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很大不同。15医疗保健企业能通过遵循三大主要建议向已实施认知计算的创新性企业学习（见图12.6）。

图12.6 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资的最大回报。定义您所在的医疗保健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。医疗保健企业需要对特定问题进行分析，进而确定认知能力是否需要且恰当：

·该挑战是否涉及某种流程或功能，需要当今人类（例如，临床医师）利用各种潜在的技术，花费大量时间从各种信息来源（例如，病患记录，医疗研究文献等）中寻求及时的答案和洞察力，从而帮助决策或思考？

·用户是否需要以自然语言与系统进行互动（如具有某些症状的病患寻求接下来的诊断和治疗建议）？

·它是否涉及某一流程或功能，需要对问题和查询所列出的回应提供相关的透明度和支持证据（如实验室结果）？

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——从快速决策治疗方案到潜在的成本节省。除此之外，借助高管级支持建立认知计算愿景和路线图。不断与相应高管和相关利益方（如临床医生、其他医疗专业人士、付款人或病患）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向付款人、医院、病患等说明相应优势。此外,考虑使用分阶段实施,或向理解技术演进本质的部分信任用户部署解决方案。

（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，需要人类主题专家参与。不一定需要忙碌的临床医生，也许可以考虑充满热情的、刚拿到合格证的医生或其他医疗专业人士，并一定要包括适当的卫生信息学人才。

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（如病患记录）和非结构化数据（如临床记录）。数据也可能来自一些新的和未开发的来源（如呼叫中心记录、博客、患者权益保护组织等）。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政策的影响范围，而且可能需要更新或修改现有策略、法规和协议，特别是在医疗保健行业，安全和隐私要求十分严格。

（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如此多的变化的行业尤其如此。

确保高管参与认知旅程——高管的参与应以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（业务经理、IT员工、临床医生、病患代表等）定期沟通至关重要。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医疗保健机构的使命级别。

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，而非确定性的。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。