今年德勤技術(shù)趨勢(shì)報(bào)告的主題是“運(yùn)動(dòng)中的企業(yè)”（the kinetic enterprise），這一概念描述了正在發(fā)展靈活性和愿景的公司——如今，公司不僅要克服運(yùn)營(yíng)上的慣性，還要在一個(gè)不斷發(fā)展并將持續(xù)變動(dòng)的商業(yè)環(huán)境中茁壯成長(zhǎng)。

要做到這一點(diǎn)很難。雖然科技進(jìn)步讓我們看到了潛力，但只有少數(shù)幾種技術(shù)可能最終讓我們實(shí)現(xiàn)真正的價(jià)值。更多的實(shí)際上是炒作。只有認(rèn)真鑒別、主動(dòng)出擊，才能將潛能轉(zhuǎn)化為現(xiàn)實(shí)。

在這樣的理念推動(dòng)下，德勤推出了他們迄今第 8 份《德勤技術(shù)趨勢(shì)報(bào)告》。在這份最新報(bào)告中，五大宏觀領(lǐng)域——數(shù)字化、分析、云、核心系統(tǒng)和基礎(chǔ)設(shè)施重構(gòu)，以及 IT在企業(yè)中不斷變化的作用——保持不變，這些都是年復(fù)一年推動(dòng)企業(yè)創(chuàng)新和轉(zhuǎn)型的力量。不過(guò)，盡管這五大力量無(wú)處不在，各個(gè)企業(yè)在采用方面仍然存在很大差異。

今年報(bào)告新增的 3 個(gè)分領(lǐng)域：機(jī)器智能（Machine Intelligence，MI）、混合現(xiàn)實(shí)和區(qū)塊鏈。其中，機(jī)器智能更是作為新增技術(shù)之首，在今年的報(bào)告中占據(jù)了很大的篇幅。根據(jù)德勤預(yù)測(cè)，到 2019年，全球商業(yè)在機(jī)器智能（MI）的支出將達(dá)到 313 億美元。

值得注意的是，德勤報(bào)告認(rèn)為，人工智能（AI）是機(jī)器智能（MI）的一部分，機(jī)器智能是一個(gè)更加廣泛，也是更加重要的領(lǐng)域。機(jī)器智能的幾個(gè)主要分支包括：機(jī)器學(xué)習(xí)（ML）、深度學(xué)習(xí)（DL）、認(rèn)知分析、機(jī)器人過(guò)程自動(dòng)化（RPA）和 Bot。報(bào)告指出，“總體來(lái)說(shuō)，這些技術(shù)和其他工具共同構(gòu)成了機(jī)器智能（MI）”，我們可以將 MI 理解為算法的能力，這些算法能夠增強(qiáng)員工績(jī)效、將日益復(fù)雜的工作自動(dòng)化，并開(kāi)發(fā)出模擬人類(lèi)思維、參與人類(lèi)工作的“認(rèn)知代理”。

德勤指出以下三個(gè)因素推動(dòng)了 MI 的發(fā)展：

• 數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)：如今企業(yè)中充斥著數(shù)據(jù)，迫切需要工具來(lái)分析和處理信息。德勤報(bào)告指出，公司收集的數(shù)據(jù)量每12個(gè)月翻一番，到2020年將達(dá)到約 44 ZT。

• 更快的分布式系統(tǒng)：與數(shù)據(jù)暴增一樣，計(jì)算能力和速度也在飛速提升，現(xiàn)在的物聯(lián)網(wǎng)、各種傳感器和嵌入式智能設(shè)備構(gòu)成了規(guī)模龐大的分布式網(wǎng)絡(luò)。

• 更智能的算法：報(bào)告指出“MI 算法穩(wěn)步發(fā)展，在實(shí)現(xiàn)認(rèn)知計(jì)算模擬人類(lèi)思維過(guò)程初衷的方面有了初步成果”，報(bào)告還預(yù)測(cè)在未來(lái)18到24個(gè)月的時(shí)間里，MI 算法將得到廣泛的使用，包括優(yōu)化、規(guī)劃和調(diào)度；確定概率；實(shí)現(xiàn)機(jī)器人過(guò)程自動(dòng)化及其他任務(wù)。

總的來(lái)說(shuō)，語(yǔ)音識(shí)別、自然語(yǔ)言處理和機(jī)器學(xué)習(xí)等 MI 技術(shù)將幫助企業(yè)自動(dòng)執(zhí)行傳統(tǒng)上由人類(lèi)完成的許多任務(wù)，從而提高效率和生產(chǎn)力。諸如 Alphabet、亞馬遜和蘋(píng)果這樣的大型科技公司則打算向企業(yè)提供這些服務(wù)。反過(guò)來(lái)，風(fēng)險(xiǎn)投資公司也將其投資組合加到整個(gè)食物鏈的底層。

在德勤 2016 年全球 CIO 調(diào)查中，1200 名IT 高管被要求說(shuō)出他們計(jì)劃在未來(lái)兩年投入大量資金的新技術(shù)：其中有 64% 的人列舉了認(rèn)知技術(shù)或 MI。

德勤報(bào)告中還包括了對(duì)企業(yè)應(yīng)用 MI 的一些建議。亞馬遜副總裁兼 CEO 技術(shù)顧問(wèn) Maria Renz 和亞馬遜 Alexa 總監(jiān) Toni Reid 在報(bào)告中寫(xiě)道：“我們建議你分析客戶群，傾聽(tīng)他們，了解他們的核心需求以及如何讓他們的生活更容易……不要害怕代替客戶發(fā)明新的東西——客戶并不總是知道自己想要什么。如果你在客戶體驗(yàn)方面正確聚焦，其余的自然水到渠成。”

