升级后的平台集成了强大的多智能体AI编排功能，可加速企业AI由生产力推动实际增长的过程

数十家企业已经应用这一平台，以快速识别、构建并试点可大规模提供业务价值的AI决策应用案例

新泽西州蒂安克2024年10月19日 /美通社/ --  今日，Cognizant（纳斯达克股票代码：CTSH）宣布对其Cognizant Neuro® AI平台进行了重大升级，旨在帮助企业快速发现、进行原型设计，以及开发能够改善决策的AI应用案例，从而提升公司业绩并创造新的收入机会。

Cognizant和Oxford Economics的研究数据显示，大多数企业（76%）希望利用AI创造新的收入来源，但在实施和扩大跨企业的应用案例时遇到了困难。 许多企业（70%）还认为他们的进展不够迅速。 Cognizant Neuro® AI升级解决了这些问题，在短短几分钟内，企业领导者可以识别需要解决的业务问题，确定其影响范围，生成合成数据或导入自己的匿名化数据，继而开始创建AI模型。 随后，该平台可以预测并提供实现业务成果的指导建议，同时阐释做出这些决策的理由，使企业能够快速评估各种应用案例的影响。 

目前，经过数十位客户的测试、试点和应用，增强后的Cognizant Neuro® AI平台现已向Cognizant客户开放，并拥有多项专利支持。 它几乎可以应用于任何涉及数据分析的行业或业务挑战，覆盖从库存管理、动态定价到减少欺诈和优化员工配置的各个方面。 Cognizant Neuro® AI平台的升级起源于Cognizant AI研究实验室的研究项目，该实验室于今年早些时候启动。 实验室专注于研发基于决策的AI系统，这些功能升级是实验室首个集成到商业产品中的成果。 

Cognizant的客户、生物制药领域的领军企业Gilead Sciences对增强版Neuro® AI平台发表评价： 

“当其不仅仅用于预测结果时，许多企业在应用AI的过程中常常面临困境。这是因为解决实际业务问题通常涉及数千种不同的情景，且任务优先级往往相互冲突。”Gilead Sciences的云、数据和分析部门负责人Murali Vridhachalam表示。 “凭借这些最新的更新，Cognizant Neuro® AI是我见过唯一能够帮助企业快速部署端到端生成式AI应用案例的平台，并挖掘出切实的、能带来收入增长的机会。 其创新的多智能体决策工作流管理方法在行业中独树一帜。”  

Cognizant的另一家客户Bayer Crop Science也分享了使用这一升级平台的经验：

 “农业是最具挑战性的行业之一，需要在不确定性极高的环境中进行复杂的决策，并平衡社会、经济和环境目标。”Bayer Crop Science的决策科学负责人Patricio Salvatore La Rosa表示。 “我们已直接测试了Cognizant Neuro® AI的几个基础组件，尤其是LEAF，它帮助我们有效地应对复杂的情景。 通过利用专门的生成式AI智能体的协作能力，我们期待以可靠、透明和可信的方式解决复杂的决策挑战。”

Cognizant在Cognizant Neuro® AI的升级中集成了强大的新功能，包括名为Opportunity Finder的多智能体发现工具，用于识别应用案例，以及一套由大语言模型（LLM）助理组成的强大AI决策引擎。 客户首先通过Opportunity Finder与平台互动，这一LLM助理能够帮助他们识别适用于其业务的潜在AI决策应用案例。 Model Orchestrator拥有拖放界面，允许用户清理数据并应用多种机器学习模型。 LLM能够简化数据准备流程，随后，企业可以应用机器学习模型来预测结果；与此同时，演化AI模型能够为决策提供建议。 训练完成后，企业可以通过网页界面进一步查询最佳模型，或通过LLM助理进行查询。 

升级后的Cognizant Neuro® AI平台提供了预构建配置，使各种应用案例的起步变得更加容易。 这些案例包括医疗保健（如药物发现和治疗方案）、金融（如网络安全和欺诈预防）、农业（如作物产量优化和农药开发），以及供应链、呼叫中心、客户保留和价格优化的通用模版。 

“企业正在为如何以及在何处应用AI解决业务问题而苦恼，这就是为什么我们看到的大多数AI用例仅限于基于预测的结果或基于单一LLM聊天的解决方案。”Cognizant的首席AI技术官Babak Hodjat表示。 “多智能体AI系统是解决这些问题的关键，这也是我们以其为核心构建Cognizant Neuro® AI的原因。 该平台使企业领导者——而不仅仅是数据科学家——能够利用他们的领域知识，在几分钟内快速测试并建立AI决策应用案例，并提供相应的模型代码以实现大规模迭代。” 

根据Gartner®的评价：“多个智能体可以朝着共同的目标努力，超越单个智能体的能力。 多个智能体的组合应用可以解决单个智能体无法应对的复杂任务，同时创造出更具适应性和可扩展性、更加强大的解决方案。”1

IDC自动化、AI与分析副总裁Neil Ward-Dutton也表示：“随着企业开始战略性地应用AI、并超越实验阶段后，他们迫切希望了解如何识别和优先考虑应用案例。 能够利用技术加速应用案例识别，并利用该技术测试和扩大实施范围的供应商将处于强势地位。”