全屏显示专题章节

IBM商业价值报告：认知计算与人工智能

1.10.4 4 未来的发展方向

4 未来的发展方向

尽管企业对认知能力抱有热情，但企业应意识到其学习曲线是陡峭的。在系统实施和用户互动方面，认知系统与传统程序化系统有着根本的不同。16　消费品行业可以通过遵循三大主要建议向已实施认知计算的先进企业学习（见图8.5）。

图8.5 具备认知计算经验的企业已明确通向成功的三大行动领域

（1）定义价值

早期规划有助于确保资源投入的最大回报。定义您所在企业的认知价值至关重要，而且该过程包括系列步骤：

找到最适合的机会——认知解决方案非常适合特定范围的挑战。消费品行业需要对特定问题进行分析，进而确定认知能力是否必要且恰当：

·该挑战是否涉及某种流程或功能，需要当今人类利用各种技术手段，花费大量时间从多种信息来源（如分析客户的长期偏好）寻找及时的答案和洞察力，从而帮助决策或思考？

·用户需要以自然语言（如客户服务或客户反馈应用）与系统进行互动吗？

·它是否涉及某种流程或功能，需要将所列出的回应的透明度和支持证据提供给相应问题和查询（如监管合规性）？

定义价值主张并规划认知路线——预先识别认知计算提供的差异化价值和商业价值——从快速决策各种预算分配到成本节省。除此之外，借助高管级支持建立认知计算愿景和路线图。不断与相应的高管和相关利益方沟通路线图情况。

以现实的态度对待价值实现——认知计算系统的优势不是在部署初期的某次“大爆炸”效应中体现的。相反，这些系统会随着时间的推移进行演进并提高价值。将这一现实情况传达给相关利益方，并为CP行业、消费者和其他人等说明相应优势。考虑使用分阶段实施或将解决方案部署至理解技术进化本质的部分可信用户。

（2）打好基础

通过关注以下问题来准备认知计算解决方案成功实施的基础：

对人才进行投资——认知解决方案是“经过训练”的而非经过编程的，因为它们可利用互动、结果和新的信息片段进行“学习”，并帮助企业扩展专业知识。这种劳动密集型训练过程通常被称为监督式学习，需要人类主题专家（SME）参与。

除相应领域的专业知识以外，实施认知计算还需要自然语言处理、机器学习、数据库管理、系统实现和集成、界面设计和变革管理方面的专业知识。团队成员还需要一种无形的“技能”——求知欲。系统、用户和企业的学习过程永远不会结束。

构建并确保优质的语料库——只有好的基础数据，才有好的认知系统。花足够的时间选择语料库中的数据，其中可能包括来自多个数据库和其他数据来源，甚至实时数据反馈和社交媒体的结构化数据和非结构化数据。这些数据也可能来自一些新的和未开发的来源，其中包括社交媒体。此外，对记录数字化进行投资，以便确保企业语料库的未来，同时关注历史和新文档。

考量影响、业务流程和策略需求——对流程和人们的工作方式方面的任何潜在影响进行评估。因为用户与认知系统的互动方式与传统输入/输出系统完全不同，流程和工作角色也会受影响。此外，考虑一下是否有必要改变任何数据策略。获取必要数据可测试现有的数据共享策略的影响范围，而且可能需要更新或修改现有策略、法规和协议。消费品行业还应探索并评估认知计算在战略方面与企业目标的契合度。企业应充分考虑云、动态基础架构数据湖及其他因素，构建业务平台，迈向认知未来。

（3）管理变化

与传统可编程系统相比，认知系统完全不同。正因如此，变革管理比以往任何时候都更为重要，在一个生态系统已经历了诸多的变化的行业尤其如此。

确保高管参与认知旅程——高管的参与应从主动参与定义认知愿景和路线图开始，而且需要在整个旅程中贯彻始终。其中包括高管参与对增量式进度和价值实现的常规检查。

在各个级别沟通认知愿景——因为认知计算是新生事物而且很多人并不完全了解它，各级定期沟通至关重要。沟通时应考虑可能受到影响的生态系统中的所有利益相关者。应对任何恐惧、不确定性和怀疑，并利用执行发起人将认知价值提高至组织的使命级别。

