人工智能現在已經在阿裡巴巴智能HR、智能法務等多個領域得到了廣泛應用。那麼阿裡巴巴究竟是如何通過AI等技術手段，賦能組織，讓企業順利完成數字化轉型的？
本期文章，來自阿裡巴巴企業智能的資深算法專家李波将為大家解開阿裡企業智慧大腦的神秘面紗。
"業務上雲、資料整合、應用創新"是打造企業智慧大腦的三個步驟。結合阿裡巴巴企業智能的實際經驗，李波認為可以從下述三點最佳實踐中着手：
1、打破資訊孤島。
這裡的"資訊孤島"主要針對企業内部的資料不互通。造成原因一是業務發展的不均衡，以及技術系統發展的先後關系。這就造成兩個系統在描述同一個業務概念的時候，使用了不同的資料模型，導緻資料無法打通。
二是大量的資料還存在于線下，比如紙質檔案，法律文書、報帳票據以及使用者行為（如：會議室是否正在被使用）等。此時需要運用NLP，CV等AI技術，結合相對低成本的Iot裝置，來打破資訊孤島，幫助我們提升效率。
2、深度融入應用。
以行業+AI的方式，将AI融入應用。傳統行業的組織内部運作已經較為成熟，但是有大量的人工工作，效率較低，且容易出錯。AI的介入，能夠更好提升營運效率。
3、C2B遷移。
即C類成功的AI經驗遷移到B類應用中。李波認為，雖然C類與B類應用存在差異，但一些好的C類經驗與技術實踐能幫助B類場景中, ，有效地縮短企業智慧大腦的建構路徑。而這可以是未來5-10年，建設企業智慧大腦的重點探索方向。
結合這三點最佳實踐，阿裡巴巴在智慧HR、智慧法務領域都已取得到一些成功嘗試：
智慧HR
智能晉升輔助——AI減少人工主觀偏差
在HR的晉升場景中，如果一個有一定規模的團隊要去考慮人員晉升，通常會遇到如下兩個問題：1、有哪些候選人有晉升潛力。2、不同候選人，誰更符合晉升标準。
以往主要是由主管與HR來給出答案，但這中間會存在不可避免的人工偏差。如果用AI提供輔助決策，就可能盡量減少人工帶來的主觀偏差。
基于阿裡巴巴集團内部資料，從績效和潛力、沉澱和分享、品質和産出、投入和效率這四個次元，阿裡巴巴建構了一個客觀的名額體系，并在這一體系中搭建機器學習模型，能對晉升做出輔助預判。
比如，某位候選人，他與晉升标準、與以往的晉升案例對比，他的晉升機率會有多少，以此來幫助主管或HR做決斷。
目前智能晉升輔助系統的AI決策主要作用在提名和評審階段。針對初級和中級職位，智能晉升輔助系統已經達到98%的預測準确率。并且能夠覆寫40%的潛在晉升人群。對于阿裡巴巴這樣一個大的集團而言，這個數字對于企業效率的提升已經起到相當大的作用。
面試官評價模型——AI提升效率深入洞見
此外，阿裡巴巴還為HR晉升工作建立了面試官評價模型。
面試官的面試技能和成熟度，直接決定了招聘的效率和效果。但不同于晉升輔助模型，面試官模型缺乏客觀的曆史資料。
對此，建構面試官評價模式時需要選擇用主動學習的方式，将人工模組化與機器模組化結合。
在人工模組化階段，深入引入專家經驗，人工生成指向性規則名額。再通過對樣本的人工标注結果，去反推資料進行調整，直到生成最終的面試官評價。
有了人工标注的資料後，再進入到機器模組化階段。在機器模組化中，不僅能得到自動模型，還能從資料裡挖掘特征，如：符合哪些特征的面試官，他有哪些傾向性。這些資料特征再反過來輔助人工模組化與标注。
通過Active Learing，這一面試官評價模型在對面試官評價的準确度上能保持在90%以上，并且覆寫20%的面試官。雖然20%的覆寫數字本身可能不大，但它已經足夠支撐招聘團隊去針對面試官做出面試技能教育訓練、複盤跟進等相應營運調整。
智能花名——AI催化有溫度的組織文化
花名是阿裡巴巴獨特的文化，也是阿裡這個有溫度的組織文化展現。但由于每個員工花名的獨一性，即使離職員工花名也會得到保留，是以新同學入職後發現取花名很難。
于是在新人取花名的場景中，AI提供了這樣一個功能——智能花名。它可以随機推薦花名，也可以指定關鍵詞去檢索花名，甚至還可以基于描述、釋義偏好來取名。例如，你希望花名中含有"在前面開路引導的人"的意義，智能花名系統就會推薦"先驅"、"先鋒"、"開拓"等花名給你。智能花名系統上線以來，員工采納率達到60%以上。
智慧法務
自動文書稽核——AI将重複繁冗的業務環節自動化
自動文書協定稽核就是開頭提到與8名專業律師PK的AI機器人。它能自動稽核協定中存在的潛在風險，并給出建議。能進一步降低平台風險。目前，自動文書協定稽核的識别準确率在98%左右，能檢測出85%的違規内容。
除了協定稽核外，AI還能幫助進行合同形式的稽核。包括合同文本内容一緻性稽核、合同金額正确性檢查（如大寫金額和小寫金額是否一緻）、條款完備性檢查以及序号、錯别字檢查等。這些都是在日常工作中能夠極大幫助法務人員，從日常大量繁瑣工作中解放出來，專注到更有創造性的工作中去。
智能文書錄入——AI讓線上線下的資訊無縫對接
大量法律文書，無論是合同文書，訴狀，還是證據等，主要以紙質形式存在。怎樣把紙質檔案快速錄入到系統中，是提升整個工作效率最關鍵的一環。
智能文書錄入就為這一法務場景提供解決辦法。它不僅能将線下文本自動轉化到線上，更能自動提取錄入關鍵資訊。
紙質檔案在完成掃描後，通過OCR識别出文本内容，同時通過成熟的NLP技術，對文本進行分析與資訊抽取，提取出一些關鍵字段，例如甲方乙方等。同時，系統還能對條款進行些分類，比如條款屬于哪些類型，又有哪些條款需要重點關注。目前文書抽取的準确率達到98%，條款分類的準确率在94%左右。
這些智能錄入的文書資訊，後續無論是做搜尋的應用，還是BI統計應用，都非常有用。
智能合同搜尋——AI讓合同搜尋更快速、準确和安全
法務同學在日常工作中的合同檢索量較大，在這一場景中，智能合同搜尋功能能做到毫秒級别的檢索性能和檢索響應，確定時效性。
此外，合同檢索對安全性和保密性要求極高，這套系統在開發和部署階段，實作了一整套密态檢索功能，能有效保障資料的安全性。
目前，針對法律文書的特點，系統還實作了定制化檢索和排序的流程，使得整體檢索相關度在90%以上。
企業智慧大腦是新興的一個領域，未來，阿裡巴巴也将不斷深化AI應用，實作企業的數字化轉型。