过去一年全球产业剧变,掀起的数字化转型浪潮也许会成为人类历史上值得铭记的社会影响力事件之一。面对这波广泛的数字化转型浪潮,高管、特别是CIO们自然面临着一系列出乎意料的新风险与新机遇。我们的应对态度,也许会对业务成功产生直接而深远的影响。
2021年CIO们需要关注的数字化转型风险与机遇就在其中。下面,我们一起来看数字化转型下的五种新常态。
数字加速
Twilio公司的一项研究显示,在新冠疫情引发社交隔离的前几个月,企业的数字通信战略实现了以往需要六年才能达成的加速效果,近八成企业加大了数字化转型方面的投入。IDC预测,未来两年全球IT支出将迅速攀升至6.8万亿美元。随着优先级规划与行政审批等负面因素的消除,CIO们有望将已经拖延多年的转型计划付诸实践,而云过渡将是其中最值得关注的重中之重。
在数字化议程持续推进的同时,IT与业务运营也将迎来一片生机勃勃的新世界。如今,地理位置越来越无关紧要,我们可以灵活地将员工安置在适合的区域,给予他们自由选择生活与工作地点的权利。在云技术的全面支持下,一切皆有可能。
远程办公
除了处理日常工作之外,如今人们安坐家中就能解决教育、购物乃至必要的各种沟通事务。以往号称必须现场处理的不少工作,如今都可借助远程办公实现。产品开发团队成员们重新把配件和设备摆进客厅与车库,也许下一个苹果、惠普和微软就诞生在这里。
当然,我们在家中处理的事务越多,对于网络带宽资源的消耗就越大。传统上网高峰往往出现在夜间,但现在每个人都在24/7全天候方式占用网络资源,Wi-Fi也需要在工作期间随时保持信号稳定。因此,我们需要为远程办公的员工们提供足以支持高生产力的技术与带宽。企业不妨拿出部分预算帮助员工升级家庭网络,否则在Zoom视频会议上卡卡停停就不好了。
高风险成为新常态
随着云服务与居家办公的广泛普及,员工开始通过自有笔记本电脑或者智能手机访问企业网络或云资源,由此带来前所未有的高威胁工作环境。社会工程与网络钓鱼活动持续升温,利用新冠疫情宣扬虚假消息的链接也大行其道。为此,家庭网络安全也需要得到IT决策者的高度重视,通过实时安全扫描对全部系统及基础设施进行即时响应与修复。
多因素身份验证应该被列为头号大事,同时帮助员工理解威胁特征并提供充分培训。从这个角度看,我们再也没法坐享被动保护的红利,而是需要主动出击、积极面对风险。
高度分布式事件响应
由于客户遍布世界各地,跨国企业必须以更为分散的劳动力布局满足业务需求——这既带来了挑战,同时又蕴藏着新的机遇。由于呼叫及网络流量的路由机制不同,加上家庭互联网的连接质量波动较大,因此以远程方式提供客户故障排查支持会变得更为复杂。为此,我们需要建立起多步骤事件管理流程,并在必要时引入多地协同以解决客户难题。
但好消息是,这种方式会让我们的员工更贴近客户。如今,我们的团队不再受限于集中办公室的资源配置,而是在需要时轻松提供上门服务并实现高层次支持。我们已经为团队及各合作伙伴提供必要的数据与工具,确保在流程中的各个环节提供以客户为中心的完善体验。
支持人际关系
新冠疫情前的人才短缺问题并没有完全消失。一旦回归正常办公状态,问题很可能会再次出现。那么,企业该如何培养起牢固的员工忠诚度?
Maya Angelou有句名言,“归根结底,人们记得的不是你的言行,而是你带来的感受。”疫情笼罩下的情况更是如此,员工本身就感觉压力巨大、疲惫不堪,因此企业领导者必须在关注生产效率之余重视员工的实际感受。
请在每项决策中都优先考虑人为因素,并尽可能建立起顺畅的沟通渠道。只有维持良好的人际关系,员工们才能接纳并适应那些冷冰冰的技术与通讯方案。务必用同理心和同情心对待您的员工,为他们提供更多灵活空间,以积极的方式引导其找寻工作动力与敬业精神。只有这样形成的员工忠诚度,才能在疫情散去后带来不可思议的价值回报。
IT管理者当然有必要重视技术挑战与相应解决方案,但也千万不要忘记这些方案会给员工带来怎样的身心影响。只有把握住这一点,大家才有可能建立起后疫情时代下的理想运营体系。充分运用同理心与以人为本这两大理念,相信各位CIO一定能为组织探索出一条新时代下的成功之路。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。