企业可参考借鉴AI在医疗领域的成功经验

认知技术正在被用来解决世界上比较大的挑战。本文介绍了企业是如何让认知人工智能发挥作用的。

所有行业的企业都对人工智能的潜力产生了浓厚兴趣，以应对其最紧迫的挑战。人工智能已经以其加速流程、简化操作的能力而闻名于世，当然，也包括它比人类所能更快地处理大量数据的能力。当涉及到能够独立思考的系统时，这个现实可能会比你想象的要更加接近。

认知人工智能能够以不同的格式吸收来自多个来源的数据，并权衡这些数据以形成见解。这类人工智能与其他人工智能的不同之处在于它模仿人脑工作方式的能力。认知人工智能系统是交互式的、情境化的，最重要的是，是适应性的，因为它们会随着新信息的出现而动态的学习和进化。人工智能非但没有取代人类，反而是被教导与人类一起工作，以帮助增强我们的工作或以其他的方式满足需求。认知技术的早期采用者认为它们对他们组织的未来成功和实现数字化发展的能力是至关重要的。

要理解认知人工智能的商业影响，只需看看医疗保健行业就可以了。研究人员正在使用认知人工智能来分析血液样本、新陈代谢、语音和语言模式以及笔迹，以了解与阿尔茨海默病相关的风险因素，从而开发出能够比以前提前6年诊断出这种疾病的程序。一个由30家商业、医疗保健和研究机构组成的联盟正在开发一个能够识别脑肿瘤的认知人工智能模型。像MyndYou这样的初创公司正在利用大脑来作为人工智能传感器，帮助护理人员评估和监控老年患者，并提供了一个平台来监控语音、行走和驾驶时间，以识别出能够表明身体或认知能力正在退化的变化。有了这些科幻小说般的用例，难怪IDC预测2022年全球认知和人工智能系统的支出将达到776亿美元了。

当然，认知人工智能在医疗保健领域还处于早期阶段，随着时间的推移，历史将判断它的长期成功。尽管如此，其早期迹象也是充满希望和积极的，以至于我们已经可以从其他部门吸取一些早期的经验教训。通过检查医疗保健领域认知人工智能的驱动因素和促进因素，特别是在研究层面，其他市场的企业也可以找到发展和改进自己业务流程的方法。

庞大数据集的需求和可用性

没有大量的数据集，就没有人工智能的立足之地，更不用说认知人工智能了--但其实现成的数据库或电子表格就已经足够了。在医疗保健领域，由于可穿戴设备和其他物联网设备、医学成像和实时数据生产的进步，医疗数据已经非常庞大了，到2025年将以36%的复合年增长率增长。医疗保健中认知人工智能的最大推动因素之一就是其生成的大量数据。使连接的系统能够访问已经存在的关于患者的聚集的匿名数据，使得认知人工智能能够发现健康趋势和模式，特别是在能够与实时健康监控信息（例如来自可穿戴设备）和环境数据相结合时。

吸收不同的数据，提取见解，并将其转化为可操作的情报是影响所有部门的常见数字挑战。例如，在保险业，我们已经看到认知人工智能被用来收集大量的结构化和非结构化数据，以提高承保的准确性，远程处理索赔，简化操作，并降低成本。在未来，由于认知人工智能，我们所生成的数据流将可以与保险公司共享，以便根据我们的选择自动调整保费，并根据所发生的事件来实时处理保险索赔。

情境为王

改善客户体验是采用认知技术比较大的驱动力之一。我们都很熟悉由算法来引导的零售体验。我们会特别注意到它不起作用的时候，例如，当我们看到我们刚刚购买的东西的广告时，我们就不太可能再买了。（我只需要一台洗衣机，谢谢。）

相比之下，认知人工智能是一个更微妙的工具。以全球首个以患者为中心的肿瘤学平台Navigating Cancer为例，它能够支持100万多名患者和数以千计的癌症护理提供者，通过认知分析来推动更好的结果。智能分析有助于改善对“高危”患者的评估，降低患者成本，并加快整个流程。

零售业对认知人工智能的需求也很明显，比如智能代理所能够提供的24/7的客户服务支持。认知技术带来了超个性化、全渠道的客户体验，但这对于大多数零售商来说仍然是愿望多于现实。它还可以帮助零售商在超本地环境下做出明智的商业决策。例如，通过预测哪些商店将面临困境并尽早的采取补救措施，或者通过对比，发现需求高峰，以便部署人员和货物来满足需求。

