Using AI and NLP to eliminate organisational silos

伊曼纽尔Helbert

2024年2月15日

AI and NLP technologies are behind conversation fingerprinting, a new concept that can optimise distribution of information

组织内部——尤其是大型和跨国实体——面临的最大挑战之一是如何传播信息.  然而,, 能够将正确的信息分发给正确的人是建立竞争力的核心，甚至可以证明是游戏规则的改变者.

So, 我们从一个小团队开始调查是否可以使用人工智能(AI)和自然语言处理(NLP)技术来帮助确定和可视化信息的出现和传播. 本质上, 我们想知道，在一个组织内，我们是否能识别出员工在讨论相同的话题，但彼此之间没有重叠——这是一个明确的指标，表明竖井可能阻碍工作场所的信息共享.

Respecting privacy laws and maintaining corporate confidentiality were paramount. 但这也意味着我们需要设计一种方法，使我们能够在不了解对话内容的情况下识别对话主题.

And that’s how we created this concept of conversation fingerprinting.

跨越孤岛的方法

T在这里 are plenty of modes of communications available today, 但我们相信这种对话指纹识别的新方法是对现有工具的补充.

像社区这样的工具——比如专家网络——以及鼓励跨职能网络发展的内部活动. 也有内部社交网络和讨论组，可以简化信息交换.

这些工具之所以有效，是因为它们在成员之间产生了亲密和信任，并且使得使用比单个项目团队可能提供的更广泛的技能来处理跨功能主题成为可能. But they are limited by the way they are constituted, which members are included, 以及讨论的主题——所有这些主题可能仍然被划分在同一个筒仓或地理区域内.

It is also not easy to graphically represent these collaborative tools. 信息流可视化的这一方面——知道信息是从哪里产生的, how it is/is not propagated and who consumes it – is key.

事实上, 可视化是基于图的理论的核心，如社会网络分析(SNA)和组织网络分析(ONA)。. 这些理论可以用来模拟和分析组织内部的相互作用, 每个员工表示图中的一个节点，节点之间的边表示交互. 它们存在于网页排名和购买推荐等消费者和商业应用程序背后，可用于检测通信障碍或调整团队以优化效率.

这些理论的好处是，它们可以显示谁与谁有Contact，以及Contact的频率, and even estimate the amount of information exchanged. By modelling the communications graph on the organisation graph, 有可能通过改变组织结构来匹配通信流的结构来确定提高生产力的方法.

仍然, 这些基于图的理论仍然受到限制，因为它们只考虑与通信流量和节点相关的统计数据. That does not account for the semantic content of conversations, 假设交换的信息自然地与每个小组的任务和使命Contact在一起.

Conversation fingerprinting

By introducing AI and NLP technologies in our study, we learned that we could change this and uncover new perspectives.

So, what is this notion of a conversation fingerprint? 本质上, it’s a unique identifier for information exchanged between two employees, with each piece of information encoded in the form of a fingerprint. 在应用这个概念时，我们的目的是评估指纹之间的相似性. 

By associating these processes with conversation graphs, 这样就有可能可视化信息传播的分支, at what speed and with what intensity. 

更好的是, 可以看到类似的对话出现在图表中没有相互连接的部分. 

The latter is an important aspect of community management and promotion. It enables different entities working on similar subjects to be brought together, 从而鼓励跨学科互动，优化人才和精力.

从这里到哪里

This research has been very promising. 它不仅验证了解决方案体系结构的相关性和性能, 但它也开辟了新的使用领域——比如智能搜索——使人们有可能找到隐藏在对话流中的特定信息. 

与大型语言模型(llm)相比，这种更节俭的人工智能方法对环境有好处。. While Generative AI has made headlines of late, this technology is proving to be a massive energy user. 

人工智能和自然语言处理技术的结合提供了一种更便宜、更可控的替代方案, while respecting the confidentiality of corporate and employee data. 这使得对话指纹识别作为一种打造高绩效社区、提高竞争力的工具更加引人注目.