继续提高企业的认知IQ水平——培训在确保了解和采用认知方面至关重要。管理与系统生成的建议有关的预期方面尤其重要。认知系统是概率性的（指明存在多种可能的结果以及每种结果的概率），而非确定性的（每种输入都有固定的结果）。尽管其准确率将随着时间的推移、随着系统的学习而提高，但具体准确率将永远不会达到100%。尽早让相关利益方了解准确率的问题并定期检查成效的提高。在构建认知计算用例时，CP应确保员工、贸易合作伙伴和消费者均参与其中。因此，要不断尝试，采用“测试并学习”的方法。

5 准备好了吗？问问您自己这些问题

·有什么机会可为您的员工、消费者、客户以及更广泛的消费品生态系统中的其他利益相关者创建更有吸引力的个性化体验？

·哪些行业数据未加以充分利用，但如果转化为知识，可帮助您满足关键目标和业务需求？

·对于您的组织以及更广泛的消费品生态系统来说，如果在做出缺乏证据的决策或未考虑相关的全套可行选项的情况下采取行动，代价是什么？

·能够发掘隐含在数据中的模式对于您来说有什么益处？

·您所在的组织在认知计算方面的专业知识技能差距是什么？如果您能使每一位员工像该领域的前沿专家一样高效，会有什么变化？

作者

Anthony Bigornia是IBM消费品行业解决方案组合领域的全球领导者，也是IBM行业研究院的成员之一。他在为全球消费品行业客户服务方面，拥有近二十年的经验，主要负责制定IBM的跨品牌行业战略，并针对消费品行业客户的需求量身定制IBM的跨品牌解决方案组合。Anthony拥有美国西北大学的法学博士学位，而且经常出席有关智慧型消费者对消费品行业趋势的影响的一些重大活动并发表演讲。他的联系方式是anthony.bigornia@us.ibm.com。

JaneCheung是IBM商业价值研究院的全球消费品行业领导者。她在零售业和消费品行业拥有二十多年的从业经验。Jane曾先后在Macy’s、Disney、Nike和HallmarkCards等多家企业任职，且曾在IBM和Accenture的咨询部门担任咨询师。Jane拥有加利福尼亚州立大学（长滩）的MBA学位。她的联系方式是jane.cheung@us.ibm.com。

Trevor Davis博士是IBM的一名杰出工程师，也是消费品行业的未来学家，以及IBM行业研究院的成员之一。Trevor在国际业务体验方面拥有二十多年的经验，曾与各种业内领先的客户企业有过合作，实施多年期的转型项目，旨在利用新技术实现新价值。Trevor拥有阿斯顿大学（伯明翰）的冶金学哲学博士学位，目前正致力于研究如何通过Watson设计更具可持续性的材料。他的联系方式是trevor.davis@uk.ibm.com。

Sandipan Sarkar博士是IBM商业价值研究院的认知计算行业领导者。他的职业生涯已超过20年，在各种技术领导角色中，他负责制订尖端技术解决方案和思想领导力以应对有趣的业务问题。Sandipan拥有印度贾达普大学的科学与工程博士学位。他的研究兴趣包括计算语言学、信息检索和机器学习。他的联系方式是sandipan.sarkar@in.ibm.com。

Marc Teerlink博士（MBA/MBI）是IBM Watson集团的首席业务战略师。Teerlink博士及其团队主要负责与客户一同制定企业愿景，并指导实施首创型转型项目，通过这些项目证明：数据货币化、所有权、数据利用和信赖度是企业实现差异化竞争优势的关键因素。Marc曾担任银行业者、业务经理、咨询师、变革领导者等多个职位，足迹遍布三个大洲的九个国家/地区，拥有超过25年的专业经验。Teerlink博士教授“高级消费者营销”和“从数据中发掘价值”方面的MBA课程，发表过无数篇论文，曾多次受邀在大型会议上发表演讲，一直在积极推动IBM Watson项目进入市场的运作。此外，在2011年2月，他还在美国的游戏竞赛节目Jeopardy！中赢得了大奖。他的联系方式是marc.teerlink@us.ibm.com。

合作者和致谢

对以下同人的贡献表示感谢：IBM Watson集团的Michael Holmes和IBM全球企业咨询服务部的Neha Tuli。