20、AI工作平台与智能案例管理系统解析

AI工作平台与智能案例管理系统解析

1. AI工作平台概述

“平台”是21世纪初最流行的术语之一，在科技领域，它可以指多边商业模式、技术基础设施，或者是为实现业务目标而设计的、能让其他系统有效运行的系统。AI决策（如分类、预测、推荐、预报和优化执行计划）在决策前后都需要有相应的操作。决策前通常需要数据，决策后则需要一系列后续交易和子决策来支持。平台能够实现从为AI应用提供输入到处理输出的端到端流程。

平台是AI应用的支撑系统，负责获取、集成和管理各种类型和阶段的数据。没有底层平台，AI系统及其使用者就无法有效运行。

1.1 平台的数据组件

机器学习（ML）算法不仅依靠数据进行训练，还在“评分”过程中使用数据来做出各种决策。支持ML模型的训练、评估、部署以及持续更新和维护所需的数据量巨大，因此需要平台将数据提供给算法。

例如，新加坡星展银行（DBS Bank）的反洗钱（AML）应用的数据来自银行各个前台和中台职能部门的各种数据生成系统，并通过专门设计的平台将这些数据提供给ML算法。

ML模型管道的不同阶段对平台有不同的要求：
- 训练和评估阶段 ：通常需要大量数据。
- 生产部署阶段 ：当训练好的模型对特定交易或一组交易进行评分以进行预测或分类时，平台可能只处理相对少量的数据，但可能需要实时从组织内的多个不同系统中提取模型使用的数据值。

平台对数据的处理不仅仅是为算法提供一些数值。明智的决策通常需要透明度和上下文支持。一些公司设计的平台会提供支持性分析功能，例如让用户查看结果的概率分布或查看其他类似案例。

以星展银行为例，其监控平台支持一个复杂的用户界面应用程序，使人类监控分析师能够查看用于预测风险评分的具体数据来源和数值。该应用程序还会对模型为何得出该风险评分进行有引导的解释。此外，星展银行的监控平台还支持将数据输入到金融交易网络分析应用程序中，为人类分析师提供更多背景信息，进一步支持模型输出的透明度。

有些AI数据平台还可能包括或提供与其他类型分析的集成链接，以支持对决策下游影响的更广泛视图。例如，新加坡陆路交通管理局的FASTER平台将交通网络干扰的预测和实时状态更新输入到模拟系统中，以评估应对问题的最佳替代方案。为此，平台需要比算法做出初始决策建议所需的数据更多的数据，还需要访问模拟所需的所有数据。

1.2 平台的行动组件

至少部分AI平台需要对做出的建议或决策采取行动。行动可以通过平台子系统或提供工作流或编排的并行平台来执行。

例如，AI越来越多地与机器人流程自动化（RPA）相结合，以提供工作流组件。在住宅抵押贷款处理公司Radius Financial Group的案例中，AI用于从抵押贷款相关申请文件中识别和提取必要信息，而RPA用于自动化抵押贷款处理工作流和其他支持任务。

数字广告也是平台支持的基于AI的预测和决策与基于工作流的行动执行紧密集成的常见例子。用于“程序化购买”的AI应用程序确定应该在哪个发布者的网站上投放哪个数字广告，以覆盖目标终端用户。为了执行这个行动计划，“需求方平台”会执行其他必要的操作，包括协商费率或进行拍卖以确定广告投放价格，并实际将广告投放至网站。许多供应商在特定领域提供这种集成的决策制定/行动执行平台。

一些大型公司，如宝洁（Procter & Gamble），为了满足公司特定的决策和下游执行需求，开发了自己的结合了这两种功能的平台。星展银行印度数字银行（DBS Digibank India）就是一个将实验规划和执行、预测分析以及后续纠正行动能力集成在一个平台上的例子。

