IBM亚太区总经理Paul Burton表示,亚太地区的组织必须重新设计流程,才能充分释放人工智能的技术优势。
IBM亚太区总经理Paul Burton在最近接受采访时表示,“单纯用机器人取代现有流程中的人工虽能在一定程度上降低成本,但至少在亚太地区,人工因素绝不会消失。”
他补充称,“这里的劳动法不允许人力需求像美国那样快速扩张和收缩。因此随着组织在技术领域投资规模的增加,其成本反而可能因此上涨。”
Burton主张彻底改造现有工作流程,而不仅仅是将现有流程转化为自动化形式,他认为这才是充分发挥AI技术潜力的正确路线。
在他看来,“如果不改变业务流程来释放技术所提供的优势,就不可能获得想要的价值。”
Burton甚至将重新审视并设计业务流程的必要性,比作电力出现之后工厂车间内的蒸汽驱动设备随之做出调整与升级的情况。
他强调称,“如果不重新构思设备、设计流程,那么一切都没办法改变。换言之,只有在重新组织设备并匹配工作流程之后,电力才能真正让新时代的机器变得更有效率。”
当然,Burton也承认这种流程层面的重新规划将给众多企业带来巨大挑战。“其中需要不同的技能和想象力,而我在亚洲并没看到过多少这方面探索。不过只要这种情况变成现实,生产力就会迎来下一次飞跃。”
Burton还观察到,亚太地区组织面临的另一大关键障碍集中在数据管理领域,具体涵盖整个AI生命周期,包括数据获取、整理、清洗,乃至AI模型的部署和管理等等。
“数据管理的概念已经存在了15到20年,但与现在的不同之处在于,以往的数据主要用于商务智能与机器学习。而如今有了生成式AI,数据的应用范围更加广泛,组织对于数据的需求也比当初更为迫切。”
CEO们希望以更积极的姿态开发生成式AI,因为他们认为如果不能善加掌握,他们就会在竞争中处于劣势,而且很难缩小与具备技术优势的竞争对手间的差距。——Paul Burton, IBM公司亚太地区总经理
Burton指出,像新加坡这样更为先进的亚太市场其实更有能力应对这些挑战,特别是在对流程的重新设计方面。“但在其他国家,暂时还看不到太多通过跨职能团队将业务和技术整合在一起的尝试——也就是组织设计层面的探索。”
Watsonx在亚太地区获得关注
近年来,IBM一直在混合云与AI领域投入巨资,专注于交付具备内置安全与隐私保护机制的企业级AI解决方案。
2023年,蓝色巨人推出了面向基础模型及生成式AI的Watsonx AI与数据平台,可提供模型训练、微调及部署,用于AI工作负载的数据湖与治理工具,以及Watsonx代码助手等功能。
Burton表示,Wtasonx“在全球范围内获得了很大关注”,其中也包括亚太地区,并为IBM带来了可观的收入。“目前还无法公布具体数字,但成绩远远超出了我们的目标。每个季度,Watsonx的市场表现都超出了公司预期。”
Watsonx在亚太地区受到欢迎的一大驱动因素,就是这片市场上的大型机现代化计划。Burton解释称,“亚太地区存在着很多Cobol代码项目及大型机,因此Watsonx代码助手能够帮助企业理解并将这些代码转换为Java,并由此获得显著收益。”
另一个关键因素则是治理。Burton指出,“一旦模型在整个企业中完成部署,客户方就必须确保其得到良好管理,并且在出现问题时能够经受住审查。”
根据Enterprise Strategy Group和TechTarget发表的一份研究报告,75%的亚太地区受访者计划采用生成式AI,近三分之一受访者已经开始在生产环境中运行生成式AI工作负载或者开展技术测试。
Burton最后总结称,“CEO们希望以更积极的姿态开发生成式AI,因为他们认为如果不能善加掌握,他们就会在竞争中处于劣势,而且很难缩小与具备技术优势的竞争对手间的差距。”
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。