以下為報(bào)告節(jié)選：
 

機(jī)器智能——技術(shù)模擬人類(lèi)認(rèn)知來(lái)創(chuàng)造價(jià)值

人工智能快速的進(jìn)化已經(jīng)帶來(lái)了大量獨(dú)特的東西，盡管它們總是被誤解的。AI 的能力，比如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、認(rèn)知分析、機(jī)器人自動(dòng)化（RPA）、bot等等。總體上，這些和其他的工具組成了機(jī)器智能：算法的能力可以增強(qiáng)雇員的表現(xiàn)、將越來(lái)越復(fù)雜的工作自動(dòng)化，并且開(kāi)發(fā)出能夠模擬人類(lèi)思維和參與的“認(rèn)知智能體”，在高級(jí)的分析方法中，機(jī)器智能代表了未來(lái)。

數(shù)據(jù)（DATA）作為一種關(guān)鍵商業(yè)資產(chǎn)的崛起一直是每個(gè)“技術(shù)趨勢(shì)”報(bào)告中的一個(gè)主題，從管理其爆炸式增長(zhǎng)的數(shù)量和復(fù)雜性所需的基礎(chǔ)功能到越來(lái)越復(fù)雜的分析工具技術(shù)，再到從數(shù)據(jù)庫(kù)中挖掘業(yè)務(wù)洞察都是如此。

通過(guò)利用分析來(lái)發(fā)掘在不斷增長(zhǎng)的數(shù)據(jù)存儲(chǔ)中隱藏的模式，洞察和機(jī)會(huì)，一些公司已經(jīng)能夠開(kāi)發(fā)新的用戶參與方式、增強(qiáng)員工的技能和智力、培育新產(chǎn)品和服務(wù)、探索新的商業(yè)模式。今天，越來(lái)越多的CIO正在積極奠定讓其組織更具洞察能力所需的基礎(chǔ)。

人工智能（AI）——能夠執(zhí)行通常需要人來(lái)完成的任務(wù)的人工智能（AI）技術(shù)—正在成為這些分析工作的重要組成部分。然而，AI 只是認(rèn)知計(jì)算領(lǐng)域中更大、更引人注目的一系列發(fā)展的一部分。比AI 更大的是機(jī)器智能（MI），這是代表新的認(rèn)知時(shí)代的一系列進(jìn)步的總稱(chēng)。我們?cè)趫?bào)告中提到了近年來(lái)取得快速發(fā)展的一些認(rèn)知工具：機(jī)器學(xué)習(xí)，深度學(xué)習(xí)，高級(jí)認(rèn)知分析，機(jī)器人自動(dòng)化和 bot，僅舉幾例。

我們已經(jīng)在各個(gè)領(lǐng)域看到開(kāi)始出現(xiàn)機(jī)器智能的早期使用案例。例如，在美國(guó)，一家運(yùn)行全美最大的醫(yī)學(xué)研究計(jì)劃之一的醫(yī)院正在“訓(xùn)練”其機(jī)器智能系統(tǒng)以分析存儲(chǔ)在醫(yī)院數(shù)據(jù)庫(kù)中的100億張遺傳和基因圖像。在金融服務(wù)中，認(rèn)知銷(xiāo)售助理使用機(jī)器智能與有希望的銷(xiāo)售線索發(fā)起聯(lián)系，然后鎖定，跟進(jìn)并維持這種聯(lián)系。這個(gè)認(rèn)知助手可以解析自然語(yǔ)言，以了解客戶的對(duì)話問(wèn)題，同時(shí)處理多達(dá)27,000個(gè)會(huì)話和幾十種語(yǔ)言。

在接下來(lái)的幾個(gè)月中，我們會(huì)看到類(lèi)似的應(yīng)用案例，因?yàn)闀?huì)有更多的公司正在試圖利用機(jī)器的力量。在機(jī)器智能各個(gè)方面的投入已經(jīng)增加，預(yù)計(jì)2019年將達(dá)到近313億美元。機(jī)器智能也成為CIO的優(yōu)先考慮事項(xiàng)。德勤的2016年全球CIO調(diào)查中，1,200名IT高管提到了他們計(jì)劃在未來(lái)兩年內(nèi)大幅投資的新興技術(shù)，其中 64％的人提到了認(rèn)知技術(shù)。
 

我們今天提到的認(rèn)知計(jì)算，實(shí)際上起源于20世紀(jì)50年代，它是一種有遠(yuǎn)見(jiàn)的努力方向，希望讓技術(shù)模擬人類(lèi)智能。雖然有些原始的AI技術(shù)在20世紀(jì)80年代已經(jīng)開(kāi)始商業(yè)化，但是直到21世紀(jì)，組成機(jī)器智能的 AI 和認(rèn)知計(jì)算能力，才算是真正的騰飛。

有三股強(qiáng)大力量共同驅(qū)動(dòng)著機(jī)器智能趨勢(shì)：

1、數(shù)據(jù)指數(shù)級(jí)的增長(zhǎng)

如今，我們創(chuàng)建和復(fù)制的數(shù)據(jù)，每12個(gè)月大小增加一倍。實(shí)際上，到2020年，全球的數(shù)字預(yù)計(jì)將達(dá)到44澤字節(jié)（zettabytes）。我們還知道，隨著物聯(lián)網(wǎng)，暗分析（dark analytics）和其他數(shù)據(jù)來(lái)源的激增，數(shù)據(jù)將增長(zhǎng)得更快。從商業(yè)角度來(lái)看，這種爆炸性增長(zhǎng)將轉(zhuǎn)化為比以往任何時(shí)候都更有價(jià)值的數(shù)據(jù)源。除了使用傳統(tǒng)的分析技術(shù)，這些大量的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，以及存在于深層網(wǎng)絡(luò)中的大量非結(jié)構(gòu)化數(shù)據(jù)，對(duì)于機(jī)器智能的進(jìn)步至關(guān)重要。這些系統(tǒng)消耗的數(shù)據(jù)越多，它們?cè)诎l(fā)現(xiàn)關(guān)系，模式和潛在影響這些問(wèn)題上就會(huì)變得“更聰明”。有效管理快速增長(zhǎng)的數(shù)據(jù)需要更高級(jí)方法，來(lái)掌控?cái)?shù)據(jù)、存儲(chǔ)、保留、訪問(wèn)、情景和管理。

