新员工入职的第一天,对员工而言可能是一个令人期待而兴奋的一天,而对于公司的IT人员却是一个令人疲惫而糟心的一天,也有可能是一周。
新员工入职如何成了IT部门的噩梦?
张琪(化名)是一名跨国化学制品公司的IT管理人员。公司在全国的三个城市都设立了分公司或代表处,然而500人的企业IT人员却只有三人。
你想得没错,他的另两个同事都分布在另外的两个城市。除了应付日常公司IT、网络设备与软件的正常运营,还有个头疼的问题就是能让新员工拿到可立马“撸起袖子”干活用的新电脑。
新员工可能属于不同的部门,他们的电脑就要预装好操作系统,以及不同的应用软件,由于职位、部门的不同也就需要不同的安全策略与权限。
每台新电脑的系统安装少则2小时,遇到公司业务繁忙或网络不稳定时意外中断或出错就得重装,这个过程就会长达5-6个小时。如果一下入职20-30位新员工,IT人员就会整个星期都忙得不可开交,头疼的不仅是IT人员,时常也会影响到新员工的入职感受与工作进度。
自动驾驶从“半自动”到“全自动”
张琪发现解决这个问题首先要解决的是系统部署自动化的问题,来提高IT人员的工作效率。张琪首先想到采用传统的系统部署平台,将操作系统镜像以及各种驱动通过公司内部网络自动化地完成。
然而他发现,这仅仅是长征路上的一小步——各部门的应用软件大相径庭,为每个员工安装相应符合工作岗位的软件也是项浩大工程。同时,由于公司有全球统一的安全与策略,在安装过程中出现问题还要与总部沟通也是件费时费力的工作。
疫情也带来了新挑战——按以往的流程,IT人员收到新电脑设备后安装好软件再分配给新员工,现在则要变成电脑安装完软件后再寄到居家办公的员工的家中。这样一来,留给IT人员的时间就变得更短了,同时也增加了电脑的运输成本。
在张琪看来,如何让IT人员既不必接触到设备也不用见到人的情况下实现新设备的软件安装并交付给新员工,成为疫情时期IT部门要为新员工入职解决的问题。
如果能让公司的IT人员通过远程管理设备,让新设备出厂时就预装好所有软件,设备不经公司直接寄往员工手中,这个问题也就迎刃而解了,而这需要OEM厂商的配合。
张琪找到了DELL来解决这“最后一公里”的难题。
六步轻松解决用户“四大痛点”
为探究这“最后一公里”的解决之道,我们找到了DELL的两位专家共同为我们剖析这背后的奥秘。“戴尔提供的这个方案叫Windows Autopilot for pre-provisioned deployment,这是微软专门提供给PC制造商的权限,帮助企业迅速实现一个‘零接触’的IT。” 戴尔科技集团服务销售经理韩汝阳介绍道。
戴尔科技集团服务销售经理韩汝阳
“这将为企业IT提供四方面的价值。”韩汝阳解释道:“首先解决了用户的网络资源紧张的问题。当IT人员安装镜像和软件时需要大量的带宽资源,如果有多台设备进行同时安装,并发下的带宽需求则更大,而这部份可以交给DELL来完成,避免造成公司网络资源的紧张与拥堵。”
第二,避免了安装过程中的错误与失败,节约大量安装时间。“不论在设备安装镜像还是应用软件的时都可能因为某种原因而产生错误,造成重复安装。这将浪费IT人员大量的时间,短则2-3小时,长则5-6小时。如果采用 Autopilot for pre-provisioning 服务,这个过程可以在戴尔工厂完成,完全不用担心中间出现错误。”
第三,可以实现弹性部署的同时大幅节约了IT的人力成本。“Autopilot for pre-provisioning 服务既能满足企业一两台的软件安装与部署需求,也能实现上千、上万台设备安装的需求。部署1台设备的时间和部署1000台设备的时间是一样的,不论是软件还是安全策略,IT管理人员可根据不同的部门设置个性化的配置文件并一次性完成配置。”
