機器之心原創
作者：張倩
前幾年，有一類話題非常火：「在 xx 行業，AI 正在取代人類」。但随着人們對現階段 AI 發展的認識逐漸趨于理性，這類話題正變得越來越少。取而代之的是：「AI 能增強或延伸人哪方面的能力？」「AI 和人一起能解決哪些問題？」
這種期望的下調是必然的，畢竟憑借目前的弱人工智能是不太可能造出《西部世界》裡那種高度智能化的「接待員」的。《深度學習》一書作者、被稱為「世界 AI 之父」的特倫斯 · 謝諾夫斯基（Terry Sejnowski）也早在 2019 年就說過，「在未來，人類與機器将是合作而非競争關系」。
美劇《西部世界》中的接待員（機器人）形象。
如今，這種觀點正在被越來越多的業内人士所接受，「協作智能（Collaborative Intelligence）」的概念也開始受到更多關注。澳洲最大的國家級科研機構——CSIRO 首席研究科學家 Cécile Paris 甚至指出，「（協作智能）将成為數字化轉型的下一個科學前沿」。
Cécile Paris 等人認為，要想更好地發展「協作智能」，我們必須重新思考工作流程和過程，以確定人類和機器互相補充。此外，探索機器如何幫助人們開發新的技能也是一個重要方向，這些技能可能在各個領域的勞動力中都有用。
在國内，這種思考其實也早就已經開始了，尤其是金融、保險等直接服務于人的行業。這些行業在 AI 的應用上走過一些彎路。比如，對外，智能客服、智能投顧曾經風靡一時，但無論是從客戶滿意度還是業務深度來看，這些工具都無法滿足企業的需要；對内，每個企業可能都有專門的資料分析師，他們直接和企業的資料中台（機器）打交道。但業務線一多，「機器 - 資料分析師 - 業務人員」的管道就會因資料分析師不夠而堵塞。這就顯示出了優化人機合作流程和過程以及幫助普通業務人員開發新技能的重要性。而這件事，其實已經有很多企業在做了。
在前段時間的一個釋出會上，國内首家網際網路保險公司衆安保險展示了兩款旨在解決此類問題的新産品。這兩款産品的背後濃縮了該公司多年以來對變革人機合作方式、賦能普通業務人員的思考。
重新思考人與機器的排兵布陣
如果把企業的資源配置比喻成排兵布陣，那人與機器可能是兩種完全不同的兵種。騎兵可以在遼闊的草原上所向披靡，但一旦進入叢林就不如步兵顯得靈活。同理，機器可以 24 小時不間斷工作，處理海量的資料，但并不善于直接與人溝通。是以，在引入機器之前，先弄清楚哪些環節最适合機器才是當務之急。
在自身的客服、外呼等場景中，衆安把這個問題梳理了一下：先前很多的智能客服之是以并不成功，是因為過分誇大了機器的作用而忽略了人的靈活性和創造性。于是，這次，他們把人和機器的位置重新安排了一下：機器負責 24 小時「站崗」，源源不斷地從文本、語音互動資料中挖掘客戶意圖、情緒等資訊，然後把發現的問題交給人去解決。
這就是衆安此次推出的使用者互動挖掘平台——鲸探的核心思想。
和之前的很多互動機器不同，鲸探的任務主要在于「發現」，就像鲸在海洋中搜尋獵物一樣。它會試圖弄清楚幾個問題，比如客戶是什麼人？想辦什麼業務？問題有沒有得到解決？有沒有負面情緒産生？會不會投訴？需不需要向其介紹新産品？這些都濃縮成了一個名為 CIREO 的分析架構。為了弄清楚這些問題，鲸探的背後綜合了深度語義了解、多模态機器學習、大規模預訓練、知識蒸餾、圖優化、模型壓縮等 AI 領域的各種流行技術。
在弄清楚這些問題之後，鲸探并不是直接着手去解決，而是将其貼上标簽（投保、咨詢、退保、理賠、續保等）、生成圖表（意圖排行榜、客戶分群圖、情緒晴雨表、輿情雲圖等）供各個部門（如銷售、客訴）參考。至于下一步該怎麼做，就由人來決定了。這種新的人機合作方式幫衆安将投訴率降低了 30%，也讓業務實作了「從名單到客戶」的轉變。
這種排兵布陣透露的是作為一家 AI 應用公司的衆安對于投入産出比的考量。該公司首席資料官段朝陽談到，「在 AI 應用場景的選擇上，市場中出現了一些比較極端的狀況，一種狀況是大家都在集中去做非常難的、複雜的場景，比如完全無人駕駛的汽車，或者完全用機器去替代人，去跟客戶互動，這個是需要非常大的投入去做的」。在他看來，「厘清技術的邊界、理論的邊界和實際應用的邊界」非常重要，這使得衆安選擇了「合适的、投産高的點去切入」。鲸探就是一個很好的例子。
