FunnelAI использует обработку естественного языка, ветвь машинного обучения, чтобы связать компании со своими клиентами. Наши передовые алгоритмы помогают компаниям и командам максимально использовать свои уникальные человеческие навыки, предоставляя им клиентов, которые намерены приобрести их продукт.
Однако технологические компании — не единственные организации, использующие машинное обучение, чтобы помочь людям полностью раскрыть свой потенциал. Новостные организации все чаще используют методы машинного обучения для выявления тенденций, обработки данных и подготовки журналистских расследований. Как сообщал Wired в прошлом году, Рейтер внедряет инструмент под названием Lynx Insight, который поможет репортерам анализировать данные и проводить мозговой штурм идей для историй.
Рег Чуа, исполнительный директор Reuters, специализирующийся на данных и инновациях, отметил, что анализ Lynx предназначен для расширения человеческих возможностей. «Цель состоит в том, чтобы повысить ценность того, что они сделали бы, и освободить их для изучения углов, на которые у них ушло бы больше времени», — сказал он Wired.
FunnelAI использует аналогичный подход к использованию машинного обучения. Как и Reuters, мы используем технологии, чтобы позволить компаниям сосредоточиться на своих уникальных человеческих возможностях. Мы даем нашим пользователям возможность творчески использовать свои маркетинговые и коммерческие ресурсы, чтобы обращаться к своим клиентам в режиме реального времени.
В то время как такие газеты, как The Washington Post, используют ИИ для написания целых статей о местных видах спорта и других шаблонных темах, тенденция машинного обучения в журналистике в первую очередь предполагает сотрудничество человека и машины. Например, The Atlanta Journal-Constitution использовала машинное обучение в расследовании сексуальных домогательств и злоупотреблений со стороны врачей.
В 2016 году газета собрала 10 000 дисциплинарных документов и использовала машинное обучение, чтобы определить, связаны ли записи с сексуальным домогательством. «Затем мы создали компьютерную программу, основанную на машинном обучении, чтобы считывать каждый случай и, основываясь на ключевых словах и их взаимосвязи друг с другом, а также на других факторах, присваивать каждому рейтинг вероятности того, что он был связан со случаем сексуального домогательства врача. The Atlanta Journal-Constitution сообщает.
История Atlanta Journal-Constitution получила национальное признание как яркий пример того, как машинное обучение может помочь журналистам разоблачать злоупотребления властью. Другими примерами метода, используемого в журналистике, являются расследование BuzzFeed News о скрытых самолетах-шпионах, выявление ProPublica приоритетов и политических сообщений политики Конгресса, а также пометки New York Times/ аннотация прототип.
Хотя инновации в журналистике не были в центре внимания книги Человек + машина: переосмысление работы в эпоху ИИ, опубликованной ранее в этом году руководителями Accenture Полом Р. Догерти и Х. Джеймсом Уилсоном, она Очевидно, что эти инновации являются примером того, как умные организации заполняют недостающую середину.
Как объясняет Человек + машина, машины в недостающей середине помогут расширить возможности человека, выполняя задачи и собирая данные, повышающие производительность. Как утверждают авторы, новостные организации и предприятия пользуются этим новым сотрудничеством, чтобы наделить людей сверхспособностями. Недостающая середина — это именно то, где работает FunnelAI. Узнайте больше о том, как мы используем машинное обучение, чтобы помочь вам максимально раскрыть потенциал вашей организации.
