지능형 검색이란 무엇인가요?

최종 사용자는 지능형 검색을 사용하여 데이터베이스의 빅 데이터, 문서 관리 시스템, 디지털 콘텐츠, 웹 페이지, 종이 등 형식에 관계없이 어디서나(회사 내부 또는 외부) 데이터 세트에서 정보를 추출할 수 있습니다. 지능형 검색 및 Enterprise Search는 자연어 검색, AI 검색 또는 AI 기반 검색, 인지 검색과 동의어입니다.

엔터프라이즈 정보 검색 시스템은 공용 인터넷이 존재하기 훨씬 전부터 존재해 왔습니다. 다중 사용자 메인프레임 컴퓨터 시스템 구현의 초기 이점 중 하나는 대규모 문서 저장소에서 텍스트 문자열과 정확히 일치하는 항목을 찾아내어 정보 검색을 용이하게 한다는 점입니다.

데스크톱 컴퓨팅과 기업 인트라넷의 성장과 함께 Enterprise Search 솔루션인 IBM Storage and Information Retrieval System(STAIRS) 및 로컬 검색 툴 FAST(나중에 Microsoft에 인수됨)가 엔터프라이즈 컴퓨팅의 주류가 되었습니다.

그러나 Google(및 그 전신인 AltaVista)과 같이 공개적으로 액세스할 수 있는 무료 웹 검색 엔진의 등장과 대중화는 정보 검색, 콘텐츠 검색 및 Enterprise Search 플랫폼에 대한 사용자의 기대치를 근본적으로 변화시켰습니다.

Enterprise Search 도구가 검사해야 하는 데이터의 양과 다양성이 급격히 증가함에 따라 결과 검색 속도는 인지 검색 알고리즘 성능의 핵심 지표가 되었습니다. 오늘날의 지능형 검색 솔루션은 빅데이터 워크로드의 성능 요구 사항을 처리할 수 있는 아키텍처를 기반으로 구축되어야 합니다. 이는 필요한 확장성을 제공하기 때문에 광범위한 API 기반 통합 및 자동화를 갖춘 클라우드 인프라가 일반적으로 작업에 가장 적합합니다.

기업은 Google 또는 기타 기존 검색 엔진을 사용하여 "신제품 배송이 지연되는 이유는 무엇입니까?" 또는 "지난 주에 가장 많이 보고된 고객 문제는 무엇이었습니까?"와 같은 비즈니스 관련 답변을 찾을 수 없습니다. 지능형 검색은 검색 엔진 및 웹 검색(예: Bing, Google Search 또는 AskJeeves)과 달리 비즈니스와 관련된 정보와 답변을 표시합니다.

인공 지능은 지능형 검색을 강화하여 다음과 같은 기능을 툴에 제공합니다.

• 인간의 언어를 이해합니다. 비즈니스 데이터는 지속적으로 업데이트되고 도메인별 용어로 작성됩니다. 자연어 처리 능력을 통해 지능형 검색 애플리케이션이 여러 데이터 소스의 디지털 콘텐츠를 이해하고 쿼리할 수 있습니다. 의미론적 검색과 문맥 이해를 통해 지능형 검색은 일상 언어와 복잡한 문서 내에서 발견되는 언어적 뉘앙스, 동의어 및 관계를 분석할 수 있습니다.
  
  
• 문서 구조를 배웁니다. 지능형 검색 툴(예: IBM Watson Discovery)에는 많은 데이터 소스를 이해하도록 확장되는 문서 이해 AI가 있습니다. 머신 러닝을 사용하면 지능형 검색을 통해 기업, 산업 또는 도메인 공간과 관련된 문서의 시각적 구조를 학습할 수 있습니다. 이러한 이해를 바탕으로 지능형 검색은 머리글, 바닥글, 차트 및 표와 같은 요소를 빠르게 학습하고 식별합니다. 즉시 사용 가능한 기능을 통해 계약서, 구매 주문서, 송장과 같은 문서 유형을 인식할 수 있습니다.
  
  
• 머신 러닝을 활용합니다. 머신 러닝과 딥 러닝은 원활하고 즉각적인 쿼리 제안을 생성하고 시간이 지남에 따라 검색 쿼리 결과 관련성을 지속적으로 개선하여 어떤 정보가 사용자에게 가장 많은 가치를 제공할지 예측합니다.
  
  
• 검색 결과를 필터링합니다. 패싯 검색과 필터링된 검색은 범위를 좁히고 데이터 컬렉션에서 특정 정보를 찾습니다.
• 콘텐츠를 분류하고 카테고리화합니다. 엔티티 추출은 텍스트 데이터 요소를 사람, 제품, 개체 유형 또는 조직의 이름과 같은 사전 정의된 카테고리로 분류합니다.