也可以将面向AI的系统与其他类型的供应商平台相结合。例如，Skai公司使用ML和自然语言处理（NLP）来理解数据和文本中的信号和模式，以识别消费者市场的变化。该系统做出的消费者行为变化预测会自动生成建议，然后通过Skai的活动管理平台自动转化为客户公司的行动，通常会有人类营销人员参与其中。

不过，有些AI平台没有行动组件。例如，加拿大初创公司BlueDot将自己描述为传染病爆发早期预警的情报平台。它使用NLP AI最早在西方识别出中国的COVID - 19疫情，但它不做出面向行动的决策或提供行动平台，其目的只是通知人类其对新兴传染病爆发的预测，以触发用户采取必要行动。另一个例子是Mandiant的ATOMICITY工具，它是一个网络空间监控情报平台，用于跟踪网络威胁集群并评估未识别的威胁集群是否与已知的威胁集群相似。分析师在ATOMICITY的帮助下，如果认为未识别的威胁与已知威胁有关联，会使用其他Mandiant平台和应用程序采取后续行动。

1.3 平台的类型

目前至少有三种类型的AI支持平台在使用：
|平台类型|特点|人类参与程度|示例|
| ---- | ---- | ---- | ---- |
|探索支持平台|提供数据访问、查询和分析功能，使用基于ML的AI模型处理数值、语言和视觉图像数据，以支持意义构建、解释和情况评估。使用方式开放、非结构化且灵活，但用户需要较高的技能和领域知识。|高|无明确特定示例|
|交易支持平台|主要用于执行不同复杂程度的重复业务交易，AI用于改进人类在交易中的决策。例如，AI系统为人类提供按最可能到最不可能或最高到最低推荐排序的列表。|中|阿肯色州立大学使用的Gravyty筹款应用程序；Mandiant的网络威胁归因ML工具|
|自动决策平台|无需人类参与即可自动做出决策，人类观察者可能无法检查决策或确定做出特定决策的原因。决策高度结构化且基于数据，执行速度极快。|低|用于在发布者网站上投放数字广告的“程序化购买”系统；程序化金融交易平台|

大型组织（如Salesforce、摩根士丹利和星展银行）可能会使用所有三种类型的平台，AI能力较弱的组织可能只使用一种，而AI部署能力更弱的公司可能没有使用任何一种。

这些平台对公司中为平台提供数据的团队和岗位，以及参与AI/ML管道各个阶段（开发、部署和持续支持）的人员都有重要影响。平台需要大量数据、与现有系统集成，并对性能和站点可靠性有高标准要求。即使使用供应商产品和外部系统集成商，内部IT或数据工程团队也需要处理开发或部署这些平台所需的大量工作。因此，参与创建和维护这些平台的IT和业务岗位人员需要与设计和实施由这些平台提供数据的AI算法的内部或外部数据科学家合作。虽然平台不如它们支持的AI应用程序那么引人注目，但对于AI在业务中的成功部署同样重要。

2. 智能案例管理系统

案例管理系统（CMS）已经存在了几十年，它能让计算机系统将所需的数据和表格提供给单个办公室工作人员或小团队，使他们能够在更短的时间内在线完成整个案例或工作单元，让案例管理人员无需全面更换系统就能“看到”整个公司的情况。

早期的CMS通常不使用AI，即使使用也大多局限于基于规则的系统。而现在的CMS不仅继续使用基于规则和逻辑的AI，还融入了ML能力来分析数据模式，以及提供复杂的语言处理能力，有时甚至包括图像处理能力。此外，机器人流程自动化（RPA）工具在流程自动化和工作流编排方面也有了很大改进。因此，由于AI和RPA的最新发展以及支持性数据平台的更广泛可用性，当前一代的CMS变得更强大。

2.1 智能CMS的主要功能

如今更智能的CMS主要执行以下四种功能：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(智能CMS):::process --> B(工作流管理):::process
    A --> C(优先级排序):::process
    A --> D(推荐建议):::process
    A --> E(数据集成):::process