從聯(lián)網(wǎng)設(shè)備生成的信號(hào)，到所有業(yè)務(wù)所有功能中的歷史轉(zhuǎn)換數(shù)據(jù)中隱藏的字符行級(jí)別的細(xì)節(jié)，處理數(shù)據(jù)資產(chǎn)正在成為建造機(jī)器智能的一個(gè)關(guān)鍵組成部分。

2、更快的分布式系統(tǒng)

隨著數(shù)據(jù)量越來(lái)越大，分析越來(lái)越復(fù)雜，讓數(shù)據(jù)對(duì)個(gè)體用戶可訪問(wèn)的分布式網(wǎng)絡(luò)現(xiàn)在的能力已經(jīng)得到指數(shù)地提升。今天，我們可以快速處理，搜索和控制幾年前無(wú)法實(shí)現(xiàn)的數(shù)據(jù)。當(dāng)前一代的微處理器提供了的性能是1971年推出的第一個(gè)單芯片微處理器的400萬(wàn)倍。

這種能力使得高級(jí)系統(tǒng)設(shè)計(jì)成為可能，例如支持多核和并行處理的那些。同樣，它支持高級(jí)數(shù)據(jù)存儲(chǔ)技術(shù)，支持對(duì)歸檔數(shù)據(jù)的快速檢索和分析。正如我們看到的MapReduce、內(nèi)存計(jì)算和硬件優(yōu)化的MI技術(shù)，如谷歌的張量處理單元。技術(shù)正在進(jìn)一步優(yōu)化我們管理指數(shù)級(jí)數(shù)據(jù)的能力，使之更有效。

除了純粹的功率和速度的增加，分布式網(wǎng)絡(luò)的覆蓋范圍也越來(lái)越大。它們現(xiàn)在可以與駐留在云中的基礎(chǔ)架構(gòu)，平臺(tái)和應(yīng)用程序無(wú)縫連接，并可以消化和分析存在于那里的不斷增長(zhǎng)的數(shù)據(jù)。它們還提供分析和驅(qū)動(dòng)來(lái)自“邊緣”功能（如物聯(lián)網(wǎng)，傳感器和嵌入式智能設(shè)備）的流數(shù)據(jù)所需的能力。

3、更智能的算法

近年來(lái)，隨著機(jī)器智能算法變得越來(lái)越強(qiáng)大，實(shí)現(xiàn)認(rèn)知計(jì)算的最初目標(biāo)——模擬人類(lèi)思考過(guò)程，也獲得了穩(wěn)步的進(jìn)步。

隨著機(jī)器智能使用案例在接下來(lái)18至24個(gè)月內(nèi)不斷涌現(xiàn)，以下算法能力將可能在公共和私有部門(mén)中得到更廣泛的應(yīng)用：

優(yōu)化，規(guī)劃和調(diào)度：在更成熟的認(rèn)知算法中，優(yōu)化自動(dòng)化的、復(fù)雜的決策和在有限資源中進(jìn)行權(quán)衡。類(lèi)似地，規(guī)劃和調(diào)度算法設(shè)計(jì)一系列動(dòng)作以滿足處理目標(biāo)的要求并觀察約束條件。

機(jī)器學(xué)習(xí)：計(jì)算機(jī)系統(tǒng)正在通過(guò)數(shù)據(jù)來(lái)發(fā)展提高自身的能力，這個(gè)過(guò)程總不需要遵循直接的編程指令。在其核心，機(jī)器學(xué)習(xí)自動(dòng)地從數(shù)據(jù)中發(fā)現(xiàn)模型。一旦經(jīng)過(guò)確認(rèn)，模型能被用于做預(yù)測(cè)。

深度學(xué)習(xí)（Deep Learning）：開(kāi)發(fā)人員正在研究涉及人工神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，這是啟發(fā)自大腦的結(jié)構(gòu)和功能。其中，互相連接的模塊運(yùn)行數(shù)學(xué)模型，這些模型根據(jù)處理大量輸入得出的結(jié)果來(lái)進(jìn)行不斷微調(diào)。深度學(xué)習(xí)可以分為有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。

概率推理（Probabilistic inference）：使用圖形分析和貝葉斯網(wǎng)絡(luò)來(lái)識(shí)別隨機(jī)變量中的條件依賴性的新的 AI 能力。

語(yǔ)義計(jì)算（Semantic computing）：這種認(rèn)知類(lèi)別包括計(jì)算機(jī)視覺(jué)（分析圖像的能力），語(yǔ)音識(shí)別（分析和解釋人類(lèi)語(yǔ)言的能力），以及各種為了理解自然語(yǔ)言表達(dá)的意圖和計(jì)算內(nèi)容的語(yǔ)義的文本分析能力 。這些信息被用于數(shù)據(jù)分類(lèi)，映射和檢索。

