Rabobank公司是荷兰一家银行及金融服务公司，该公司做预测分析已经好多年了，他们的预测模型可以在业务流程中预测可能拖欠抵押贷款的客户或者遗弃账号的客户。

那些分析大多数还是针对结构化数据的，不过到2015年，他们的分析团队接收到了更多的建模需求，他们不得不开始处理非结构化数据，开启认知计算应用的研究。

在IBM公司拉斯维加斯举办的Watson世界大会上，Rabobank公司高级分析业务顾问Muriel Serrurier Schepper发表了主题演讲。她说她的团队开始发现在客户反馈和抵押贷款文件方面有很大的分析需求，这两种业务都需要处理非结构化的自由文本文件。这就需要一种新的技术在IBM的Watson平台中应用，这也是他们思考分析的一种新方法。

认知应用的挑战来自业务而不是技术

目前业界对人工智能和认知计算越来越感兴趣，很大一部分原因就是因为使用简单工具达到预期效果的可能性。IBM和其它厂商（例如微软公司、Amazon和Facebook公司）都设计工具并做出承诺：无需用户精通编程或变成数据科学家就能使用。因此，在这种情况下，企业让认知工具发挥作用的最大障碍就不是技术了，而是组织的业务本身。

在Rabobank公司，Serrurier Schepper协助成立了一个小组，专门处理所有关于AI的需求和价值研究。这个小组需要识别用例、选择技术并在整个组织内分享项目信息。她说，这种集中式的方法对于AI工具的快速研发非常重要。

在小组成立的时候，Serrurier Schepper说她期望看到业务线与技术供应商谈AI工具。她担心这种情况会带来重复工作、孤岛项目和过于美好的预期。这种集中研究的方法可以帮助缓解这些问题，可以让懂这些技术的人领导项目。

Serrurier Schepper说：“AI无处不在，人们觉得它太神奇了，包括IBM这些公司都在参与到这个领域中。不过当你亲身参与项目的时候，你会觉得它并没有那么遥不可及。当然你必须训练模型，这个过程会花一些时间。”

团队建立集中AI小组之后，应该寻求能快速获益的点，然后把实现的效果公布出来。模型可能需要训练很长时间，但是一旦他们可以得出有说服力的结论，就应该把这个信息在公司范围内共享出来，这样有助于为未来项目推进获得支持。

Schepper说：“以前我们就像躲在公司的雷达探测器下，不想让每个人知道我们的模型学到了什么。不过现在我们现在应该出来告诉人们我们能做什么了。”

为认知工具挑选合适的用例

为认知计算应用选择合适的用例也是非常重要的。一般的观点认为AI软件是无所不能的。虽然，这可能是AI技术的终极目标，不过现在的工具离这个目标还很遥远。企业需要识别当前技术可胜任的业务场景，这个过程有时候也并不简单。

Gianluca Antonini是瑞士再保险公司的IT总监，他在大会上发表演说时提到：“有时候，这种项目是很难做的。因为这些问题大部分都需要你先清理脏数据，然后才能分析其价值。业务案例并不总是清晰明确的。”

目前这家苏黎世再保险公司已经推出了基于Watson的认知应用，投入到了多个领域中，包括企业搜索、索赔处理和聊天机器人（内部助力）、以及客服代理。

为了解决这个问题，瑞士再保险公司在IT部门内部组建了内部分析顾问服务小组。这个团队与业务团队深入交流，判断业务方面是否有认知计算应用的需求。同时，两方面共同参与项目。分析团队会开发概念验证应用，可能成功也可能失败。这种项目在推出到更大范围生产环境之前段执行会很好。

业务方面如果想通过AI技术获益，需要在一定程度上接受这种项目的失败。ICICI银行（印度最大的私营银行）业务技术组的负责人Abhijit Singh在一次小组讨论会上提到，实验项目有可能转变成工具进而改进业务能力，也可能完全失败。企业需要持续支持这些尝试项目，尽管还看不到立竿见影的收益。

他说：“如果太看重投资回报率，你可能什么都不能尝试。”

Singh和他的团队最近开发了一个聊天机器人用于客户服务，该应用基于内部认知系统构建。他说，开始的时候只是试验，没有人能保证获得回报。

这个聊天机器人现在表现得非常好，这正是对认知计算应用持开放态度进而使企业获益的典型例子。他说：“有些事情一旦开始尝试就能发掘巨大的机会。”