无论你今天阅读的是什么关于技术的内容,“数字化转型”都是当前的热门话题。事实上,数字化转型并不新鲜;它已经发生了一段时间了,而且这是一个持续的优化之旅,以最大化数字技术并简化业务流程——最终帮助企业变得更加敏捷,更具创新性和竞争力,也更加成功。
由于利用现有或新兴数字技术的业务转型是一个持续的过程,因此它不是一个一劳永逸的项目。新技术总是在不断出现,即使有了最好的预测和理论,我们最终还是会以我们目前还无法想象的方式超越机器学习、人工智能(AI)和物联网(IoT)。考虑到这一点,在未来可预见的这段时间里,我们能够在多大程度上证明我们的技术?我们如何才能够在不断追求至善优化的过程中,避免一次又一次地实施那些收益只够勉强覆盖其自身替换成本的新解决方案?
数字化转型的巅峰是一个不断变化的顶点。没有一家公司可以在不做出改变的情况下达到顶峰,并且始终保持这种状态。没有一种技术解决方案是完美的,也永远不会有这样的解决方案。我们生活在一个不完美的世界之中,新的创新会为现有的技术创造不断改变的理由。然而,企业可以通过一些方式来减少系统的波动,减轻一次又一次更换新系统带来的麻烦。这里是我的一些重要的经验:
在选择时超越现在的需求。
在选择新技术的时候,要超越你目前的需求,关注你未来可能的需要。这需要两种思路和一点前瞻性思维。首先,你现在试图解决的问题随着时间的推移会如何变化,为了解决未来可能面对的问题,你将需要在解决方案中具备哪些能力?你正在获得的系统是否具有适应未来需求的敏捷性和能力——而且不会让你的企业付出太多的成本?
其次,你需要超越你尝试使用单一技术解决的挑战。你必须考虑整个技术堆栈。互联互通在数字化转型中发挥着重要作用。如果你使用的其他系统在架构上有所变化,那么你正在考虑的技术在未来是否可以与之协同工作?
采用云优先战略。
关于云与内部部署解决方案的争论已经过去了。但是,如果没有云技术,你真的能够让一家企业实现数字化转型吗?在我看来,答案是否定的,特别是如果你希望使用面向未来的系统,并为不断变化的世界做好准备。云平台提供灵活性,可以快速扩展,并且可以在不造成破坏或进行昂贵升级的情况下持续发展。
升级也可能需要操作系统(OS)更新,这也可能需要硬件的升级。这方面最近值得注意的一件事是SAP的EEC企业资源规划(ERP)系统迁移到新的S/4HANA。升级需要切换到Linux OS。
数据和数据分析是数字化转型的核心,更多的企业需要来自整个企业的有意义的、可操作的数据。这需要在系统之间进行一定程度的集成,而云技术是实现这一目标的最佳选择。为了实现数字技术的全面变革力量,企业需要摆脱孤立的信息——这是内部部署软件中更常见的问题。
向供应商提供开发反馈。
技术供应商依靠客户和整个市场的投入来创建他们的产品开发路线图。在现有技术出现新需求和差距的时候,请通知你的供应商。如果供应商提供新功能而不是完全替换系统的话,这种做法就会更容易而且也更具成本效益。
加入供应商焦点小组或顾问委员会以提供反馈。参加用户会议以帮助塑造你所使用的系统的未来。利用与客户成功代表的接触,让你的代表了解你认为供应商在解决方案中缺失的任何内容。提供你的整个愿望清单。解决方案提供商无法对每个建议采取行动,但通常情况下,当足够多的客户提出类似请求时,他们会在产品开发路线图中增加相应的改进。
定期检查你的技术堆栈。
定期检查你的整个技术堆栈。一个系统的变化可能会影响另一个系统。注意不断变化的技术趋势,确保在其能够增加价值并增加竞争优势的情况下满足这些趋势。对于那些可能受到变动影响的其他系统,要注意对其供应商提出警告。如果你能够帮助你的供应商领先于这些变化,你就能够帮助你的公司避免技术转移的麻烦。
寻找有效运行所有系统的方法,尤其是在集成和数据共享方面。有时候,供应商或系统无法满足不断变化的需求。如果出现这种情况并造成效率低下,请权衡转换的成本和价值。有很多旧有的技术已经不再适应业务的需求,可是企业还是采取了愚蠢的方式对其视而不见。
除了上面提到的这些,选择能够与你共同发展,并且有可能能够满足未来和今天需求的系统尤为重要。此外,尝试将尽可能多的应用程序移动到云端,以尽可能地提高灵活性,并避免昂贵的升级陷阱。最后,我们都必须积极行动起来,指导现有技术的发展,以保证其能够面向未来。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。