自然語(yǔ)言引擎（Natural language engines）：自然語(yǔ)言引擎以人類(lèi)的方式理解書(shū)面文本，但它可以用復(fù)雜的方式進(jìn)行文本處理，例如自動(dòng)識(shí)別文本中提到的所有人名和地址；識(shí)別文本的主題；或者以人類(lèi)可以理解的方式提取出合同中的條款并制成列表。自然語(yǔ)言引擎通常可以分為兩類(lèi)，一是針對(duì)人類(lèi)語(yǔ)言的自然語(yǔ)言處理技術(shù)，二是針對(duì)創(chuàng)造自然語(yǔ)言輸出的自然語(yǔ)言生成技術(shù)。

機(jī)器人過(guò)程自動(dòng)化（RPA）：機(jī)器人軟件，或稱(chēng)“bots”，可以通過(guò)模仿人類(lèi)與軟件應(yīng)用程序交互的方式來(lái)執(zhí)行例行的業(yè)務(wù)流程。企業(yè)開(kāi)始結(jié)合采用 RPA 和認(rèn)知技術(shù)（如語(yǔ)音識(shí)別，自然語(yǔ)言處理和機(jī)器學(xué)習(xí)）來(lái)自動(dòng)化執(zhí)行基于知覺(jué)或判斷的任務(wù)，這些任務(wù)從前被認(rèn)為是只能由人類(lèi)執(zhí)行的。
 

對(duì) CIO 而言，轉(zhuǎn)向機(jī)器智能需要一種新的理解數(shù)據(jù)分析的方式。數(shù)據(jù)分析不僅僅是一種創(chuàng)建靜態(tài)的報(bào)告的方式，還是一種利用更大型、更豐富的數(shù)據(jù)庫(kù)來(lái)自動(dòng)執(zhí)行任務(wù)并提高效率的方式。在機(jī)器智能中，CIO 可以考慮的機(jī)會(huì)包括：

認(rèn)知洞察（Cognitive insights）：機(jī)器智能可以提供深入、可操作的洞察，不僅對(duì)已經(jīng)發(fā)生的事情，而且包括現(xiàn)在正在發(fā)生的事情和接下來(lái)可能發(fā)生的事情。這可以幫助企業(yè)制定程序來(lái)提高員工效率。例如，在全球的呼叫中心中，服務(wù)代表可以使用多功能的客戶支持程序來(lái)回答有關(guān)產(chǎn)品的問(wèn)題，接受訂單，調(diào)查定價(jià)，以及解決客戶的其他問(wèn)題。許多這樣的系統(tǒng)還需要工作人員在屏幕間來(lái)回跳轉(zhuǎn)以找到回答特定查詢所需要的信息。

認(rèn)知參與（Cognitive engagement）：機(jī)器智能價(jià)值樹(shù)的下一級(jí)是認(rèn)知智能體（cognitive agents），即采用認(rèn)知技術(shù)與人類(lèi)進(jìn)行交互的系統(tǒng)。目前，這項(xiàng)技術(shù)主要服務(wù)對(duì)象是消費(fèi)者而非企業(yè)。例如，認(rèn)知智能體可以相應(yīng)人類(lèi)的語(yǔ)音命令來(lái)降低恒溫器溫度或打開(kāi)某個(gè)電視頻道。但是，有可以從這種認(rèn)知參與中受益的企業(yè)業(yè)務(wù)，并且新的應(yīng)用領(lǐng)域開(kāi)始出現(xiàn)。認(rèn)知智能體將能夠接入復(fù)雜信息，執(zhí)行諸如處理患者入院，為用戶推薦產(chǎn)品或服務(wù)等任務(wù)。它們可能在客戶服務(wù)領(lǐng)域有更大的商業(yè)潛力。

認(rèn)知自動(dòng)化（Cognitive automation）：第三個(gè)，可能也是最具顛覆性的機(jī)器智能機(jī)會(huì)，是利用機(jī)器學(xué)習(xí)，RPA，以及其他認(rèn)知工具開(kāi)發(fā)深度的專(zhuān)業(yè)領(lǐng)域知識(shí)（例如，按行業(yè)、職能或地區(qū)區(qū)分），然后自動(dòng)化執(zhí)行相關(guān)的任務(wù)。我們已經(jīng)看到有機(jī)器智能的系統(tǒng)能夠自動(dòng)化執(zhí)行從前需要經(jīng)過(guò)訓(xùn)練的人力進(jìn)行的工作。例如，有醫(yī)療公司應(yīng)用深度學(xué)習(xí)技術(shù)進(jìn)行醫(yī)學(xué)圖像的分析，在測(cè)試中，系統(tǒng)在判斷惡性腫瘤方面比人類(lèi)專(zhuān)家的能力高50%。

在教育領(lǐng)域，嵌入在在線學(xué)習(xí)程序中機(jī)器智能可以通過(guò)跟蹤學(xué)習(xí)者解題時(shí)的“心理步驟”來(lái)模擬一對(duì)一輔導(dǎo)，為學(xué)習(xí)者提供及時(shí)的指導(dǎo)、反饋和解釋。
 

面對(duì)成本壓力，長(zhǎng)期低利率，競(jìng)爭(zhēng)的加劇，以及不斷變化的客戶和市場(chǎng)動(dòng)態(tài)，全球保險(xiǎn)供應(yīng)商美國(guó)國(guó)際集團(tuán)公司（AIG）發(fā)起了戰(zhàn)略重組，以簡(jiǎn)化其組織和提高運(yùn)營(yíng)效率。這個(gè)目標(biāo)涉及處理不斷加劇的技術(shù)債務(wù)問(wèn)題，以及一個(gè)對(duì)運(yùn)營(yíng)穩(wěn)定性產(chǎn)生挑戰(zhàn)的分布式IT部門(mén)。

