智能搜索由人工智能技术提供支持，可消除数据孤岛，帮助员工和客户快速轻松地找到所需信息。 最终用户可以使用智能搜索从任何地方（公司内部或外部）和数据集中提取任何格式的信息，包括：数据库中的大数据、文档管理系统、数字化内容、网页和纸质文档等。 智能搜索和企业搜索等同于自然语言搜索、AI 搜索或 AI 支持的搜索以及认知搜索。
企业信息检索系统的出现早于公共互联网。 实施多用户大型机计算机系统最先出现的优势之一是，它们查找与大型文档存储库中的文本字符串完全匹配的内容，以此促进信息发现。
随着桌面计算和企业内部网的增长，商业 企业搜索 解决方案，例如 IBM Storage and Information Retrieval System (STAIRS) 和本地 搜索工具 FAST（后被 Microsoft 收购），成为企业计算的主流。
然而，Google（及其前身 AltaVista）等公开访问的免费网络 搜索引擎的兴起和普及，从根本上改变了用户对信息检索、内容发现和 企业 搜索 平台的期望。
面对 企业 搜索 工具 需要审核的数据数量和种类的快速增长，结果检索速度已成为 认知搜索 算法 性能的关键指标。 如今的 智能搜索 解决方案必须建立在能够处理大数据工作负载的性能需求的架构之上。 由于它们能够提供必要的可扩展性，因此具备广泛的 API 驱动型集成与 自动化 功能的云基础架构通常最适用于智能搜索任务。
企业无法使用 Google 或其他传统搜索引擎来回答特定于业务的问题，例如“为什么新产品发货延迟？”或“上周报告的最大客户挑战是什么？” 与搜索引擎和 Web 搜索（如 Bing、Google Search或 AskJeeves）不同，智能搜索会为您提供特定于业务的信息和答案。
人工智能为智能搜索提供动力，使工具具备以下能力：
- 理解人类语言。 业务数据不断更新，并使用特定于领域的术语编写。 自然语言处理功能使智能搜索应用能够理解和查询来自多个数据源的数字化内容。 语义搜索和上下文理解支持智能搜索分解日常语言和复杂文档中语言的细微差别、同义词和关系。
- 学习文档结构。 智能搜索工具（如IBM Watson Discovery ) 内置用于文档理解的 AI，可以进行扩展以理解许多数据源。 机器学习使智能搜索能够了解特定于企业、行业或领域的文档的可视化结构。 在这种理解能力的基础上，智能搜索可以快速学习和识别页眉、页脚、图表和表格等元素。 借助即用型功能，它可以识别文档类型，例如分辨合同、采购订单和发票。
- 充分利用机器学习。 机器学习和深度学习可创建无缝即时的查询建议，并逐渐提高搜索结果的相关性，从而预测哪些信息将为用户提供最大价值。
- 过滤搜索结果。 分面和过滤搜索可缩小查找范围并在大量数据中查找特定信息。
- 内容分类。 实体抽取将文本数据元素定位并划分为预定义的类别，例如人员姓名、产品、对象类型或组织。
- 连接数据源并采集数据：如果想要从任何地方获取答案和洞察，那么需要连接并搜寻所有非结构化和结构化数据。 “连接器”帮助您与内容源相连， Salesforce、Box、Microsoft SharePoint、 数据库、Web 爬虫或上传的数据等都可以做到。
- 内容分类：内容分类创建单个统一的搜索索引，允许将不同来源的搜索结果按相同类别分类。
- 丰富内容：查询和获取洞察的功能取决于从内容中提取元数据的能力。 通过利用即用的自然语言处理扩充功能（如实体抽取和情感分析）对关键内容进行分类和识别，从而丰富内容。
- 分析内容：识别文档内容，进行分类，并创建各个内容片段之间的语义关联。
- 提供答案与洞察：智能评分算法对段落排序，为用户提供最准确、最相关的段落和片段，来响应他们的查询。
- 发现洞察以推动决策：非结构化文本数据中隐藏着一些洞察。 智能搜索应用使用自然语言处理来识别含义，并跨数据源（如推文和 LinkedIn 等社交媒体、客户反馈、电子商务报告和维护记录）建立关联，以快速准确地提供实时洞察。
- 让员工触手可得相关信息：使用智能搜索创建企业搜索平台、知识管理、内容管理系统或问答系统，在团队内提供简单的用户体验。
- 大规模提供客户服务：持续为客户提供正确答案和更好的客户体验。 客户需要的不仅仅是常见问题解答。 如今的客户比以往任何时候都更希望在您的网站和移动应用程序上实现全面的自助服务 —虚拟客服和智能搜索使客户具备独立性。 独立的客户可以降低支持成本并提高客户满意度。
企业跨多个来源存储非结构化和结构化的文档和数据。 员工每个工作日花在搜索信息上的平均时间是 3 个小时。
在贵企业的非结构化数据中查找洞察和答案应该简单方便。 立即借助智能搜索转型为数据驱动型企业。