今年早些时候,精品酒店集团CIO Brian Kirkland刚刚实现了众多技术领导者梦寐以求的里程碑:关闭了公司最后一处实体数据中心。
此举意味着该集团为期五年的亚马逊云科技转型计划圆满成功,期间总计退役3700多台服务器、逐步淘汰300余款过时的软件程序,并在云迁移过程中又优化了另外250款软件程序。
如今,Kirkland和他的团队正运用云设施带来的速度与灵活性优势不断扩大AI计划,并在其涵盖7500多家酒店的全球业务体系中为客户及特许经营商提供全新体验。
Kirkland在谈到向亚马逊云科技的迁移之旅时表示,“我们必须选择这条道路,因为我们都不清楚明天会是什么样子。”对于酒店这个越来越依赖实时数据以提供最新客房定价与个性化客户体验的行业中,“固守自有数据中心不会带来任何竞争优势。”
Kirkland在精品酒店集团的职业生涯始于2015年,他当时为该公司开发了预订与库存管理系统的云版本,这对酒店这个并不以紧跟技术趋势而闻名的行业来说堪称一大进步。而在2018年出任CIO时,他开始将战略重点转向将这种敏捷性推广至整个公司。
Kirkland解释称,转型的核心就在于专注提供价值,并实施严格的治理与成本管理措施。他与高管团队的同事们密切合作,共同规划过渡方案,他的小组还建立起护栏以监控云资源消耗并密切关注运营支出。
转型带来的收益已经在方方面面得到直观体现。例如,软件部署可以每月进行一轮、而不再像过去每天都需要操作,这也使精品酒店集团的网站迎来了重大变化。在新冠疫情爆发的第一个月,精品酒店集团在网站上发布的变更比之前一整年还要多。
2022年,该公司又推出了ChoiceMAX,这是一套移动及云优先的收益管理系统,可利用机器学习技术为加盟商提供实时定价建议。除了潜在增加客房收入之外,该应用程序还对过往极为耗时的大部分手动流程进行了自动化改造。
随着企业迁移至云端,精品酒店集团的IT角色、工具和技能组合也发生了变化。以往大批负责管理实体数据中心的员工被调往云运营与工程团队,与亚马逊云科技一道构建并管理网络,同时构建工具以优化云支出。Kirkland表示,数据科学能力在精品酒店集团内正迅速普及,公司也鼓励每位员工积极探索如何在日常工作中使用AI与机器学习成果。
精品酒店集团还拥有一支小型“攻坚团队”,专注于推动AI、特别是生成式AI的安全高效采用。该公司也在针对员工及加盟商提供以技术为中心的培训强化计划,同时组织“创造马拉松”等创新活动,帮助团队向高管层展示能够快速投入生产的新项目。
Kirkland表示,与亚马逊云科技这样的大型云服务商密切合作,好处在于能有机会在新产品及服务推出时率先参与测试。作为Amazon Connect的试用客户,精品酒店集团尝试利用这套AI平台来提高客服中心的运行效率。他们还在测试另外一种AI工具,希望跨多个系统聚敛客户数据以建立统一的用户画像,最终借此提供更加个性化的使用体验。
在生成式AI方面,精品酒店集团则在测试亚马逊的CodeWhisperer开发者生产力工具以及微软的Copilot解决方案。虽然尚未做好全面上线的准备,但其团队也在测试可直接供客户使用的生成式AI功能。
Kirkland概括指出,无论具体选择哪种AI技术,“只要它们做好了供员工安全使用的准备,我们就一定要能力快速发布。”
新技术带来的冲击也为精品酒店集团提供了一系列利用业务数据来推动增长、加速发展的新机遇。展望未来,Kirkland表示他的工作重点是进一步扩大新的AI用例,将可靠数据交付至最终用户手中,并将来自不同部门的知识和见解有机组合起来。
Kirkland最后总结道,“今天的我们永远比过去更先进,而明天的我们永远比今天更先进。这将是一段永不止步的探索之旅。”
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。