Sempre Health 案例研究：加速 NLP 流程的 Hugging Face 專家加速計畫

Sempre Health 透過 Hugging Face 的專家加速計畫合作，實作了一個用於自動訊息分類的機器學習流程。此合作使 Sempre Health 能自動處理超過 20% 的患者簡訊，減少了營運團隊的低價值手動工作，並提升了整體業務的可擴展性。

自動化患者訊息分類

Sempre Health 使用自然語言處理（NLP）來辨識並回應每日數千則患者關於用藥遵從性與可負擔性的簡訊。系統設計用於處理常見需求，例如簡單的致謝（"Thank you"）或特定服務請求如處方續配，這些會觸發自動藥局通知。

從規則式系統轉向統計式機器學習

在採用專家加速計畫之前，Sempre Health 依賴一套規則式系統，該系統成功捕捉約 80% 的來訊。為提升解析的準確度與效率，公司轉而使用 Hugging Face 的語言模型，採取統計式機器學習方法。

儘管團隊在機器學習與 NLP 方面具備內部專業知識，仍對以下事項感到不確定：

• 問題的最佳表述方式。
• 針對其特定使用情境，最有效的模型或神經網路架構的選擇。
• 如何最有效地利用現有的訓練資料。

專家加速計畫的角色

專家加速計畫在 NLP 解決方案的整個實作生命週期中提供技術指導。Hugging Face 團隊的主要貢獻包括：

• Data Labeling: 提供關於取得具代表性且精確的訊息標籤的建議。
• Model Selection: 透過即時辨識適當的模型與方法，縮短研究時間。
• Development Speed: 加速開發流程，使團隊比自行開發更快達到上線。

商業影響與可擴展性

自從上線生產環境的 NLP 流程以來，Sempre Health 持續觀察到近 20% 的來訊由新系統自動處理。這些訊息過去需要為患者營運團隊建立手動工單，亦即自動化直接減少了低價值的手動任務量，並改善了營運工作流程。

對機器學習團隊的建議

Sempre Health 推薦小型團隊或組織使用專家加速計畫，以快速將 AI 流程整合至產品中。此計畫特別適合希望縮短開發時間並減少機器學習開發常見研究負擔的團隊。