• 데이터 소스 연결 및 데이터 수집: 어디서든 답을 얻고 인사이트를 얻으려면 모든 비정형 및 정형 데이터를 연결하고 크롤링해야 합니다. '커넥터'를 사용하면 Salesforce, Box, Microsoft SharePoint, 데이터베이스, 웹 크롤러 또는 업로드된 데이터와 같은 콘텐츠 소스에 플러그인할 수 있습니다.
• 콘텐츠 인덱싱: 콘텐츠 인덱싱은 검색 결과의 출처에 관계없이 균일한 순위를 매길 수 있도록 하나의 통합된 검색 인덱스를 생성합니다.
  
  
• 콘텐츠 강화: 인사이트를 쿼리하고 추출하는 기능은 콘텐츠에서 메타데이터를 추출하는 능력에 따라 달라집니다. 엔티티 추출 및 감성 분석과 같은 기본 제공 자연어 처리 강화 기능을 활용하여 주요 콘텐츠를 분류하고 식별하여 콘텐츠를 더욱 풍부하게 만듭니다.
  
  
• 콘텐츠 분석: 문서의 내용을 인식하고, 분류하고, 개별 콘텐츠 간의 의미적 상관관계를 생성합니다.
  
  
• 답변 제공 및 인사이트 표시: 지능형 채점 알고리즘이 지문의 순위를 매기고 사용자에게 가장 정확하고 관련성이 높은 지문을 제공하며 쿼리에 대한 응답으로 스니펫을 제공합니다.

지능형 검색은 자연어 쿼리 내의 용어를 인덱싱된 정보의 콘텐츠와 비교합니다.

• 질문 - "직장에서 휴가를 며칠 사용할 수 있나요?"
  
  
• 구문 및 명령 - "모기지를 신청하려고 합니다."
  
  
• 키워드 - "보험료"

• 의사 결정을 위한 인사이트 발견: 비정형 텍스트 데이터에는 인사이트가 숨겨져 있습니다. 지능형 검색 애플리케이션은 자연어 처리를 사용하여 의미를 식별하고 소셜 미디어(트윗, LinkedIn), 고객 피드백, 전자 상거래 보고서, 유지 관리 기록과 같은 데이터 소스 전반에서 상관 관계를 파악하여 빠르고 정확하게 실시간 인사이트를 제공합니다.
  
  
• 직원이 관련 정보를 손쉽게 확인: 지능형 검색을 사용하여 Enterprise Search 플랫폼, 지식 관리, 콘텐츠 관리 시스템 또는 질문 답변 시스템을 구축하여 팀 전체에 간단한 사용자 경험을 제공합니다.
  
  
• 대규모 고객 서비스 제공: 고객에게 매번 올바른 답변을 제공하고 더 나은 고객 경험을 제공합니다. 고객은 FAQ 그 이상을 원합니다. 이제 고객들은 그 어느 때보다 웹사이트와 모바일 애플리케이션에서 완전한 셀프 서비스를 원합니다. 가상 에이전트와 지능형 검색을 통해 고객은 독립성을 확보할 수 있습니다. 자급자족하는 고객은 지원 비용 절감과 고객 만족도 향상으로 이어집니다.

기업은 여러 소스에 걸쳐 문서와 데이터를 비정형 및 정형 형태로 저장합니다. 직원들은 매일 평균 3시간씩 정보를 검색하는 데 시간을 낭비합니다.

회사의 비정형 데이터에서 인사이트와 해답을 쉽게 찾을 수 있어야 합니다. 이제 지능형 검색을 통해 비즈니스를 데이터 기반으로 전환해야 할 때입니다.

• 시간을 절약합니다. 은행은 지식 검색을 자동화하여 10일 분량의 작업을 2분 만에 완료할 수 있었습니다.
  
  
• 비용을 절약합니다. 한 에너지 고객은 기업 지식 기반 내에서 관련 정보를 검색하는 데 소요되는 시간을 줄임으로써 1,000만 달러 이상의 시간을 절약했습니다.
  
  
• 워크로드가 감소합니다. 한 보험 고객사는 기업 내부 데이터의 읽기 및 분석 워크로드를 90퍼센트 줄였습니다.
  
  
• 수익을 창출합니다. 로펌은 검색 애플리케이션을 사용하여 비즈니스 프로세스를 개선하고 생산성을 4배 향상시켜 30퍼센트의 매출 증가를 달성하고 있습니다.