计划，适应，生存-危机时刻的认知自动化案例

一切都归结为降低风险

为了降低风险，行业和市场正在对不同的模型做出反应，但是他们是他们正在推出相当不错的灾难恢复和业务连续性教科书版本，建立了一个响应团队和一个运营团队来研究中期和长期影响，问题在于，许多标准模型和缓解技术在进行危机测试时根本无法工作，因为包括材料，制造，运输，空运和物流在内的更广泛的供应链都已被破坏，当一条管道没有水时，它不再像打开另一个水龙头那样简单。从零售业的广泛领域可以看出这一点，尽管许多公司谈论在COVID-19爆发之前如何减少对的采购依赖，但在仓库中进行装满货的斗争确实存在，随着大流行病的影响在全球范围内蔓延，并在不同时间影响区域，那么问题是：组织如何才能更聪明地应对这些挑战如何影响消费者需求和信心以及采购和制造？

始终是采取战略性而非战术性的方法

而要依靠能够从成功与失败中汲取经验的支持性数字基础设施来实现，当品牌忠诚度因危机而丧失时，这一点尤其重要，危机爆发后，人们开始大惊小怪地买东西，没有人再在乎手推车里放着什么品牌的厕纸了。对于零售商而言，重要的是能够提供某种产品以及对于买方而言，越来越多的企业发现，他们无法再通过在COVID-19之前的某个时刻向他们提供想要听到的结果的数据来为他们的系统提供游戏，我们需要一种更聪明的方法来研究不同情况在整个企业中将如何发挥作用，我并不是说信号总是100％正确，但是至少您对信号的真正含义有准确的认识-对正在发生的事情以及可能发生的事情有很好的了解。

前进的道路

类别正在我们眼前形成。我认为我们已经很好地塑造了叙事，这些东西实际上就是我们一直在谈论的东西，叙述是它正在经历。如果您精打细算，如果您很幸运，并且有钱做，那么建立一个类别将需要三，四年。我认为目前情况良好，但我们还处于初期。我们还没有跨越鸿沟，俗话说，那就是。这是现在。当然，自那时以来，整个世界都陷入了一片未知的领域，许多组织一直在努力将自己的双手放回原地，以争取业务生存。考虑到每个人都面临着新的压力，很想知道是否会在Aera这样的平台上使用自动技能来进行意外测试。如果是这样，是否有扩展的选择库可以在未来的危机中有所帮助？

我们的平台旨在让合作伙伴和客户在的基础上建立技能

，我预见将来的图书馆或市场，尤其是风险管理，认知自动化还处于初期，“放手一搏”所涉及的文化转变，使系统能够通过人工智能和机器学习来增强重复性，低价值的任务，但意义重大，但是，如果发生这种情况，从理论上讲，好消息应该是在未来的危机中，包括演变或当前变化的第二波变化，应该有更多数据触手可及，还有更多可供选择的恢复方法。