如何更快、更迅速、更聪明地工作

与其他行业一样，医疗保健领域认知人工智能的最终主要驱动力也是尽可能实现自动化的压力：简化操作、降低成本和提高生产率。在医疗保健收入的生命周期管理中，许多流程仍然是手动的，而且基本没有自动化。然而，一个以认知人工智能为基础的系统则可以在医生输入笔记时实时简化医生的诊断，包括其余所需的后端流程，包括计费，而目前计费也占用了可能用于护理患者的时间。或者考虑一下医院药房目前是如何为大型医院服务的。如今，处方将由人工智能引擎发送到最近的药房，而不管它是否能够及时的处理请求，因为这取决于人员配备、容量、库存水平以及医院其他部分的繁忙程度。

其他行业也正在利用认知人工智能所能提供的优势组合：将大数据分析用于“繁重的工作”，包括对大量数据进行分类，再加上深度学习和神经网络技术的运用，这些技术应用了人类的认知功能，并能够不断学习。例如，在银行业，Eigen Technologies使用自然语言处理来从文档中提取相关的含义，消除了重复的手动文档处理。它的认知平台能够认识到在意义、语境和人类语言特质上的细微差别。

数据保护和匿名化

保护健康数据是至关重要的。可以理解的是，当谈到如何使用云计算和大数据分析时，安全问题总是占据了议程的首位。企业也可以通过研究卫生部门如何克服认知人工智能采用的障碍来从卫生部门学到很多东西。认知计算的联合性、匿名性使得它特别擅长于保护数据隐私、围绕数据保护的法律以及任何需要遵守的行业特定法规。

在监管最严格的行业中，云计算服务的进步推动了医疗保健对认知技术的采用，例如HIPAA和符合GDPR标准的平台的增长。同样，在金融服务等行业，认知人工智能也正被用于筛选金融数据，从而大幅提高反洗钱（AML）调查或实时识别欺诈性信用卡交易的速度和准确性。其他受到高度监管的行业也正在逐渐认识到认知技术在提高系统性能、降低风险和增强安全性方面的优势。

具有讽刺意味的是，医疗保健市场本身也许是模仿认知人工智能早期成功的不错选择。但在研究机构之外和离病人更近的地方，认知人工智能还相对未被开发。在过去的几个月里，为了应对大流行，COVID-19以外的病人护理几乎一夜之间就转变成了远程医疗。随着医生和病人之间的地理距离越来越大，意味着本地环境也开始变得模糊或完全消失了。在未来，这种差距可以通过认知人工智能系统来进行填补，以作为对医疗从业者的支持。

例如，如果许多病人开始出现呼吸道症状，医生会检查病人的记录，并考虑诸如哮喘、过敏或任何其他疾病的原因，当然也包括每个人心中的疾病，COVID-19。在这种情况下，人工智能系统将能够解析来自其他来源的信息，以突出可能的原因。例如，该地区是否发生了森林火灾，这是否可能导致了呼吸系统疾病的增加？该地区的花粉数量是否特别高？或者是与传染病传播有关？人工智能有潜力帮助回答这些和更多的问题，使得医疗保健提供商能够提供更细致入微、个性化和全面的意见。

合乎伦理的使用AI技术

虽然人工智能和机器人技术可以在许多方面提供帮助，并让企业对其好处感到兴奋，但理性思考人工智能技术的使用和影响是很重要的。企业需要在开发某项配备人工智能的技术的理念中融入伦理观念。回顾人工智能技术的成果是很重要的，这样才能完全理解它的行为，并确保它不会违反我们人类的道德准则，或者至少是你的企业价值。记住，仅仅因为我们可以，并不意味着我们应该。

我们正处在“认知时代”的风口浪尖上。很难去过分强调认知系统对企业的战略重要性。早期采用认知技术的人通常不仅会提到快速的投资回报率，而且还会提到认知对公司战略愿景和竞争力的重要性。总之，认知人工智能正在帮助解决世界上最严峻的挑战，并在这样做的过程中，重新想象我们所认知的数字时代。不久之后，任何地方都不会有一家企业能够逃脱与认知计算相关的正面或负面干扰。

人工智能的发展速度比你想象的要快。而现在正是计划、试验和采用人工智能来实现其全部潜力的时候了。
责编AJX