衆安保險首席資料官段朝陽。
打破人與機器的次元壁
在完成人與機器的排兵布陣之後，企業還有一件事要做，就是打破二者之間的次元壁。
計算機誕生之初，普通人雖然也能享受技術進步帶來的變革成果，但卻很難直接與其互動，參與到價值的創造中去。AI 落地初期也面臨這一挑戰。
為了打破這一次元壁，人們做了很多努力，低代碼就是其中比較流行的一種。
低代碼并不是一個新概念，20 年前就已經有了類似的模式。進入「數智化」時代，企業内部需求越來越豐富多變，這一概念又收獲了新的關注。但由于行業場景多且複雜，很難有一個通用的平台能覆寫所有行業、滿足所有使用者需求。衆安所在的網際網路保險行業更是如此。
在衆安内部，對低代碼需求最迫切的場景就是資料分析。因為很多時候，他們的業務人員不僅要求知道發生了什麼，還要知道為什麼發生（歸因），以及未來會怎樣（預判）。這種「從看見到預見」的分析需求是非常重的：每條業務線上的每個環節可能都有不同的分析需求，不同的管理層級關注的資料次元也各不相同。但是，有能力承接這些需求的分析師數量是有限的。如果能将這種與機器溝通的能力擴充至每個業務人員，分析效率将大大提升。
于是，他們便自己搭建了一個名為「集智」的低代碼平台。它允許業務人員以拖、拉、拽的方式建立自己的資料分析架構，減輕了對資料分析師的強依賴。為了提高它的易用性，開發人員還在剛剛釋出的集智 2.0 版本中新增了輕部署、多終端可用的特性，并預設了十大場景的模闆，使得業務人員隻需要通過簡單的四步就可以生成資料模型和可視化看闆。借助這一平台，衆安内部的資料分析效率提升了 50%，人力成本降低了 40%。
在衆安，類似的重新定義人與機器關系的應用還有很多，它們以及與之配套的算法、平台、保障共同構成了一個大架構——衆安數智化賦能方法論 4633。在這套方法論中，算法層囊括的是一個一個的原子能力，是未經封裝的機器。平台将這些機器打包成子產品，供業務層以搭積木的形式調用，進而實作加增量（獲客、加複購、挖掘使用者價值）、減損賠（風險控制）、優營運（提升營運決策效率）、拓市場（為業務創造新産品，如新險種）的應用價值。更重要的是，這套方法論以及其中的産品（包括鲸探、集智）不止應用于衆安内部，還通過輕咨詢服務、平台建設、模型應用三個次元面向行業輸出。
在此方向上，國外的探索也在同步進行，比如上面提到的 Cécile Paris 所在的團隊。11 月 30 日，她和其他科學家成立了一個預算 1200 萬澳元（約合 5442 萬元人民）的未來科學平台——CINTEL（Collaborative Intelligence 的縮寫）。通過這一平台，他們将探索人和機器如何一起工作和學習，以及這種合作方式如何改善人類的工作。
産業數智化的核心是人機協作
無論是重新思考人與機器的排兵布陣，還是打破人與機器的次元壁，本質上都是通過流程、過程等方面的創新來找到更好的人機協作方式。
在國家新一代人工智能發展研究中心專家委員周伯文博士看來，人與 AI 的深入協作将為成為産業數智化的核心。他将人與 AI 的協作分為三個層面，一是 AI 幫人類從簡單、重複、枯燥的工作中解脫出來；二是 AI 和人協同有增強作用，依靠 AI 能力幫助人類提高工作效率；三是在足夠多的資料和觀察基礎之上，基于 AI 重塑工作流程，完成創新協作。從衆安等企業的努力來看，國内企業已經在這些層面上取得了一些成果，但在通往全面數智化的路上還有很多要理清的東西。
參考連結：
https://techxplore.com/news/2021-11-secret-ai-doesnt-job.html
http://www.news.cn/english/2021-11/30/c_1310342090.htm
https://baike.baidu.com/item/%E6%95%B0%E6%99%BA%E5%8C%96/56172035?fr=aladdin
https://www.jiemian.com/article/5965239.html