協(xié)同機器人（Co-Bots），不是機器人（Robots）

　　面對成本壓力，長期低利率，競爭的加劇，以及不斷變化的客戶和市場動態(tài)，全球保險供應(yīng)商美國國際集團公司（AIG）發(fā)起了戰(zhàn)略重組，以簡化其組織和提高運營效率。這個目標涉及處理不斷加劇的技術(shù)債務(wù)問題，以及一個對運營穩(wěn)定性產(chǎn)生挑戰(zhàn)的分布式IT部門。

　　根據(jù)AIG全球首席技術(shù)官Mike Brady的說法，通過將IT重組為一個向CEO報告的單一組織，AIG為創(chuàng)建新的企業(yè)技術(shù)模式奠定了基礎(chǔ)。這一變革性計劃的第一步涉及到建立基礎(chǔ)能力，為此團隊制定了一個三部分的方法：

　　維穩(wěn)：因為用戶幾乎每天都遇到嚴重的中斷，虛擬網(wǎng)絡(luò)每周就會癱瘓一次，所以整體網(wǎng)絡(luò)性能需要改進。

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

　　加速：為了快速前進，團隊實施了DevOps戰(zhàn)略，以創(chuàng)建持續(xù)集成/連續(xù)部署工具鏈和流程，以實時部署軟件。

　　AIG借助了機器學(xué)習(xí)來實現(xiàn)這些指令。該公司開發(fā)了一個先進的協(xié)作機器人程序，這個程序可以利用內(nèi)置的算法能力，機器學(xué)習(xí)和機器人過程自動化。這些虛擬工作者被稱為“協(xié)同機器人” ，公司希望每個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”，該公司的第一臺機器學(xué)習(xí)虛擬工程師，以解決全球網(wǎng)絡(luò)問題事件。在90天的試驗計劃期間，ARIES接受了“策展和監(jiān)督”模式的培訓(xùn)，在這種模式下，機器與人類一起操作，并從人類的行為中學(xué)習(xí)。在這種方法中，ARIES通過觀察和實驗來了解如何評估運行中斷的來源并確定可能的原因和應(yīng)急響應(yīng)。協(xié)同機器人在第91天時就已經(jīng)準備全部的部署。這不是因為這些機器本身工作效率高；事實上，AIG發(fā)現(xiàn)，人類平均需要8到10分鐘解決一個典型的問題，而協(xié)同機器人用時平均8分鐘。這也就是說，機器人最大的好處是它的規(guī)模：機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，排隊和積壓從不發(fā)生。

　　在ARIES參與工作的六個月內(nèi)，這個自動化系統(tǒng)識別和解決了超過60％的網(wǎng)絡(luò)運行中斷。在一年內(nèi)，ARIES的機器智能，加上監(jiān)測AIG環(huán)境健康狀況的傳感器的增加，使其有可能在問題影響業(yè)務(wù)之前，以編程方式解決各種各樣的警報。虛擬工程師可以自動識別不健康的設(shè)備，執(zhí)行診斷測試以確定原因，并登錄以實施修復(fù)或?qū)栴}上報到技術(shù)人員并提出“建議”。

　　另外，協(xié)同機器人涉及到網(wǎng)絡(luò)問題，如果數(shù)據(jù)模式顯示一個設(shè)備在一個月內(nèi)造成50起事件，IT團隊就知道此設(shè)備需要更換。這些問題在過去一年中將嚴重性等級1和2的問題數(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)同機器人的建議展開自己下一步的工作。

　　另外還有四個由管理人員操作的協(xié)同機器人，協(xié)助負責(zé)治理、工作、培訓(xùn)和學(xué)習(xí)，甚至績效管理，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)操作中使用機器學(xué)習(xí)的機會。 　　“我們希望企業(yè)使用機器學(xué)習(xí)，而不是占用更多的資源，”布雷迪說。 “我們需要利用大數(shù)據(jù)和機器學(xué)習(xí)作為新的資源，而不是將其視為新的成本?！眱?nèi)部試驗正在開發(fā)，以確定協(xié)同機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。其他機會有可能出現(xiàn)在增強型認知的自助服務(wù)，增強代理輔助渠道，甚至可能使用認知代理作為他們自己的面向客戶的窗口。

　　“協(xié)同機器人的方法需要磨合，”布雷迪補充說， “如果一個問題真的很復(fù)雜，你不希望團隊內(nèi)部打架。這就是設(shè)計思維的有用之處。自從我們在一年前開始啟用機器人系統(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，最終達到認知客戶交互是一條必經(jīng)之路。