第四,疫情之下大家可以不用接触就实现开箱即用。“以往IT管理员需要将设备拿到本地,再进行配置,而现在,通过云端配置、部署,设备还没出厂就可以完全设置好,然后直接发给最终用户。”
戴尔科技集团终端专业服务首席终端布署技术方案专家李永刚
这一切实现起来也非常简单。戴尔科技集团终端专业服务首席终端布署技术方案专家李永刚表示:“客户只要通过简单的六个步骤就实现‘零接触’的部署。”
第一步,在报价中加入Autopilot注册服务。
第二步,有销售确认相关服务并下单。
第三步,戴尔会按客户订单生产,并上传设备信息完成预注册。
第四步,企业IT人员在设备管理系统中创建好配置文件并将配置文件指派给相应设备。
第五步,戴尔会按将设备发送到指定的地点。
第六步,最终用户连接网络并登录系统,完成最终部署。用户看到的就是符合工作需求的软件环境。
李永刚强调,“这六步可以简化为两个部分,第一部分是Autopilot服务,这部分主要是让设备能被云端管理。第二部分是DELL 提供的Autopilot for pre-provisioning服务,使企业可以将注册好的设备进行个性化的管理,给每个设备安装不同的软件,采取不同的安全策略,这些就在DELL的工厂里就可以完成了。最终实现IT零接触、用户零等待。”
结语
如今,张琪所在的这家化学制品公司已采用了DELL提供的Autopilot for pre-provisioning服务。大幅提高IT工作效率的同时也减轻了IT人员的工作负担,新员工的入职体验也更加安全、顺畅和令人愉悦,新员工入职是IT部门梦魇的时代已一去不返。
好文章,需要你的鼓励
这项研究介绍了一种名为FlowPathAgent的神经符号代理系统,用于解决流程图归因问题。研究团队提出了流程图精细归因这一新任务,构建了FlowExplainBench评估基准,并开发了结合视觉分割、符号图构建和基于代理的图形推理的方法。实验表明,该方法在归因准确性上比现有基线提高了10-14%,特别在处理复杂流程图时表现出色,为提升人工智能系统在处理结构化视觉-文本信息时的可靠性和可解释性提供了新途径。
这项研究首次从神经元层面揭示了大型语言模型(LLM)评估中的"数据污染"机制。研究团队发现当模型在训练中接触过测试数据时,会形成特定的"捷径神经元",使模型无需真正理解问题就能给出正确答案。他们提出了一种新方法,通过识别并抑制这些神经元(仅占模型总神经元的约1%),成功恢复了模型的真实能力表现。实验证明,该方法与权威可信基准测试结果高度一致(相关系数>0.95),并在不同基准和参数设置下都表现出色,为解决LLM评估可信度问题提供了低成本且有效的解决方案。
这份来自向量研究所、康奈尔大学和格罗宁根大学研究团队的综述分析了基于大语言模型的代理型多智能体系统中的信任、风险和安全管理框架(TRiSM)。研究系统地探讨了代理型AI从概念基础到安全挑战,提出了包含治理、可解释性、模型运营和隐私/安全四大支柱的TRiSM框架。文章还详细分析了威胁向量、风险分类,并通过真实案例研究展示了潜在脆弱性。
这项研究提出了一种名为ConfiG的创新方法,通过生成针对性的数据增强样本来解决知识蒸馏中的协变量偏移问题。研究团队利用教师模型和学生模型之间的预测差异,引导扩散模型生成那些能挑战学生模型的样本,从而减少模型对训练数据中欺骗性特征的依赖。实验表明,该方法在CelebA、SpuCo Birds和Spurious ImageNet数据集上显著提升了模型在缺失组别上的性能,为资源受限环境下的AI应用提供了实用解决方案。