• 工作流管理 ：系统将工作任务分配给工作人员，支持并自动化任务执行，跟踪任务级和案例级的完成状态，并作为与待办工作的主要交互界面。系统还能让参与端到端工作流执行的每个人以及管理层共享案例状态信息。例如，阿肯色州立大学和其他非营利组织使用的Gravyty系统会告知筹款人员应该发送哪些电子邮件，跟踪任何回复，并与客户关系管理系统进行交互。该校的筹款人员泰勒·布克斯鲍姆（Taylor Buxbaum）表示，Gravyty将所有信息直接整合到他的收件箱中，否则他需要在多个工具之间切换。如果他通过Gravyty发送一封电子邮件，系统会立即将另一封邮件添加到他的待办事项队列中，让他始终清楚自己的下一个任务。他还表示，使用该系统后，他花在寻找信息和处理多项任务上的时间减少了。
• 优先级排序 ：支持AI的CMS可以根据案例的预测盈利能力、购买倾向、风险水平或威胁影响等因素，对最重要的案例或案例中的交易进行优先级排序。例如，ChowNow的斯蒂芬妮·沙利文（Stephanie Sullivan）在其增长运营工作中使用的RingDNA会对最重要的来电者进行优先级排序，并将他们路由给最适合推进潜在客户并安排演示的内部销售人员。对于使用预测潜在客户评分功能的公司，ML系统会对每个潜在客户进行评分，并按优先级对潜在客户进行排序，以便销售人员优先联系。由于销售人员时间有限，能够对最佳潜在客户进行优先级排序的系统对公司来说既实用又有利可图。
• 推荐建议 ：早期的CMS主要为工作人员提供信息支持，工作人员需要自己吸收信息、评估情况并做出判断和决策。而当前一代由AI支持并依托数据平台的CMS系统能够利用可用数据和自动决策算法提供推荐建议，甚至做出初步决策。例如，在星展银行的交易监控案例中，AI系统会识别可疑交易，并对该交易进行评分，以确定是否需要人类分析师立即进行调查。在Haven Life的保险核保系统中，系统会做出简单和标准的决策，只将需要进一步调查的决策留给人类核保员。这种方式加快了流程，并确保至少会考虑基于数据的决策。
• 数据集成 ：智能CMS的一个常见特点是能够集成做出AI辅助决策所需的所有数据。以星展银行的监控为例，监控部门的一位经理指出，由于CMS与支持平台相结合，实现了广泛的数据集成，星展银行在每次交易审查决策中能够利用约80%的相关数据，而在之前分析师需要手动在众多公司数据库中搜索时，这一比例仅为5 - 10%。这使得决策更加准确和精确。

2.2 智能CMS的访问方式

智能CMS有一些新的访问方式，例如：
- 皮肤科医生案例 ：皮肤科医生使用的Miiskin皮肤跟踪CMS支持系统完全基于云。医生只需使用能够访问互联网的计算机或平板电脑，无需在办公室配备特殊的IT基础设施即可使用该系统。
- PBC Linear机械车间案例 ：支持机器操作和维护的CMS可以通过HoloLens头戴式设备实现“免提”使用，用户可以通过该设备查看支持信息。

2.3 人类的覆盖能力

在使用智能CMS的案例中，人类用户能够审查、修改或覆盖智能系统做出的决策，这是人类与智能机器合作的一个重要优势。人类可以确认自动化决策是否“合理”，即是否适合当前的具体背景和情况。

例如，在医疗治疗编码案例中，人类编码员会审核系统对患者治疗分类的决策，以便将其输入医院记录和保险公司记录。如果系统评估有误，个人可以更改建议的分类。在警务案例中，ShotSpotter Connect工具会为警察提供巡逻地点和巡逻时行动的建议，但警察最终会根据自己的偏好和系统可能无法获取的信息做出决策。