服務(wù)患者

　　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公司提供與許多零售商和銀行相同水平的高度個性化的客戶服務(wù)。為了滿足這一期望，作為美國最大的健康福利公司之一，Anthem正在探索如何利用認知計算的力量來簡化和增強與客戶的聯(lián)系，并使客戶服務(wù)更有效，更靈敏，更直觀。 Anthem的最終目標是改變公司與保險用戶在整個受保周期內(nèi)的交流方式，而不僅僅是在被保人申請索賠時。

　　Anthem的戰(zhàn)略涉及機器智能的三個維度：洞察，自動化和參與。在第一階段，公司正在對索賠裁定流程應(yīng)用認知洞察，以便為索賠審查人員更好地了解每個案例。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)計數(shù)據(jù)與外部數(shù)據(jù)，包括社會經(jīng)濟，臨床/ EMR，生活方式和其他數(shù)據(jù)，以建立健康計劃成員的縱向視圖。“

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

　　在下一階段，Anthem將開始為索賠處理增加認知自動化，從而騰出時間讓審核員去幫助需要更復(fù)雜幫助的患者。 “通過部署預(yù)測性和規(guī)范性分析和機器學(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。首先，系統(tǒng)將識別需要解決的任何潛在問題，并推薦具體的行動方案。隨著系統(tǒng)的成熟，如果它的分析基于所有信號和輸入達到一定的確定性值，它可以自己開始解決某些問題。如果確定性水平低于該值，則審核員仍將手動審核和解決索賠。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題，系統(tǒng)會將特定問題與適當?shù)男袆臃桨赶嚓P(guān)聯(lián)，以不斷提高其自動化分辨率的準確性和效率。

　　在第三階段，隨著Anthem更深入認知參與，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)療保健提供者一對一地參與，為患者推薦個性化護理計劃。在從簡單的反應(yīng)到索賠轉(zhuǎn)變?yōu)橹鲃訁⑴c客戶的護理，Anthem將能夠?qū)彶椴∪说牟∈?，并?lián)系醫(yī)療機構(gòu)，提供護理計劃的建議。

　　Anthem的半監(jiān)督機器學(xué)習(xí)能力教會幾桶如何分解問題，組織它們，并確定最佳響應(yīng)。在測試期間，觀察者將比較系統(tǒng)行為和性能與傳統(tǒng)的人為驅(qū)動方法來衡量系統(tǒng)的效率和準確性。

　　該公司目前正在收集和處理數(shù)據(jù)，培訓(xùn)系統(tǒng)，并簡化其解決方案架構(gòu)和技術(shù)，并且由于理賠管理認知洞察而獲得了全面的積極成果。自動化裁決系統(tǒng)的原型計劃于2017年推出，然后會在幾個月后啟動一個最低可行產(chǎn)品版本（MVP）。

　　Anthem已經(jīng)建立了廣泛的認知能力，有多個團隊通過案例學(xué)習(xí)的方式來實現(xiàn)結(jié)果，評估有價值的證明，并優(yōu)化團隊如何準備數(shù)據(jù)，調(diào)整算法和提供程序可用性。 “最終，”Chennuru說，“我們將能夠在諸如價值分析，人口健康管理，質(zhì)量管理等許多領(lǐng)域中利用該平臺，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)認知服務(wù)，能夠訓(xùn)練其模型，優(yōu)化其計劃，并發(fā)展其認知智能，以幫助公司更好地為會員服務(wù)。

如何在企業(yè)中運用機器智能（MI）？

　　很少有機構(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)化的，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，我們可以從被動描述發(fā)生了什么過渡到主動自動化業(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化的方式應(yīng)用于數(shù)據(jù)分類和本體以定義，合理化和維護主數(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救出現(xiàn)的內(nèi)容或上下文問題的手段。

　　有限和有目的：專注于獲得商業(yè)問題的洞察，如果解決，就能提供更加有意義的價值。讓問題陳述的范圍決定所需的數(shù)據(jù)輸入、適當?shù)腗I技術(shù)以及周圍的架構(gòu)和數(shù)據(jù)管理需求。通過解決這些問題中的一些，您可以獲得更大的認可，以將MI應(yīng)用于更復(fù)雜的問題。

　　夏爾巴人的歡迎（Sherpas welcome）：MI正在享受自己的啟蒙時代，學(xué)術(shù)界，初創(chuàng)企業(yè)和成熟的供應(yīng)商都在爭相提高能力和添加新技術(shù)?？紤]與供應(yīng)商的合作，將是對你的努力的聯(lián)合投資、與能夠提供無限訪問寶貴專業(yè)知識的學(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，進行有目的的投入的、全面承諾培養(yǎng)、策劃、并在整個企業(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)包括機器智能，推動方法、平臺、工具和人才的一致性和可重復(fù)性的。在策略上，這可能會帶來數(shù)據(jù)攝取，集成，歸檔，訪問，授權(quán)，加密和管理的服務(wù)。