根據(jù)AIG全球首席技術(shù)官M(fèi)ike Brady的說(shuō)法，通過(guò)將IT重組為一個(gè)向CEO報(bào)告的單一組織，AIG為創(chuàng)建新的企業(yè)技術(shù)模式奠定了基礎(chǔ)。這一變革性計(jì)劃的第一步涉及到建立基礎(chǔ)能力，為此團(tuán)隊(duì)制定了一個(gè)三部分的方法：

維穩(wěn)：因?yàn)橛脩魩缀趺刻於加龅絿?yán)重的中斷，虛擬網(wǎng)絡(luò)每周就會(huì)癱瘓一次，所以整體網(wǎng)絡(luò)性能需要改進(jìn)。

優(yōu)化：該策略側(cè)重于自助服務(wù)配置，自動(dòng)化和成本效益。

加速：為了快速前進(jìn)，團(tuán)隊(duì)實(shí)施了DevOps戰(zhàn)略，以創(chuàng)建持續(xù)集成/連續(xù)部署工具鏈和流程，以實(shí)時(shí)部署軟件。

AIG借助了機(jī)器學(xué)習(xí)來(lái)實(shí)現(xiàn)這些指令。該公司開(kāi)發(fā)了一個(gè)先進(jìn)的協(xié)作機(jī)器人程序，這個(gè)程序可以利用內(nèi)置的算法能力，機(jī)器學(xué)習(xí)和機(jī)器人過(guò)程自動(dòng)化。這些虛擬工作者被稱(chēng)為“協(xié)同機(jī)器人” ，公司希望每個(gè)人都能將虛擬員工作為員工的延伸和助理。

2015年10月，AIG部署了“ARIES”，該公司的第一臺(tái)機(jī)器學(xué)習(xí)虛擬工程師，以解決全球網(wǎng)絡(luò)問(wèn)題事件。在90天的試驗(yàn)計(jì)劃期間，ARIES接受了“策展和監(jiān)督”模式的培訓(xùn)，在這種模式下，機(jī)器與人類(lèi)一起操作，并從人類(lèi)的行為中學(xué)習(xí)。在這種方法中，ARIES通過(guò)觀察和實(shí)驗(yàn)來(lái)了解如何評(píng)估運(yùn)行中斷的來(lái)源并確定可能的原因和應(yīng)急響應(yīng)。協(xié)同機(jī)器人在第91天時(shí)就已經(jīng)準(zhǔn)備全部的部署。這不是因?yàn)檫@些機(jī)器本身工作效率高；事實(shí)上，AIG發(fā)現(xiàn)，人類(lèi)平均需要8到10分鐘解決一個(gè)典型的問(wèn)題，而協(xié)同機(jī)器人用時(shí)平均8分鐘。這也就是說(shuō)，機(jī)器人最大的好處是它的規(guī)模：機(jī)器人可以全天候工作，不間斷或睡眠，它們可以迅速解決事件，排隊(duì)和積壓從不發(fā)生。

在ARIES參與工作的六個(gè)月內(nèi)，這個(gè)自動(dòng)化系統(tǒng)識(shí)別和解決了超過(guò)60％的網(wǎng)絡(luò)運(yùn)行中斷。在一年內(nèi)，ARIES的機(jī)器智能，加上監(jiān)測(cè)AIG環(huán)境健康狀況的傳感器的增加，使其有可能在問(wèn)題影響業(yè)務(wù)之前，以編程方式解決各種各樣的警報(bào)。虛擬工程師可以自動(dòng)識(shí)別不健康的設(shè)備，執(zhí)行診斷測(cè)試以確定原因，并登錄以實(shí)施修復(fù)或?qū)?wèn)題上報(bào)到技術(shù)人員并提出“建議”。另外，協(xié)同機(jī)器人涉及到網(wǎng)絡(luò)問(wèn)題，如果數(shù)據(jù)模式顯示一個(gè)設(shè)備在一個(gè)月內(nèi)造成50起事件，IT團(tuán)隊(duì)就知道此設(shè)備需要更換。這些問(wèn)題在過(guò)去一年中將嚴(yán)重性等級(jí)1和2的問(wèn)題數(shù)量減少了50％。他們還提高了技術(shù)人員的工作滿意度。技術(shù)人員現(xiàn)在可以專(zhuān)注于更具挑戰(zhàn)性，更有趣的任務(wù)，而不必執(zhí)行普通和重復(fù)性的任務(wù)，而且可以從協(xié)同機(jī)器人的建議展開(kāi)自己下一步的工作。

另外還有四個(gè)由管理人員操作的協(xié)同機(jī)器人，協(xié)助負(fù)責(zé)治理、工作、培訓(xùn)和學(xué)習(xí)，甚至績(jī)效管理，已經(jīng)成功上崗了。

隨著IT中的協(xié)同軟件程序的成功，AIG正在探索在業(yè)務(wù)操作中使用機(jī)器學(xué)習(xí)的機(jī)會(huì)。 “我們希望企業(yè)使用機(jī)器學(xué)習(xí)，而不是占用更多的資源，”布雷迪說(shuō)。 “我們需要利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)作為新的資源，而不是將其視為新的成本。”內(nèi)部試驗(yàn)正在開(kāi)發(fā)，以確定協(xié)同機(jī)器人是否可以審查損害索賠，并立即授權(quán)付款檢查，以便客戶不需要延遲治療。其他機(jī)會(huì)有可能出現(xiàn)在增強(qiáng)型認(rèn)知的自助服務(wù)，增強(qiáng)代理輔助渠道，甚至可能使用認(rèn)知代理作為他們自己的面向客戶的窗口。