在许多工作场景中，“正确”的决策通常取决于对复杂意外情况和上下文因素的理解，而这些因素往往无法完全在用于训练系统或进行预测分析的数据中体现。因此，在这种情况下，构建完全自动化决策的智能CMS系统更加困难且风险更高。一般来说，结合人类和机器的专业知识得出的最终结果通常更好。不过，在一些特殊情况下，完全自动化决策可能更有优势，例如需要在瞬间做出微观决策，或者情况非常稳定且可用数据和经过验证的模型能够很好地描述情况。即使在这些情况下，也需要设计一种方式，让人类在智能机器的支持下，随着时间的推移审查、评估或修改完全自动化的决策方式，因为条件和上下文可能会发生变化。

当终端用户使用CMS时，他们通常是知识工作者，大多数人受过良好教育，了解自己的工作情况和具体任务。由于这类员工能够修改CMS的建议决策，他们必须对系统如何做出决策以及依赖哪些数据有实际的了解。只有具备这些知识，他们才能放心地质疑或覆盖系统的决策和建议。雇主需要确保这些员工接受实用的培训，不仅要学习如何使用系统，还要了解系统如何对输出进行优先级排序以及如何对任务和案例做出建议。

在一些案例（如Mandiant、星展银行、Salesforce、Shopee和南加州爱迪生公司）中，接受采访的人员都明确强调了理解系统做出预测或建议的原因和方式的重要性。在Mandiant和星展银行的监控案例中，这种解释能力被构建到了他们创建的CMS中。Salesforce描述了使用模型卡来帮助评估可解释性和公平性，并且指出一些产品团队已经开始为部分Salesforce产品自动生成模型卡。Shopee的产品经理表示，向内部和外部利益相关者解释AI算法如何得出建议或预测以获得用户对模型结果的接受是其工作的重要部分。同样，南加州爱迪生公司的变更管理专家强调了向现场运营团队解释安全模型的目的和事故风险预测方法的重要性，可解释性有助于说服他们根据模型的安全建议修改现场工作计划。

2.4 智能CMS与AI支持平台的比较

智能CMS与前面提到的AI支持平台有一些共同点，它们都涉及数据集成和工作流管理，但方式有所不同。通常，平台是终端用户应用程序的基础，而CMS是一种终端用户应用环境。以下通过表格对比两者的区别与联系：
| 对比项 | AI支持平台 | 智能CMS |
| ---- | ---- | ---- |
| 角色定位 | 作为底层支撑系统，为AI应用提供数据获取、集成和管理等功能，保障AI系统有效运行 | 属于终端用户应用环境，直接为工作人员提供完成工作单元的支持 |
| 数据处理 | 侧重于将大量数据从不同来源收集并提供给AI算法，支持模型的训练、评估和部署等全流程 | 集成做出AI辅助决策所需的关键数据，强调数据在具体业务案例中的应用 |
| 工作流管理 | 通过子系统或并行平台执行决策后的行动，实现工作流或编排 | 负责将工作任务分配给工作人员，跟踪任务和案例的完成状态，提供共享的案例状态信息 |
| 应用场景 | 广泛应用于各种需要AI决策支持的业务场景，如金融交易、交通管理等 | 主要应用于案例管理工作，帮助工作人员在线完成整个案例或工作单元 |

