2,5 Millionen Digitalarbeiter weltweit organisieren mit Sinequa derzeit fünf Milliarden Dokumente und 100 Milliarden Datensätze. Diese jetzt von Sinequa veröffentlichten Zahlen machen das Unternehmen zu einem der Marktführer im Bereich KI-basierte Suche und Analyse. Durch Einsatz der intelligenten Suchplattform gewinnen sie Erkenntnisse und verwertbare Informationen für verbesserte Geschäftsabläufe und intelligentere Entscheidungen.
„Pragmatische KI-Technologie hat einen erheblichen Einfluss auf den Finanzdienstleistungssektor, wo das maschinelle Lernen die Geschäftsprozesse in den Bereichen Kundenservice, Personal Finance, Betrugserkennung und Risikomanagement verändert“, erklärt Dan Faggela, CEO von Emerj, einem Marktforschungsunternehmen für künstliche Intelligenz. „Tatsächlich erweist sich Machine Learning als entscheidender Schritt bei der Modernisierung vieler Workflows und der bestehenden Dateninfrastruktur innerhalb von Banken und anderen Finanzinstituten.“
Bei einer Befragung von 2.000 Führungskräften aus zehn Branchen stellte McKinsey 2018 fest: 47 % der Unternehmen haben KI bereits in ihre Geschäftsprozesse integriert. Dies unterstreicht den raschen Anstieg der Akzeptanz solcher Technologien, denn 2017 waren es erst 20%. Als führender Hersteller im Bereich intelligenter Suche unterstützt Sinequa Unternehmen beim Sprung zur KI, indem die menschliche Intelligenz der Anwenderinnen und Anwender durch maschinelle Lern- und NLP-Funktionen in ihrer gesamten Arbeitsumgebung verbessert wird.
Über das Testen von KI-Modellen in ihren Labors sind Sinequa-Kunden längst hinausgegangen, mittlerweile gibt es leistungsfähige und praxisnahe Implementierungen intelligenter Suchmechanismen in verschiedenen Anwendungsfällen, zum Beispiel:
Identifizierung und Schutz vertraulicher Inhalte im Finanzdienstleistungssektor
Eine der 20 weltweit führenden Banken nutzt die integrierten maschinellen Lernfunktionen von Sinequa, um die Identifizierung und Klassifizierung vertraulicher Inhalte in Übereinstimmung mit ihren internen Richtlinien und externen Vorschriften zu automatisieren. Die geschätzten Vorteile liegen bei über 50 Millionen US-Dollar pro Jahr für Produktivität und Compliance.
Optimierung des Routings von Supporttickets im Kundenservice
Ein globaler Technologieanbieter verwendet Sinequa-Algorithmen, um Helpdesks automatisch zu unterstützen, indem er komplexe Tickets an das jeweilige Expertenteam weiterleitet. Zu den Vorteilen gehören eine schnellere Total Time to Resolution (TTR) und eine Entlastung des Support-Desks. In vielen Fällen ermöglicht es die kombinierte Anwendung von Suche und KI den Kunden, Antworten auf Fragen zu finden, noch bevor sie überhaupt das Support-Center anrufen.
„Dass Geschäftsentscheidungen auf Daten beruhen müssen, ist nichts Neues“, erklärt Vincent Bodin, Leiter des Machine Learning Development Team bei Sinequa. „Bis vor kurzem erforderte die Extraktion verwertbarer Informationen aus Daten im großen Maßstab jedoch einen erheblichen Zeitaufwand und menschliche Analyse. Heute automatisiert Machine Learning den Prozess des Durchsuchens enormer Datenmengen und schlägt den Anwendern verwertbare Informationen vor, die ihnen helfen, schnellere und bessere Entscheidungen zu treffen. Aus Kundenprojekten im vergangenen Jahr wissen wir, dass maschinelles Lernen zu einer erheblichen Wertschöpfung für die jeweiligen Unternehmen beigetragen hat, insbesondere in der Finanzdienstleistungsbranche, wo Vertraulichkeit und Datenschutz wichtige Themen sind.“
„Pragmatische KI-Technologie hat einen erheblichen Einfluss auf den Finanzdienstleistungssektor, wo das maschinelle Lernen die Geschäftsprozesse in den Bereichen Kundenservice, Personal Finance, Betrugserkennung und Risikomanagement verändert“, erklärt Dan Faggela, CEO von Emerj, einem Marktforschungsunternehmen für künstliche Intelligenz. „Tatsächlich erweist sich Machine Learning als entscheidender Schritt bei der Modernisierung vieler Workflows und der bestehenden Dateninfrastruktur innerhalb von Banken und anderen Finanzinstituten.“
Bei einer Befragung von 2.000 Führungskräften aus zehn Branchen stellte McKinsey 2018 fest: 47 % der Unternehmen haben KI bereits in ihre Geschäftsprozesse integriert. Dies unterstreicht den raschen Anstieg der Akzeptanz solcher Technologien, denn 2017 waren es erst 20%. Als führender Hersteller im Bereich intelligenter Suche unterstützt Sinequa Unternehmen beim Sprung zur KI, indem die menschliche Intelligenz der Anwenderinnen und Anwender durch maschinelle Lern- und NLP-Funktionen in ihrer gesamten Arbeitsumgebung verbessert wird.
Über das Testen von KI-Modellen in ihren Labors sind Sinequa-Kunden längst hinausgegangen, mittlerweile gibt es leistungsfähige und praxisnahe Implementierungen intelligenter Suchmechanismen in verschiedenen Anwendungsfällen, zum Beispiel:
Identifizierung und Schutz vertraulicher Inhalte im Finanzdienstleistungssektor
Eine der 20 weltweit führenden Banken nutzt die integrierten maschinellen Lernfunktionen von Sinequa, um die Identifizierung und Klassifizierung vertraulicher Inhalte in Übereinstimmung mit ihren internen Richtlinien und externen Vorschriften zu automatisieren. Die geschätzten Vorteile liegen bei über 50 Millionen US-Dollar pro Jahr für Produktivität und Compliance.
Optimierung des Routings von Supporttickets im Kundenservice
Ein globaler Technologieanbieter verwendet Sinequa-Algorithmen, um Helpdesks automatisch zu unterstützen, indem er komplexe Tickets an das jeweilige Expertenteam weiterleitet. Zu den Vorteilen gehören eine schnellere Total Time to Resolution (TTR) und eine Entlastung des Support-Desks. In vielen Fällen ermöglicht es die kombinierte Anwendung von Suche und KI den Kunden, Antworten auf Fragen zu finden, noch bevor sie überhaupt das Support-Center anrufen.
„Dass Geschäftsentscheidungen auf Daten beruhen müssen, ist nichts Neues“, erklärt Vincent Bodin, Leiter des Machine Learning Development Team bei Sinequa. „Bis vor kurzem erforderte die Extraktion verwertbarer Informationen aus Daten im großen Maßstab jedoch einen erheblichen Zeitaufwand und menschliche Analyse. Heute automatisiert Machine Learning den Prozess des Durchsuchens enormer Datenmengen und schlägt den Anwendern verwertbare Informationen vor, die ihnen helfen, schnellere und bessere Entscheidungen zu treffen. Aus Kundenprojekten im vergangenen Jahr wissen wir, dass maschinelles Lernen zu einer erheblichen Wertschöpfung für die jeweiligen Unternehmen beigetragen hat, insbesondere in der Finanzdienstleistungsbranche, wo Vertraulichkeit und Datenschutz wichtige Themen sind.“