“協(xié)同機(jī)器人的方法需要磨合，”布雷迪補(bǔ)充說(shuō)， “如果一個(gè)問(wèn)題真的很復(fù)雜，你不希望團(tuán)隊(duì)內(nèi)部打架。這就是設(shè)計(jì)思維的有用之處。自從我們?cè)谝荒昵伴_(kāi)始啟用機(jī)器人系統(tǒng)，我們已經(jīng)解決了145,000次事故，令人難以置信的好。將其轉(zhuǎn)移到業(yè)務(wù)流程，最終達(dá)到認(rèn)知客戶交互是一條必經(jīng)之路。
 

隨著醫(yī)療保健轉(zhuǎn)向基于結(jié)果的模式，患者正在尋求健康保險(xiǎn)公司提供與許多零售商和銀行相同水平的高度個(gè)性化的客戶服務(wù)。為了滿足這一期望，作為美國(guó)最大的健康福利公司之一，Anthem正在探索如何利用認(rèn)知計(jì)算的力量來(lái)簡(jiǎn)化和增強(qiáng)與客戶的聯(lián)系，并使客戶服務(wù)更有效，更靈敏，更直觀。 Anthem的最終目標(biāo)是改變公司與保險(xiǎn)用戶在整個(gè)受保周期內(nèi)的交流方式，而不僅僅是在被保人申請(qǐng)索賠時(shí)。

Anthem的戰(zhàn)略涉及機(jī)器智能的三個(gè)維度：洞察，自動(dòng)化和參與。在第一階段，公司正在對(duì)索賠裁定流程應(yīng)用認(rèn)知洞察，以便為索賠審查人員更好地了解每個(gè)案例。Anthem的臨床分析及人口健康管理副總裁Ashok Chennuru表示，“我們正在整合內(nèi)部付款人數(shù)據(jù)索賠，成員資格，提供者人口統(tǒng)計(jì)數(shù)據(jù)與外部數(shù)據(jù)，包括社會(huì)經(jīng)濟(jì)，臨床/ EMR，生活方式和其他數(shù)據(jù)，以建立健康計(jì)劃成員的縱向視圖。“

目前，審查者從文檔審查、患者歷史發(fā)現(xiàn)和取證收集開(kāi)始，來(lái)確定下一步驟。但是通過(guò)認(rèn)知洞察，新系統(tǒng)正在不斷地審查背景中的可用記錄，從一開(kāi)始就提供全面的圖像，包括補(bǔ)充信息，例如患者的重復(fù)住院以通知可能的護(hù)理計(jì)劃或有針對(duì)性的干預(yù)，以及應(yīng)用智能來(lái)解決索賠的任何潛在問(wèn)題。在索賠代表收到案件時(shí)，他有評(píng)估所需的全面信息.

在下一階段，Anthem將開(kāi)始為索賠處理增加認(rèn)知自動(dòng)化，從而騰出時(shí)間讓審核員去幫助需要更復(fù)雜幫助的患者。 “通過(guò)部署預(yù)測(cè)性和規(guī)范性分析和機(jī)器學(xué)習(xí)算法，我們將能夠以更具成本效益的方式處理結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，”Chennuru說(shuō)。首先，系統(tǒng)將識(shí)別需要解決的任何潛在問(wèn)題，并推薦具體的行動(dòng)方案。隨著系統(tǒng)的成熟，如果它的分析基于所有信號(hào)和輸入達(dá)到一定的確定性值，它可以自己開(kāi)始解決某些問(wèn)題。如果確定性水平低于該值，則審核員仍將手動(dòng)審核和解決索賠。由于系統(tǒng)的持續(xù)學(xué)習(xí)能力監(jiān)控審核員如何成功地解決問(wèn)題，系統(tǒng)會(huì)將特定問(wèn)題與適當(dāng)?shù)男袆?dòng)方案相關(guān)聯(lián)，以不斷提高其自動(dòng)化分辨率的準(zhǔn)確性和效率。

在第三階段，隨著Anthem更深入認(rèn)知參與，公司將更廣泛地利用其神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)，與醫(yī)療保健提供者一對(duì)一地參與，為患者推薦個(gè)性化護(hù)理計(jì)劃。在從簡(jiǎn)單的反應(yīng)到索賠轉(zhuǎn)變?yōu)橹鲃?dòng)參與客戶的護(hù)理，Anthem將能夠?qū)彶椴∪说牟∈?，并?lián)系醫(yī)療機(jī)構(gòu)，提供護(hù)理計(jì)劃的建議。

Anthem的半監(jiān)督機(jī)器學(xué)習(xí)能力教會(huì)幾桶如何分解問(wèn)題，組織它們，并確定最佳響應(yīng)。在測(cè)試期間，觀察者將比較系統(tǒng)行為和性能與傳統(tǒng)的人為驅(qū)動(dòng)方法來(lái)衡量系統(tǒng)的效率和準(zhǔn)確性。

該公司目前正在收集和處理數(shù)據(jù)，培訓(xùn)系統(tǒng)，并簡(jiǎn)化其解決方案架構(gòu)和技術(shù)，并且由于理賠管理認(rèn)知洞察而獲得了全面的積極成果。自動(dòng)化裁決系統(tǒng)的原型計(jì)劃于2017年推出，然后會(huì)在幾個(gè)月后啟動(dòng)一個(gè)最低可行產(chǎn)品版本（MVP）。

Anthem已經(jīng)建立了廣泛的認(rèn)知能力，有多個(gè)團(tuán)隊(duì)通過(guò)案例學(xué)習(xí)的方式來(lái)實(shí)現(xiàn)結(jié)果，評(píng)估有價(jià)值的證明，并優(yōu)化團(tuán)隊(duì)如何準(zhǔn)備數(shù)據(jù)，調(diào)整算法和提供程序可用性。 “最終，”Chennuru說(shuō)，“我們將能夠在諸如價(jià)值分析，人口健康管理，質(zhì)量管理等許多領(lǐng)域中利用該平臺(tái)，并洞察醫(yī)療服務(wù)和醫(yī)療成本之間的差距。”Anthem希望使盡可能多的企業(yè)認(rèn)知服務(wù)，能夠訓(xùn)練其模型，優(yōu)化其計(jì)劃，并發(fā)展其認(rèn)知智能，以幫助公司更好地為會(huì)員服務(wù)。
 

