IBM在四大行的某一家银行里头我们做了一个基于图计算的品牌。通过图计算帮他们来进行风险的识别和传导的预测，大家都知道，刚才刘总也谈到了风险的识别，还有蒋总也谈到了风险，银行风险很大。我们做了什么事情，我们做了八种关系，包括股权的关系，包括担保的关系，包括投资人之间的关系，包括资金圈的关系等等这八种关系当中，我们去检索相应的关系圈。IBM的System G非常强大，我们原来做这样的一个关系识别，他们要一个月的时间做这样的关系识别，我们现在做到了只要分钟级就可以做关系圈的识别，而且我们这个关系圈原来做到6个就做不下去了，现在我们能够做到无限的，20个、30个，甚至上百个关系圈搭建。我们做的是风险传导的预测。在这个关系圈里头当有一个点出现违约的时候，它剩下的关系圈的其他的点什么时候会违约？它违约的概率有多大？就像一个苹果筐里头有一个苹果烂了，其他的苹果什么时候会烂掉？我们做了这样一个风险传导的预测。我们做的准确率在40的预测做到58.2%，基于这样的验证，我们马上会给他们进行这样一个产品推广，而且现在很多银行都关注这样的，对他们的传导预测能够非常地减少他们的损失。
第三个是决策，我们做了这么多，人工智能最重要的能力或者最关键的能力就是帮助人们做决策。
IBM认为现阶段人工智能或者认知计算更多强调的是辅助决策的阶段，我们会给你决策的建议，这些建议里有一个置信度，这个计算机系统、认知系统认为他的置信度有多少，我判断他多少是靠谱的。第二个是可追溯，就是我给你一个决策，相应的后面给你一个证据，为什么给你这样的决策？理由是什么？我会给你证据。人可以去看，我做这样一个决策证据背后的内容一二三四是什么，你觉得合理就采纳我的建议，如果不合理，请你做出自己的判断。所以这是一个现在叫辅助决策。未来当我们的认知系统更加智能，当我们的数据更加丰富，当我们的历史数据周期更长，当我们在监管方面不再那么严格要求的时候，或者我们更有信心的时候，我们希望未来计算机系统就可以帮你做决策。其实现在这样的一个自动驾驶就是计算机在帮你做决策，左拐、右拐、刹车不刹车都是计算机帮你做决策。未来面对商用的时候一定会有监管的要求或者法律的风险要去解决。
在认知决策里头，IBM做过什么？我谈一个案例，我们帮一家保险公司做智能理赔。大家多知道，尤其是寿险公司，一旦投完保之后出险，要理赔的时候其实非常复杂，大家都知道病种那么多，每个病都那么复杂，保险的条款，我也买过这样的寿险，看到后来我根本看不下去了，就因为朋友的关系我就买吧，我信任你。理赔专员其实也很难受，这么多病种都是很罕见的病，而且都是很专业，保险的条款什么情况赔、什么情况不赔非常复杂。所以这样的一个事情，第一，非常多的出险理赔的文档、检查的资料、医生的处方等等，一般复杂大病需要十年以上的员工才能做。这样人力成本的投入是非常高的。IBM通过沃森系统帮他们做智能的理赔，做两件事情：1，从非结构化的，从医院拿过来的医生开的处方单，开的诊疗的报告，我们把一些关键的特征信息抽取出来，包括了疾病的名称，包括的手术的名称，包括诊疗的结论，不需要通过人去录入，直接计算机系统就抽取出来，通过自然语言的理解，通过机器学习抽取出来。2，当抽取出来的这些特征放到规则的引擎里去做，做过保险系统的人知道，规则引擎只能解决一些问题，还有一些问题不能解决，需要人工去处理。IBM的沃森系统就把这些拿过来，他去读理赔的专案，拿过来申请材料，跟保险的条款进行比对，跟历史的案件进行比对，历史的案件里头哪些跟它相似，相似的案件赔了还是没有赔？没有赔的原因是什么？是否跟你这个相符合，这个拿过来了。IBM给这家公司做完之后，他们原来理赔的平均时间减少了40%，人员的投入减少了30%，原来有30%的人员，我们不能说下岗了，这家公司把这些人员拿去做别的事情了。刚才刘总说的，把北大、清华的人员拿去干别的是一个意思，他们把这些人拿去做别的。每年给他减少了1.5亿日元的指出。日本的保险公司没有那么大，对于中国的保险公司，现在我们已经在谈，TOP6的保险公司要把这样的一个认知理赔的方案从日本移植到中国本地，我想中国的量级，未来可以给这些保险公司人力的成本节省是有多大可以想见。这是第三个认知理赔所辅助决策的这样一个内容。