传统企业装上“智慧大脑” 看阿里巴巴如何实践AI赋能

“我们找了8位专业律师，和我们的AI机器人做了一个对比，我们的召回率与8位律师相当，但我们的准确率更高些”。

在不久前刚结束的杭州云栖大会上，来自阿里巴巴信息平台事业部的资深算法专家李波，正在向观众展示阿里巴巴的自动文书审核系统。目前这套系统在自动识别的准确度上已经达到98%以上，并在阿里内部法务场景中实践。

实际上，除了自动文书审核系统，人工智能在阿里巴巴智能HR、智能法务等多个领域，已经得到广泛应用。

究竟阿里巴巴是如何通过AI等技术手段，赋能组织，让企业顺利完成数字化转型的？在22日云栖大会的企业应用专场论坛上，李波为大家解开了阿里企业智慧大脑的神秘面纱。

cdn.com/345ee2267f8725035d66b2207aab17ec0开发云主机域名7ac55af.jpeg”>

关于“企业大脑”，目前比较完整的一个表述由浪潮集团在2018年3月的全国两会上提出，即它是基于人工智能、大数据等新IT技术的融合而构建的企业智能化开放创新平台，辅助智能决择和业务自动化，驱动业务系统智能化，实现个性化、定制化、精细化的企业生产和服务。

“业务上云、数据整合、应用创新”是打造企业智慧大脑的三个步骤。结合阿里巴巴信息平台的实际经验，李波认为可以从下述三点最佳实践中着手：

1、打破信息孤岛。

这里的“信息孤岛”主要针对企业内部的数据不互通。造成原因一是业务发展的不均衡，以及技术系统发展的先后关系，造成两个系统在描述同一个业务概念的时候，使用了不同的数据模型，导致数据无法打通。二是大量的数据还存在于线下，比如纸质文件，法律文书、报销票据以及用户行为（如：会议室是否正在被使用）等。此时需要运用NLP，CV等AI技术，结合相对低成本的Iot设备，来打破信息孤岛，帮助我们提升效率。

2、深度融入应用。

以行业+AI的方式，将AI融入应用。

传统行业的组织内部运作已经较为成熟，但是有大量的人工工作，效率较低，且容易出错。AI的介入，能够更好提升运营效率。

3


、C2B迁移。

即

C类成功的AI经验迁移到B类应用中。李波认为，虽然C类与B类应用存在差异，但一些好的C类经验与技术实践能帮助B类场景中, ，有效地缩短企业智慧大脑的构建路径。而这可以是未来5-10年，建设企业智慧大脑的重点探索方向。

结合这三点最佳实践，阿里巴巴在智慧HR、智慧法务领域都已取得到一些成功尝试：

智能晋升辅助——AI减少人工主观偏差

在HR的晋升场景中，如果一个有一定规模的团队要去考虑人员晋升，通常会遇到如下两个问题：1、有哪些候选人有晋升潜力。2、不同候选人，谁更符合晋升标准。

以往主要是由主管与HR来给出答案，但这中间会存在不可避免的人工偏差。如果用AI提供辅助决策，就可能尽量减少人工带来的主观偏差。

基于阿里巴巴集团内部数据，从绩效和潜力、沉淀和分享、质量和产出、投入和效率这四个维度，阿里巴巴构建了一个客观的指标体系，并在这一体系中搭建机器学习模型，能对晋升做出辅助预判。

比如，某位候选人，他与晋升标准、与以往的晋升案例对比，他的晋升概率会有多少，以此来帮助主管或HR做决断。

目前智能晋升辅助系统的AI决策主要作用在提名和评审阶段。针对初级和中级职位，智能晋升辅助系统已经达到98%的预测准确率。并且能够覆盖40%的潜在晋升人群。对于阿里巴巴这样一个大的集团而言，这个数字对于企业效率的提升已经起到相当大的作用。