很少有機(jī)構(gòu)能夠宣布在數(shù)據(jù)上和數(shù)據(jù)相關(guān)方面取得了勝利。即使數(shù)據(jù)是大部分是結(jié)構(gòu)話的，并被限制在公司限制在內(nèi)部信息中，管理和分析也是極具挑戰(zhàn)性的。今天，復(fù)雜的算法和分析技術(shù)使我們能夠解決復(fù)雜的情況，我們可以從被動(dòng)描述發(fā)生了什么過(guò)渡到主動(dòng)自動(dòng)化業(yè)務(wù)響應(yīng)。然而，即使具有快速發(fā)展的能力，一些組織仍然在數(shù)據(jù)上苦苦掙扎。

好消息是，機(jī)器智能提供了新的方法和技術(shù)，可以幫助我們最終克服一些長(zhǎng)期的數(shù)據(jù)難題：

策略數(shù)據(jù)：MI技術(shù)可以以很大程度上自動(dòng)化的方式應(yīng)用于數(shù)據(jù)分類(lèi)和本體以定義，合理化和維護(hù)主數(shù)據(jù)。MI可以分析每一塊數(shù)據(jù)，其中關(guān)系，并創(chuàng)建與數(shù)據(jù)的質(zhì)量相近的派生導(dǎo)出。同樣，它可以潛在地提供用于補(bǔ)救出現(xiàn)的內(nèi)容或上下文問(wèn)題的手段。

有限和有目的：專(zhuān)注于獲得商業(yè)問(wèn)題的洞察，如果解決，就能提供更加有意義的價(jià)值。讓問(wèn)題陳述的范圍決定所需的數(shù)據(jù)輸入、適當(dāng)?shù)腗I技術(shù)以及周?chē)募軜?gòu)和數(shù)據(jù)管理需求。通過(guò)解決這些問(wèn)題中的一些，您可以獲得更大的認(rèn)可，以將MI應(yīng)用于更復(fù)雜的問(wèn)題。

夏爾巴人的歡迎（Sherpas welcome）：MI正在享受自己的啟蒙時(shí)代，學(xué)術(shù)界，初創(chuàng)企業(yè)和成熟的供應(yīng)商都在爭(zhēng)相提高能力和添加新技術(shù)?？紤]與供應(yīng)商的合作，將是對(duì)你的努力的聯(lián)合投資、與能夠提供無(wú)限訪問(wèn)寶貴專(zhuān)業(yè)知識(shí)的學(xué)者和思想領(lǐng)袖合作也是如此。

產(chǎn)業(yè)化分析：數(shù)據(jù)已成為關(guān)鍵的戰(zhàn)略性企業(yè)資產(chǎn)。但是，進(jìn)行有目的的投入的、全面承諾培養(yǎng)、策劃、并在整個(gè)企業(yè)中利用此資產(chǎn)的企業(yè)數(shù)量還是很少。工業(yè)化分析指的是，為所有維度的數(shù)據(jù)企業(yè)包括機(jī)器智能，推動(dòng)方法、平臺(tái)、工具和人才的一致性和可重復(fù)性的。在策略上，這可能會(huì)帶來(lái)數(shù)據(jù)攝取，集成，歸檔，訪問(wèn)，授權(quán)，加密和管理的服務(wù)。
 

（撰文／瑪麗亞·雷茲，副總裁兼CEO技術(shù)顧問(wèn)；Toni Reid，AMAZON ALEXA 總監(jiān)）隨著2017年人工智能歷史上最令人興奮時(shí)刻的到來(lái)，亞馬遜團(tuán)隊(duì)現(xiàn)在有能力想得更大更遠(yuǎn)并探索新的領(lǐng)域。

在亞馬遜，我們相信語(yǔ)音將會(huì)，并在許多方面已經(jīng)從根本上改善了人們與技術(shù)交互的方式。雖然我們距離能夠以人類(lèi)的方式做事情還有很長(zhǎng)的路要走，但我們正處于AI和語(yǔ)音技術(shù)的轉(zhuǎn)折點(diǎn)。

Amazon Echo的原始靈感是星際迷航計(jì)算機(jī)。我們想在云上創(chuàng)建一個(gè)完全由語(yǔ)音控制的計(jì)算機(jī) - 你可以問(wèn)問(wèn)題，請(qǐng)求它做事情，為你做事，為你找到一些東西。很容易的以自然的方式交談。現(xiàn)在還不能完全做到，但這是我們的愿景。

Alexa的主要功能之一是Echo背后的語(yǔ)音和大腦，它是一個(gè)基于云的服務(wù)，在自然語(yǔ)言理解以及提高準(zhǔn)確性方面總是變得更聰明。因?yàn)樗拇竽X在云中，她每天每小時(shí)不斷地學(xué)習(xí)和添加更多的功能，這只會(huì)使代表客戶創(chuàng)新和添加功能變得更容易。

自2014年11月推出Echo以來(lái)，我們?yōu)锳lexa增加了7000多項(xiàng)技能。她的足跡遍布Echo系列設(shè)備，現(xiàn)在嵌入其他亞馬遜硬件（Fire TV和Fire平板電腦）和第三方設(shè)備，如Nucleus對(duì)講系統(tǒng)，Lenovo Smart Assistant揚(yáng)聲器和LG Smart InstaView冰箱，并將Alexa嵌入到福特和大眾汽車(chē)公司的汽車(chē)中。

