フィリピン、サウジアラビア、韓国、台湾、英国、米国）が含まれていました。 2018年6月、NLPベースの仮想アドバイザーがフォーラムの上部に追加され、フォーラムのコンテンツにアクセスして、問い合わせに対する最も正確な回答を作成できるようになりました。国際的な大手O＆G企業が持つ十分な知識とリソースを確保するために、比較研究を開始する前に、6,000のデジタル非構造化テキストファイルがフォーラムに記録されました。
実証演習では、SMEにNLPベースの仮想アドバイザーからの質問と回答の組み合わせが示されました。中小企業は、NLPベースの仮想アドバイザーが、経験豊富な人間のように情報の技術的なニュアンスを解釈および処理できると結論付けました。たとえば、「ガソリン製品の仕様とは何ですか」と尋ねられたとき、NLPベースの仮想アドバイザーは、主に英国の言語である「モータースピリット」に関連する回答を見つけました。ガソリンに対するモータースピリットのこの関連性は、SMEによって行われる独自の研究からシステムによって推測されました。
時間対精度
この調査では、定性的な利点を実証することに加えて、フォーラムとNLPベースの仮想アドバイザーとの間でのソリューションの成功の比較も調査しました。成功は、質問を受信して回答するのに必要な時間と、取得した情報の正確さで測定されました。人間がフォーラムの質問に回答する時間は、平均で1.5日間でした。多くの場合、関連する情報が大量の無関係な情報によって隠されていたため、一部のユーザーは以前の投稿から回答を探しました。
比較すると、NLPベースの仮想アドバイザーは数秒以内に回答を取得できます。ユーザーへのインタビューから、回答を受け取るまでの時間のこの劇的な短縮は、最初の質問の言い直しだけでなく、周辺資料に関するフォローアップの問い合わせの増加を引き起こしたと仮定されています。リアルタイムのフィードバックを取得することで、このテーマについてもっと知りたいという好奇心が高まり、中小企業との有益な会話をシミュレートしました。
情報を受信する時間を短縮することに加えて、NLPベースの仮想アドバイザーは、フォーラムで提供されるよりも正確な回答を返すことができました。フォーラムの特定の質問に対してユーザーが投稿した回答の中央値は、取得したすべてのサンプルで2でした。ただし、すべてのフォーラム情報に基づいたNLPベースの仮想アドバイザーによって生成された応答の中央値は、取得されたすべてのサンプルで10でした。各質問に複数の回答を返すことにより、NLPベースの仮想アドバイザーは、未解決の問題で論争をさらす可能性が高く、補完的な情報がより完全な回答を形成し、ユーザーが保持する誤った仮定を明らかにします。
©Serge Bertasius / Adobe Stock
例。 NLPベースの仮想アドバイザーに「単一のブイ係留（SBM）ステーションで処理される流量はどれくらいですか？」と尋ねると、SBMステーションの特定のインスタンスに関連する回答が返されました。また、「SBMが処理する流量はパイプラインのサイズに応じて異なります」と返され、これがどのように発生するかの説明が続きます。これら2つの答えは、一緒に見ると、SBMステーションの設計が複数存在し、範囲を考慮するか、特定のSBMを指定する必要があることを示しています。 NLPベースの仮想アドバイザーがないと、経験の浅いユーザーが情報を精査してドキュメント内の単一の値を見つけ、不完全または誤った情報で検索を終了する可能性が高くなります。どちらも問題のあるアクションであり、間違ったソリューションの使用に寄与し、危険な状況を作り出します。
NLPベースの仮想アドバイザーの一般ユーザーは、生成された回答に満足を示しました。ユーザーが仮想アドバイザーツールに質問を送信するたびに、一般的なフォーラムにその質問を投稿するオプションが表示されます。ツールに対する満足度は、ユーザーが質問を一般フォーラムに投稿しないことを選択する可能性として測定されました。ユーザーが質問を投稿しない他の理由があった可能性があります。フォーラムに投稿することを選択した例は、一般に、採取したすべてのサンプルで20分の1近くであり、約95％の満足度につながりました。
企業知識の保持
O＆G企業には、豊富なデジタルデータと知識があります。残念ながら、経験豊富な中小企業が退職すると、新しい技術スタッフは、価値ある情報を収集するための高度なツールを必要とします。 NPLベースの仮想アドバイザーは、O＆G業界の詳細を理解するためのトレーニングを受けることができます。そのような方法は、デジタル文書を時間効率よくレビューし、意思決定のために高品質の情報を提供できます。優れたツールを使用すると、経験の少ないスタッフがより多くの知識を獲得し、生産的になります。
NLPベースの仮想アドバイザーは、O＆G業界の技術チームの仮想個人アドバイザーとして機能し、独自のデータの理解に基づいてリアルタイムのアドバイスを提供します。
[1] Bogdanov、V。、「8ビジネスでのNLPおよびテキストマイニングの使用に関する8つの考えさせる事例、2019年2月15日。
[2] Meyers、Kate、Brown、およびMeyers、「保険会社はNLPテクノロジーを使用してテキストを分析し、詐欺を減らします」、2014年3月19日。
[3] Chickowski、E.、TechTarget、「企業における5つの拡張分析の例」、2019年8月20日。
[4] Larsen、Å。 H.、エクイノールCIO基調講演、石油技術者協会デジタルトランスフォーメーション研究グループ、デジタルトランスフォーメーション年次総会、2019年5月10日、ヒューストン、テキサス。
アレックウォーカーは、テキサス州ヒューストンにある人工知能会社DelfinSiaのCEO兼共同設立者です。スタンフォード大学ビジネススクールでMBAを取得し、ライス大学で化学工学の理学士号を取得しています。 Walkerは、Intel、Inditex、AECOM、GMを含むさまざまな主要組織のデジタルトランスフォーメーションおよび社内起業家プロジェクトを主導してきました。彼は、シェルで炭化水素精製グループの技術サービスエンジニア、技術ツールソフトウェア製品マネージャー、および型破りなO＆Gの貯留エンジニアとして働いていました。
-149269 "ブラジル沖に配備された Subsea 2.0 ツリー (クレジット: TechnipFMC)")
-148501 "(クレジット: エルステッド)")