面试官评价模型——AI提升效率深入洞见

此外，阿里巴巴还为HR晋升工作创建了面试官评价模型。

面试官的面试技能和成熟度，直接决定了招聘的效率和效果。但不同于晋升辅助模型，面试官模型缺乏客观的历史数据。

对此，构建面试官评价模式时需要选择用主动学习的方式，将人工建模与机器建模结合。

在人工建模阶段，深入引入专家经验，人工生成指向性规则指标。再通过对样本的人工标注结果，去反推数据进行调整，直到生成最终的面试官评价。

有了人工标注的数据后，再进入到机器建模阶段。在机器建模中，不仅能得到自动模型，还能从数据里挖掘特征，如：符合哪些特征的面试官，他有哪些倾向性。这些数据特征再反过来辅助人工建模与标注。

通过Active Learing，这一面试官评价模型在对面试官评价的准确度上能保持在90%以上，并且覆盖20%的面试官。虽然20%的覆盖数字本身可能不大，但它已经足够支撑招聘团队去针对面试官做出面试技能培训、复盘跟进等相应运营调整。

智能花名——AI催化有温度的组织文化

花名是阿里巴巴独特的文化，也是阿里这个有温度的组织文化体现。但由于每个员工花名的独一性，即使离职员工花名也会得到保留，所以新同学入职后发现取花名很难。

于是在新人取花名的场景中，AI提供了这样一个功能——智能花名。它可以随机推荐花名，也可以指定关键词去检索花名，甚至还可以基于描述、释义偏好来取名。例如，你希望花名中含有“在前面开路引导的人”的意义，智能花名系统就会推荐“先驱”、“先锋”、“开拓”等花名给你。智能花名系统上线以来，员工采纳率达到60%以上。

上述三个AI系统主要运用在HR领域。在法务领域，阿里巴巴也通过AI手段来处理部分日常工作。

自动文书审核——AI将重复繁冗的业务环节自动化

自动文书协议审核就是开头提到与8名专业律师PK的AI机器人。它能自动审核协议中存在的潜在风险，并给出建议。能进一步降低平台风险。目前，自动文书协议审核的识别准确率在98%左右，能检测出85%的违规内容。

除了协议审核外，AI还能帮助进行合同形式的审核。包括合同文本内容一致性审核、合同金额正确性检查（如大写金额和小写金额是否一致）、条款完备性检查以及序号、错别字检查等。这些都是在日常工作中能够极大帮助法务人员，从日常大量繁琐工作中解放出来，专注到更有创造性的工作中去。

智能文书录入——AI让线上线下的信息无缝对接

大量法律文书，无论是合同文书，诉状，还是证据等，主要以纸质形式存在。怎样把纸质文件快速录入到系统中，是提升整个工作效率最关键的一环。

智能文书录入就为这一法务场景提供解决办法。它不仅能将线下文本自动转化到线上，更能自动提取录入关键信息。

纸质文件在完成扫描后，通过OCR识别出文本内容，同时通过成熟的NLP技术，对文本进行分析与信息抽取，提取出一些关键字段，例如甲方乙方等。同时，系统还能对条款进行些分类，比如条款属于哪些类型，又有哪些条款需要重点关注。目前文书抽取的准确率达到98%，条款分类的准确率在94%左右。

这些智能录入的文书信息，后续无论是做搜索的应用，还是BI统计应用，都非常有用。

智能合同搜索——AI让合同搜索更快速、准确和安全

法务同学在日常工作中的合同检索量较大，在这一场景中，智能合同搜索功能能做到毫秒级别的检索性能和检索响应，确保时效性。

此外，合同检索对安全性和保密性要求极高，这套系统在开发和部署阶段，实现了一整套密态检索功能，能有效保障数据的安全性。

目前，针对法律文书的特点，系统还实现了定制化检索和排序的流程，使得整体检索相关度在90%以上。

企业智慧大脑还是比较新兴的一个领域，未来，阿里巴巴也将不断深化AI应用，实现企业的数字化转型。

相关推荐: graylog3.0收集飞塔防火墙日志

公司有一台飞塔防火墙，是基于utm的，很多功能都过期了，之前我配置了破解的anlayer来收集分析防火墙策略日志，非常好用，但是这玩意要钱，只能试用30天，我是把系统时间调成了2017年，避免到期，但是收集的时间不准，非常麻烦。如下所示：所以想用graylog…