它的需求可能只有初中語文即可。但是，NLP的數(shù)據(jù)需求早已超過這樣的標(biāo)注太多。

例如，客服詢問用戶是否購買此商品時(shí)，“我要和家人商量一下”、“我會(huì)考慮”、“我現(xiàn)在不方便，你一會(huì)兒再打過來”，標(biāo)注人員得準(zhǔn)確標(biāo)注出暫不購買，暫不考慮，拒絕購買或者興趣較大等多種意圖。

一方面，這依賴于平臺(tái)進(jìn)行的場(chǎng)景深挖，這也是為什么云測(cè)數(shù)據(jù)智能客服單個(gè)場(chǎng)景的意圖標(biāo)注就分為10－20個(gè)大類、上百個(gè)子類，根據(jù)業(yè)務(wù)需求可能還會(huì)有進(jìn)一步的標(biāo)注細(xì)分，如此數(shù)據(jù)標(biāo)注可以更細(xì)化、直達(dá)需求。

另一方面，這繞不開人員能力的持續(xù)培訓(xùn)，把“干體力”的標(biāo)注工人轉(zhuǎn)化成懂一些專業(yè)的業(yè)務(wù)人員，典型的如云測(cè)數(shù)據(jù)在金融服務(wù)領(lǐng)域通過幾個(gè)月的專業(yè)培訓(xùn)，培養(yǎng)出銷售人員視角去揣測(cè)用戶話語中的意圖。

舉例來看，在客服溝通中，用戶回饋“我在開車”這短短的一個(gè)語料數(shù)據(jù)，可能需要標(biāo)記出“有車一族”、“司機(jī)”、“沒有明顯拒絕”、“可能有興趣”等多個(gè)標(biāo)注給NLP算法，按云測(cè)數(shù)據(jù)自己的說法，其培訓(xùn)達(dá)到的目標(biāo)，是讓標(biāo)注員工達(dá)到成為專業(yè)員工的水準(zhǔn)。

顯然，在NLP標(biāo)注數(shù)據(jù)的初期階段將各大金融機(jī)構(gòu)的AI客服機(jī)器人訓(xùn)練到大致相當(dāng)?shù)某跫?jí)認(rèn)知智能水平后，再進(jìn)行提升、提高銷售轉(zhuǎn)化或者服務(wù)滿意度，都需要質(zhì)量更高、針對(duì)特定需求更強(qiáng)的NLP標(biāo)注數(shù)據(jù)。

值得一提的是，在NLP領(lǐng)域不是所有標(biāo)注都能通過人員培訓(xùn)來解決，醫(yī)療、法律等過于專業(yè)的領(lǐng)域可能還是依賴專家標(biāo)注（邀請(qǐng)醫(yī)生、律師等參與標(biāo)注），那是一個(gè)更復(fù)雜的故事了。

4、工具使用，持續(xù)加碼“便捷化”

工欲善其事必先利其器，NLP的標(biāo)注雖然不像CV有很多空間維度的數(shù)據(jù)需求，但工具提升便捷度進(jìn)而提升標(biāo)準(zhǔn)效率和準(zhǔn)確性的價(jià)值仍然不可小覷。

這方面，巨頭的腳步更早，在國外，Google Fluid Annotation一度是NLP標(biāo)注“最好使”的工具，國內(nèi)，大廠和專業(yè)平臺(tái)的工具也被廣泛使用，云測(cè)數(shù)據(jù)在工具上的創(chuàng)新優(yōu)勢(shì)很明顯。

總體而言，標(biāo)注工具適合自己的才是最好的。這種根據(jù)定制化需求開發(fā)貼合實(shí)際需要的數(shù)據(jù)工具對(duì)場(chǎng)景化數(shù)據(jù)的生產(chǎn)，發(fā)揮著重要作用。

無論如何，持續(xù)加碼“便捷化”，是一個(gè)不會(huì)停止的過程。

NLP數(shù)據(jù)產(chǎn)業(yè)的機(jī)會(huì)，將會(huì)是誰坐莊？

在AI領(lǐng)域，雖然有大廠走在前列，但市場(chǎng)并沒有被巨頭壟斷，中型AI平臺(tái)也常常嶄露頭角成為主角。以AI數(shù)據(jù)服務(wù)領(lǐng)域?yàn)槔�，像云測(cè)數(shù)據(jù)這種專注于企業(yè)服務(wù)的第三方獨(dú)立平臺(tái)，以客戶為中心的企業(yè)基因，一直貫穿在數(shù)據(jù)交付的始終。

一個(gè)典型的表現(xiàn)是，高精確度的NLP數(shù)據(jù)需要以企業(yè)服務(wù)的心態(tài)與客戶仔細(xì)對(duì)接需求，例如，用戶需求的場(chǎng)景是什么，如果是訂票，AI問答應(yīng)該主要導(dǎo)向訂票，對(duì)應(yīng)的NLP數(shù)據(jù)也要往這個(gè)方向去標(biāo)注。

這一過程中需要數(shù)據(jù)服務(wù)人員對(duì)需求進(jìn)行拆解、預(yù)判甚至提前給出建議，與客戶反復(fù)溝通確認(rèn)達(dá)成一致后，才能真正地去作業(yè)。大廠偏重于技術(shù)架構(gòu)、前沿技術(shù)開發(fā)、云服務(wù)器中心大規(guī)模并發(fā)能力等建設(shè)，很難俯下身好好完成這件事，這時(shí)候，AI數(shù)據(jù)專業(yè)化平臺(tái)更有優(yōu)勢(shì)。

此外，影響競(jìng)爭(zhēng)格局走向的還有數(shù)據(jù)服務(wù)的安全性。

在數(shù)據(jù)采集與標(biāo)注行業(yè)，復(fù)制一份數(shù)據(jù)在技術(shù)上非常簡(jiǎn)單，也能節(jié)省大量的人力和運(yùn)營(yíng)成本，但給客戶帶來的損失卻不�。ㄓ绕涫潜桓�(jìng)爭(zhēng)對(duì)手拿到），保證數(shù)據(jù)隱私性和安全性，在AI激烈的競(jìng)爭(zhēng)環(huán)境下幾乎成為某些客戶的首要決策標(biāo)準(zhǔn)。

總而言之，高專業(yè)度、高精準(zhǔn)度、高效率、強(qiáng)安全才能贏得AI數(shù)據(jù)客戶尤其是NLP數(shù)據(jù)客戶的選擇，不論巨頭還是AI數(shù)據(jù)專業(yè)化平臺(tái)在行業(yè)爆發(fā)式增長(zhǎng)的關(guān)口都在努力，落實(shí)和推進(jìn)了諸多動(dòng)作。NLP數(shù)據(jù)產(chǎn)業(yè)正處在藍(lán)海，一個(gè)不會(huì)由巨頭坐莊的藍(lán)海。