인공지능 기술을 기반으로 하는 지능형 검색은 데이터 사일로를 제거하고 직원 및 고객들이 필요한 정보를 빠르고 쉽게 찾을 수 있도록 지원합니다. 일반 사용자는 지능형 검색을 사용하여 형식에 상관없이 (회사 내부 또는 외부) 어디서나 데이터 세트에서 정보를 추출할 수 있습니다(데이터베이스 내 빅데이터, 문서 관리 시스템, 디지털 콘텐츠, 웹 페이지, 종이 문서 등 어디서나 가능함). 지능형 검색 및 엔터프라이즈 검색은 자연어 검색, AI 검색 또는 AI 기반 검색 및 코그너티브 검색과 같은 의미로 사용됩니다.

엔터프라이즈 정보 검색 시스템은 공용 인터넷이 등장하기 훨씬 이전부터 존재했습니다. 다중 사용자 메인프레임 컴퓨터 시스템을 구현하는 데 따른 초기의 혜택 중 하나는 대규모 문서 저장소에서 텍스트 문자열과 정확히 일치하는 항목을 찾음으로써 정보를 쉽게 발견했다는 것입니다.

데스크탑 컴퓨팅 및 기업 인트라넷의 성장에 발맞춰, IBM Storage and Information Retrieval System(STAIRS) 및 로컬 검색 툴 FAST(나중에 Microsoft에서 인수함)와 같은 상용 엔터프라이즈 검색이 엔터프라이즈 컴퓨팅의 주류가 되었습니다.

그러나 Google(및 그 전신인 AltaVista)과 같이 공개적으로 액세스할 수 있는 무료 웹 검색 엔진이 등장하고 그 인기가 높아지면서 정보 검색, 콘텐츠 발견 및 엔터프라이즈 검색 플랫폼에 대한 사용자의 기대에 급격한 변화를 가져왔습니다.

 엔터프라이즈 검색 툴을 통해 조사해야 하는 데이터의 볼륨과 다양성이 빠르게 증가하는 상황에서, 결과 검색 속도는 코그너티브 검색 알고리즘 성능의 핵심 지표가 되었습니다. 오늘날의 지능형 검색 솔루션은 빅데이터 워크로드의 성능 요구사항을 처리할 수 있는 아키텍처에 구축해야 합니다. 광범위한 API 기반 통합 및 자동화 기능이 포함된 클라우드 인프라는 필요한 확장성을 제공하므로, 일반적으로 작업에 가장 적합합니다.

기업은 "새 제품 배송이 지연되는 이유는 무엇입니까?" 또는 "지난 주에 가장 많이 보고된 고객의 불편 사항은 무엇입니까?" 등의 비즈니스 특정 답변을 찾는 데에는 Google 또는 기존의 다른 검색 엔진을 사용할 수 없습니다. 지능형 검색은 검색 엔진 및 웹 검색(예: Bing, Google 검색 또는 AskJeeves)과 달리 비즈니스에 특화된 정보 및 답변을 제공합니다.

인공지능은 지능형 검색을 기반으로 작동하며 다음과 같은 기능을 제공합니다.

• 인간의 언어 이해. 비즈니스 데이터는 지속적으로 업데이트되며 도메인 특정 용어로 작성됩니다. 자연어 처리 기능은 지능형 검색 애플리케이션이 여러 데이터 소스의 디지털 콘텐츠를 이해하고 이에 대한 쿼리를 수행하도록 지원합니다. 시맨틱 검색 및 컨텍스트 이해는 지능형 검색을 통해 일상 언어 및 복잡한 문서 내부에서 발견되는 미묘한 언어적 차이, 동의어 및 관계를 분석합니다.
• 문서 구조 학습. 지능형 검색 툴(예: IBM Watson Discovery)에는 수많은 데이터 소스를 파악하도록 확장성을 갖춘 문서 이해 AI가 있습니다. 머신 러닝은 지능형 검색을 활용하여 엔터프라이즈, 산업 또는 도메인 공간에 특정한 문서의 시각적 구조를 학습할 수 있습니다. 이러한 이해를 바탕으로, 지능형 검색은 머리글, 바닥글, 차트 및 표와 같은 요소를 빠르게 학습하고 식별합니다. 바로 사용할 수 있는 기능을 활용하면, 계약, 구매 주문서 및 송장 등의 문서 유형을 인식할 수 있습니다.
• 머신 러닝 활용. 머신 러닝 및 딥 러닝은 원활하고 즉각적인 쿼리 제안을 작성하고, 시간이 지남에 따라 검색 쿼리 결과의 관련성을 지속적으로 개선하여 사용자에게 최상의 가치를 제공하는 정보를 예측합니다.
• 검색 결과 필터링. 패싯 검색 및 필터링된 검색은 범위를 좁힐 뿐만 아니라 데이터 컬렉션에서 특정 정보를 찾을 수 있습니다.
• 콘텐츠 분류 및 카테고리화. 엔티티 추출은 텍스트 데이터 요소를 찾아 사람, 제품, 오브젝트 유형 또는 조직의 이름과 같은 사전 정의된 카테고리로 분류합니다.