2.5 智能CMS的应用案例分析

为了更直观地了解智能CMS的实际应用效果，下面对几个具体案例进行深入分析：
- 阿肯色州立大学的Gravyty系统 ：该系统在筹款工作中发挥了重要作用。通过工作流管理功能，将电子邮件发送、回复跟踪等任务集成到一个平台上，使筹款人员能够更高效地开展工作。优先级排序功能则帮助筹款人员确定重点跟进的潜在捐赠者，提高了筹款效率。例如，筹款人员泰勒·布克斯鲍姆使用该系统后，工作流程更加清晰，时间利用更加合理，减少了在不同工具之间切换的时间成本。
- ChowNow的RingDNA系统 ：在销售业务中，RingDNA系统通过对来电者进行优先级排序，将重要的潜在客户及时分配给合适的销售人员，提高了销售转化率。其数据集成功能确保了销售人员能够获取全面的潜在客户信息，从而更好地进行沟通和跟进。这种智能的工作方式使得销售团队能够更有针对性地开展工作，提高了销售业绩。
- 星展银行的交易监控系统 ：该系统结合了AI和CMS的优势，实现了对交易的实时监控和智能决策。通过数据集成，能够收集和分析大量的交易数据，识别可疑交易并进行评分。推荐建议功能为人类分析师提供了决策依据，加快了调查速度，提高了风险防控能力。同时，系统的可解释性使得分析师能够理解模型的决策过程，增强了对系统的信任。

3. 总结与展望

3.1 核心要点总结

• AI工作平台 ：是AI应用的底层支撑，包括数据组件和行动组件。数据组件负责数据的获取、集成和管理，以满足ML模型不同阶段的需求；行动组件则根据决策结果采取相应的行动，可通过多种方式实现。目前主要有探索支持平台、交易支持平台和自动决策平台三种类型，不同类型的平台在自动化程度和人类参与度上有所不同。
• 智能CMS ：是一种终端用户应用环境，融合了AI和RPA技术，具有工作流管理、优先级排序、推荐建议和数据集成等功能。它能够帮助工作人员更高效地完成工作单元，并且支持人类对系统决策进行审查和修改。智能CMS的应用场景广泛，在多个行业都取得了良好的效果。

3.2 未来发展趋势

随着技术的不断进步，AI工作平台和智能CMS将迎来更多的发展机遇和挑战：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(未来趋势):::process --> B(智能化程度提升):::process
    A --> C(行业应用拓展):::process
    A --> D(数据安全与隐私保护加强):::process
    A --> E(与新兴技术融合):::process

• 智能化程度提升 ：AI算法将不断优化，能够处理更复杂的数据和任务，为决策提供更准确的支持。智能CMS将能够更好地理解人类的需求和语境，提供更加个性化的服务。
• 行业应用拓展 ：除了金融、医疗、销售等传统行业，AI工作平台和智能CMS将在更多领域得到应用，如教育、农业、制造业等，为各行业的数字化转型提供支持。
• 数据安全与隐私保护加强 ：随着数据的重要性日益凸显，数据安全和隐私保护将成为关键问题。未来的平台和系统将采用更先进的技术手段，确保数据的安全性和合规性。
• 与新兴技术融合 ：AI工作平台和智能CMS将与区块链、物联网、云计算等新兴技术深度融合，创造出更加智能、高效的应用场景。例如，与区块链技术结合可以实现数据的不可篡改和可追溯，提高数据的可信度；与物联网技术结合可以实现对物理设备的实时监控和智能控制。

3.3 对企业和从业者的建议

• 企业方面 ：应重视AI工作平台和智能CMS的建设和应用，加大对技术研发和人才培养的投入。在选择平台和系统时，要根据自身业务需求和发展战略进行综合考虑，确保其具有良好的可扩展性和兼容性。同时，要加强数据管理和安全保护，建立完善的制度和流程。
• 从业者方面 ：需要不断学习和掌握新的技术知识，提高自己的专业技能。特别是对于知识工作者来说，要深入理解智能系统的决策原理和数据依赖，以便更好地与系统协作，发挥人类的优势。此外，还应具备良好的沟通能力和团队协作精神，能够与不同领域的人员进行有效的合作。

总之，AI工作平台和智能CMS在当今数字化时代具有重要的地位和作用。它们不仅提高了工作效率和决策质量，还为企业的发展带来了新的机遇。随着技术的不断发展，我们有理由相信，它们将在未来发挥更加重要的作用，推动各行业的创新和发展。