2 从认知计算先锋获得的经验

尽管计算能力和极限不断演进，但许多基本成功因素从未变化。在系统实施和用户交互方面，认知系统与大多数用户已经习惯的传统可编程系统截然不同。1从开始了解这一事实，到确定如何更好地利用这一新能力，企业会经历一个学习曲线。通过与实施认知计算的领先企业的SME进行访谈，我们发现了成功实施认知计算解决方案的三个关键因素。

图4.2 成功实施认知计算解决方案的三个关键因素

（1）定义价值

认知计算是一个过程，而及早规划有助于确保最高的投资回报。定义认知计算对您的企业的价值非常关键，其中包含几个步骤：

寻找合适机会——认知解决方案非常适合应对一组既定的挑战，而不一定最适合每个业务问题和应用案例。企业需要想清楚面临的问题，确定认知计算解决方案是否适用。机会应根据认知系统的独特能力进行评估。潜在的高价值机会包括：

·需要人员投入过多时间，从大量信息来源（例如语料库）中寻求答案和洞察而做出决策或者思考问题的流程或职能等业务场景。这可能包括分析关键数据而制订新型医疗诊断方案的流程，或者在复杂的执法调查中对来自多个来源的非结构化数据进行分析的流程。

·有问答（Q&A）要求并且需要用户以自然语言交互和提问题的情况。这可能包括复杂的客户交流场景，这些场景除了传统可编程客户应答系统提供的问答响应外，要求更深入的理解和洞察。

·需要采用置信度权重方法对问题和查询做出响应而提供透明性和支持证据的流程或功能。这可能包括患者诊断和治疗决策流程，基于复杂政策、法规或法律框架解读而向患者提供建议。

“美国金融服务公司（USAA）在初次进入认知计算领域时选择了军民分离的主题，因为它仅关注有限的对象……更重要的是，在军人在其职业生涯中做出对情感和财务最具影响力的决策时，这一主题将使USAA能够提供相关的指导。”2

——Eric Engquist

USAA军人过渡副总裁助理

图4.3 认知系统实现的业务目标和价值推动因素举例

定义认知计算的价值主张和路线图——必须充分理解认知计算解决方案提供的差异化价值，并提前定义其业务价值。解决方案应与企业的业务目标以及所支持并实现的相关价值推动因素相符。高管支持并且拥护的认知计算愿景和路线图绝对关键。高管拥护者和各级关键利益人对路线图进展的持续审查对于愿景的实现同样重要。

追踪价值——认知计算系统的优势无法在最初部署时立即实现。相反，这些系统具有不断演进的特点，因此会随着时间的推移而改进并提供更高的价值。企业各级利益人都必须了解这一点，并且在收益实现计划中考虑这一点。强烈建议向一组真正理解其不断演变的特点的可信用户部署认知计算解决方案。这种方法使企业能够测试并验证最初的用户所看到和实现的收益，然后再向更大的群体部署。这个可信用户组的成员可在更全面部署时作为解决方案的“大使”。

（2）奠定基础

成功的认知计算解决方案的开发和部署需要多项关键的基本能力。奠定基础需要以下方面的关注和投资：

人才投资——认知解决方案经过“训练”，而非编程，因为它们从交互、成果和新信息中“学习”。这个训练过程通常称为监督式学习。认知系统依赖于掌握特定领域专业知识的人员（例如工业行业、科学学科）对其进行训练，并且定义系统需要学习的配对问题和答案。这种监督式学习要求投入时间和资源，包括SME时间的投入。在实施过程中，专业领域SME必须与技术团队融合并整合在一起，以告知企业使命、流程、系统和数据的独特方面。

除了专业领域知识外，可能需要的技术能力包括自然语言处理、机器学习、数据库管理、系统实施和集成、接口设计和变革管理知识。企业应评估其能够利用的人才库（如当前下属员工及其他合作伙伴组织中可用的技能）。如果发现这些关键技能缺乏或不足，则需要招聘或者接触掌握这些技能的人员，包括使用外部合作伙伴或者供应商。除了这些技术和特定领域技能外，团队成员也需要一些无形的技能集：求知欲。团队成员必须愿意和系统一样探索和学习。

构建并帮助保障高质量语料库——投入充足的时间选择语料库中包含的数据至关重要。数据语料库可能包含来自多个数据库和其他数据来源（例如电子表格）的结构化和非结构化数据，甚至实时数据推送和社交媒体。数据可能来自新的、未开发的内部和外部来源（例如呼叫中心记录、博客、工程报告、市场调研）。

企业必须定义解决方案期望和要求，然后定义满足这些期望或要求所必须的“充足观察空间”。数据语料库的质量将决定解决方案的强健程度和实施所需的时间。评估观察空间要求高技能人员和对企业数据来源的了解。许多企业难以实施业务分析的常见原因是，它们没有充足的数据来支持它们试图做出的决策。通过扩展观察空间（即渐增数据）而构建高质量语料库可能需要强化合作和修订政策。3

考虑对流程与政策的要求和影响——了解解决方案对当前依赖的流程和政策的意义很有必要。用户和认知系统交互的方式与他们和传统输入/输出系统交互的方式截然不同。因此，这些系统可能颠覆现有流程，或者从根本上转变相关领域用户执行工作的方式。为构建高质量语料库而获取必要的数据可能检测现有数据共享政策的界限，也可能需要制定新的政策、法规和协议，或者对相关内容进行修改。此外，企业可能需要全新的政策，以应对认知能力的进步。例如，可能需要制定机器自主决策，决策流程追踪政策，从而满足与决策制定相关的潜在审查要求。

“它（认知系统）不能自行摄取信息。我们需要依靠人力训练它掌握特定领域的知识。”

——Grady Booch

IBM院士，IBM研究院软件工程首席科学家

（3）管理变革

变革管理资源和活动的投资通常会首先遭到阻止，目的是降低IT系统实施成本。如前文所述，这些不是您传统的可编程系统。因此，变革管理比以前更加关键！

全程参与认知系统实施的SME为变革管理活动提供了三项关键建议：

确保高管参与认知计算系统实施过程——高管必须参与到整个认知计算系统实施过程。高管首先应积极参与为企业制定认知计算愿景和路线图。然后，这种参与必须持续进行，方法是积极地参与进度和价值实现的定期审查。这种积极而持续的高管参与是保持动力的关键。

在各级沟通认知计算愿景——认知计算是新生事物，可能无法让整个企业的大多数人员全面了解。因此，各级的定期沟通非常重要。企业需要消除对未来的担忧、不确定性和怀疑。高管的拥护有助于促进沟通，并且增强认知计算对企业使命带来的价值。

持续提高企业的认知计算IQ——针对新技术的教育对于保证用户的理解和采用至关重要。高效地管理与系统生成的建议相关的期望尤其重要。认知系统具有概率性，而非确定性。这些系统的准确度会随着不断的学习而提高。提高系统建议的准确度是认知计算解决方案实施的最大挑战之一。现实情况是，任何系统永远都无法达到100%的准确度。因此，利益人应及早获得关于准确度的教育，并且定期审查不断改进的成果。

“机器建议的追踪（即为何提出某个建议）对于提高可信度和信任度非常重要。”

——Francesca Rossi博士

帕多瓦大学和哈佛大学计算机学教授