• 데이터 소스 연결 및 데이터 수집: 어디서든 답변과 인사이트를 추출하려면, 정형 및 비정형 데이터를 연결하고 크롤링해야 합니다. "커넥터"를 사용하면 Salesforce, Box, Microsoft SharePoint,  데이터베이스, 웹 크롤러 또는 업로드 데이터와 같은 콘텐츠 소스에 플러그인할 수 있습니다.
• 콘텐츠 인덱싱: 콘텐츠 인덱싱은 통합된 단일 검색 인덱스를 작성하여 출처에 관계없이 검색 결과의 동일한 순위를 고려합니다.
• 콘텐츠 강화: 인사이트를 쿼리하고 추출하는 기능은 콘텐츠에서 메타데이터를 추출하는 기능에 달려 있습니다. 주요 콘텐츠를 분류 및 식별하기 위해 엔티티 추출 및 감정 분석과 같이 바로 사용할 수 있는 자연어 처리 강화 기능을 활용하여 콘텐츠를 보강할 수 있습니다.
• 콘텐츠 분석: 문서의 콘텐츠를 파악하고, 이를 분류하여 개별 콘텐츠 간의 의미론적 상관관계를 생성합니다.
• 답변 제공 및 인사이트 표시: 지능형 스코어링 알고리즘이 구절의 순위를 지정하고, 쿼리에 대한 답변으로 사용자에게 가장 정확하고 관련성이 높은 구절 및 스니펫을 제공합니다.

지능형 검색은 자언어 쿼리 내의 용어를 색인화된 정보 내의 콘텐츠와 비교합니다.

• 질문 - "회사에서 사용할 수 있는 휴가는 며칠인가요?"
• 구문 및 명령 - "담보 대출을 신청합니다."
• 키워드 - "보험료."

• 의사결정을 주도하는 인사이트 발견: 비정형 텍스트 데이터에는 다양한 인사이트가 숨겨져 있습니다. 지능형 검색 애플리케이션은 실시간 인사이트를 빠르고 정확하게 나타낼 수 있도록 자연어 처리를 사용하여 의미를 식별하고 소셜 미디어(Twitter, LinkedIn), 고객 피드백, 전자 상거래 보고서 및 유지관리 기록과 같은 데이터 소스 전반에 걸쳐 상관관계를 생성합니다.
• 관련성 높은 정보를 직원이 즉시 사용하도록 배치: 지능형 검색을 사용하여 엔터프라이즈 검색 플랫폼, 지식 관리, 콘텐츠 관리 시스템 또는 질문 답변 시스템을 만들어 팀 전체에 간소화된 사용자 경험을 제공합니다.
• 대규모 고객 서비스 제공: 고객에게 매번 정확한 답변을 제시하고 보다 나은 고객 경험을 제공합니다. 고객은 FAQ 그 이상을 원합니다. 오늘날의 고객들은 그 어느 때보다도 웹 사이트 및 모바일 애플리케이션에서 완전한 셀프 서비스를 경험하길 원하고 있습니다. 가상 에이전트 및 지능형 검색을 통해 고객은 독립성을 확보할 수 있습니다. 셀프 서비스 고객은 지원 비용의 절감 및 고객 만족도 향상으로 이어집니다.

기업은 문서 및 데이터를 비정형 및 정형화된 형식으로 여러 소스에 걸쳐 저장합니다. 평균적으로 직원들은 매 근무일마다 정보를 검색하는 데 3시간을 소비합니다.

인사이트와 답변은 회사의 비정형 데이터에서도 쉽게 찾을 수 있어야 합니다. 지능형 검색 기능을 통해 데이터 중심 비즈니스를 구축해야 할 때입니다.

• 시간 단축. 은행은 지식 발견 기능을 자동화하여, 열흘이 걸리던 작업을 단 2분 만에 완료할 수 있었습니다.
• 비용 절감. 에너지 기업 고객은 엔터프라이즈 지식 기반 내에서 관련 정보를 검색하는 데 소요되는 시간을 단축함으로써 1천만 달러 이상의 시간적 가치를 절약했습니다. 자세히 보기
• 워크로드 감소. 보험회사 고객은 내부 엔터프라이즈 데이터 워크로드를 읽고 분석하는 작업을 90%까지 감축했습니다. 자세히 보기 
• 수익 증가. 로펌에서는 검색 애플리케이션을 활용하여 비즈니스 프로세스를 개선하고, 생산성을 4배 늘렸으며, 수익이 30% 증가했습니다. 자세히 보기