在她涉及的領(lǐng)域和她在搜索材料中的準(zhǔn)確性方面，Alexa能有效地理解用戶。 即使如此，語(yǔ)音技術(shù)仍然面臨著持續(xù)的挑戰(zhàn)。 當(dāng)我們最初開(kāi)始時(shí)，這項(xiàng)技術(shù)甚至不存在 - 我們不得不發(fā)明它。 我們很幸運(yùn)可以借助AWS云的力量，我們有令人難以置信的智慧的語(yǔ)音專(zhuān)家團(tuán)隊(duì)，包括有才華的語(yǔ)音學(xué)家，來(lái)努力解決這些問(wèn)題。

我們認(rèn)為 AI 對(duì)客戶的好處和機(jī)會(huì)可以說(shuō)是無(wú)限的?，F(xiàn)在，Alexa 主要是在 Echo 上運(yùn)行，但將來(lái)它可以通過(guò)無(wú)數(shù)的系統(tǒng)和應(yīng)用程序?qū)崿F(xiàn)擴(kuò)展。我們通過(guò)使用 vAlexa Skill Kit（ASK），Smart Home Skill API 和 Alexa Voice Service API為開(kāi)發(fā)人員提供一系列免費(fèi)、自助的公共 API，從而使實(shí)施過(guò)程變得更加簡(jiǎn)單。

最終，我們?cè)跈C(jī)器智能，神經(jīng)網(wǎng)絡(luò)和語(yǔ)音識(shí)別領(lǐng)域的發(fā)展將能為我們的客戶提供更多新功能。

在網(wǎng)絡(luò)安全層面，人工智能同時(shí)帶來(lái)了回報(bào)和挑戰(zhàn)。所謂回報(bào)，是指借助機(jī)器自動(dòng)化的高速高效來(lái)保證風(fēng)險(xiǎn)控制某些方面的自動(dòng)化，以快速有效地識(shí)別、警戒、觸發(fā)（或者相反地——消除）潛在的威脅。人工智能對(duì)網(wǎng)絡(luò)系統(tǒng)的杠桿作用可以幫助進(jìn)行數(shù)據(jù)分析，并在這些工具識(shí)別風(fēng)險(xiǎn)后自動(dòng)采取特別措施。

具有預(yù)知作用的風(fēng)險(xiǎn)和網(wǎng)絡(luò)模型將數(shù)據(jù)挖掘的范圍進(jìn)一步延伸到了廣大的未知領(lǐng)域，例如暗網(wǎng)，并識(shí)別了可能遇到的新威脅。這進(jìn)一步加強(qiáng)了人工智能在這一領(lǐng)域的有效性。

企業(yè)還可以借助人工智能來(lái)推進(jìn)項(xiàng)目，制定策略，以及規(guī)劃產(chǎn)品。舉例來(lái)說(shuō)，通過(guò)人工智能的深度學(xué)習(xí)能力，銷(xiāo)售團(tuán)隊(duì)可以憑借社交媒體、公共記錄或其他網(wǎng)絡(luò)資源上已經(jīng)存在的信息，構(gòu)建起比較詳細(xì)的客戶資料。

不過(guò)，人工智能的客戶側(cè)寫(xiě)能力也存在潛在缺點(diǎn)：上述過(guò)程可能會(huì)帶來(lái)網(wǎng)絡(luò)安全隱患。人工智能可能會(huì)做出一些引發(fā)新風(fēng)險(xiǎn)的推斷，尤其是當(dāng)這些推斷本身就存在錯(cuò)誤的時(shí)候。通過(guò)建立關(guān)聯(lián)，人工智能也可能會(huì)產(chǎn)生一些引發(fā)隱私問(wèn)題的原始數(shù)據(jù)。歸根結(jié)底，企業(yè)應(yīng)該仔細(xì)考量這些基于推理和關(guān)聯(lián)的原始數(shù)據(jù)。

確實(shí)，隨著人工智能在高效和節(jié)約成本方面的能力逐漸顯現(xiàn)，許多人開(kāi)始討論更廣泛的倫理和道德問(wèn)題。目前人類(lèi)采用的人工智能會(huì)對(duì)社會(huì)、經(jīng)濟(jì)和個(gè)體組織獲取機(jī)會(huì)方面產(chǎn)生怎樣的影響？你的企業(yè)如何面對(duì)主動(dòng)出擊的人工智能所直接引發(fā)的品牌和信譽(yù)危機(jī)。還有，你的公司能否在已經(jīng)被描述為“后工作經(jīng)濟(jì)”的時(shí)代長(zhǎng)期生存？

最后，關(guān)于風(fēng)險(xiǎn)的討論也應(yīng)該包括許多人工智能技術(shù)采用“暗箱操作”的現(xiàn)實(shí)。眼下，清楚地解釋出某些決策和推薦是如何做出的，還不太可能。雖然有呼吁希望能進(jìn)行算法的透明化，以最終推動(dòng)審查和理解假設(shè)、觀察模式和解釋結(jié)論如何產(chǎn)生的新途徑，但這些途徑目前現(xiàn)在還不存在。在此之前，嘗試確定哪部分的透明度不足可能會(huì)是一個(gè)問(wèn)題（法律上、名譽(yù)上和學(xué)術(shù)上），因此需要相應(yīng)地調(diào)整計(jì)劃。

當(dāng)我們駛?cè)脒@些未知水域，CIO、CEO和其他領(lǐng)導(dǎo)者們應(yīng)該出于對(duì)股東利益的考慮，仔細(xì)權(quán)衡這些名譽(yù)、安全、財(cái)務(wù)以及其他可能會(huì)在未來(lái)產(chǎn)生的各方面的風(fēng)險(xiǎn)。