Grunden för taligenkänning finns i hantering av naturligt språk (natural language processing, NLP) och sådan finns redan i flitigt bruk. Den används till exempel för sökningar, rättstavning, kort sagt i de flesta it-lösningar som har att göra med människors användning av språk, påpekar CIO.com.

Man kan säga att den här typen av lösningar, eller algoritmer, gör det möjligt för datorer att använda språk på samma sätt som människor gör. Och lösningarna efterliknar ofta hur människor använder språk. Ett exempel är maskinöversättning, som har inspirerats av tekniker för att knäcka koder som utvecklades under andra världskriget.

Och utvecklingen går ständigt framåt. Här följer tre exempel på tillämpningar för hantering av naturligt språk, i arbetslivet. De kommer garanterat att bli vanliga.

1. Neural maskinöversättning

Maskinöversättning fungerar ganska bra numera. Eftersom lösningarna efterliknar människans sätt att lära sig språk kan man tänka på de tidiga it-lösningarna inom området som små barn. Efter ett tag, när fler ord har bemästrats, passar en liknelse med en tonåring bättre. Hur bra resultatet blir, beror på hur många ord en lösning får som indata.

Numera finns en variant som kallas neural maskinöversättning. 2016 lanserades till exempel Microsofts Bing Translator som använder tekniken, och senare även Google Translate and Amazon Translate.

Äldre lösningar fungerar bara åt ett håll, till exempel från spanska till engelska. För att jobba med engelska till spanska krävs en ny uppsättning indata. Och ännu värre blir det om ett tredje språk ska hanteras. Med neural maskinöversättning kan man täcka in flera översättningsriktningar, vilket ger stora tidsvinster. Bra kvalitet kan nås under några månader, i stället för år.

Läs också: It-jobb kommer att ersättas av AI – enligt AI-utvecklarna

Det här innebär att tekniken lämpar sig väl för innehåll som inte är kritiskt, som mejl eller regeldokument som inte läses av så ofta.

2. Rekryteringsverktyg

Att använda maskinella lösningar för att analysera cv:n har gjorts länge. Men äldre lösningar är inte helt lyckade, eftersom de tolkar text bokstavligt. Man kan till exempel missa en potentiellt duktig säljare som beskriver sig som ”affärsväxare” i stället för ”extern försäljningsrepresentant”, och så vidare.

Men moderna lösningar klarar av mer än att matcha nyckelord exakt. Ett exempel är att bygga upp nya vokabulär, med rekryterande företags språkbruk som utgångspunkt. Ett annat att ta hänsyn till att det finns skillnader i språkbruk mellan män och kvinnor, mellan olika etniska grupper, etcetera.

Ett annat exempel på användning av ny teknik är mjukvara som hjälper till att formulera jobbannonser riktade mot olika målgrupper och även för att formulera neutrala texter som inte ska stöta bort olika grupper.

Den amerikanska tjänsten Textio använder sig av semantisk analys för att erbjuda sådan här funktionalitet, alltså analys av ords betydelser. Tjänsten ger betyg på texter som skrivs, vad gäller hur gångbara de är för att locka kandidater.

Läs också: Rolls-Royce satsar på självkörande fartyg

3. Sökning i konversationer

Second Mind erbjuder en tjänst som påminner en del om en chatbot. Tjänsten kan lyssna på konversation, alltså tal, under till exempel möten. När vissa fraser hörs, på engelska, som ”vad betyder” eller ”jag undrar” försöker tjänsten hitta svar på frågorna som ställs i resten av meningarna.

Om någon till exempel undrar ”vad var vinsten förra året”, så kan tjänsten söka rätt på ekonomiska rapporter. Användbarheten grundar sig i att Second Mind hävdar att en genomsnittlig anställd på ett företag ägnar 30 procent av sin tid åt att söka efter information. Företag som Wolfram och Microsoft jobbar på liknande lösningar.