ZD至顶网CIO与应用频道 03月09日 北京消息:作为协同办公的工具,OA时刻处理着人机交互,其易用性尤其不能轻视,并且已经成为成熟协同产品的重要标志。国内优秀的协同办公厂商万户表示,协同办公系统的易用性是先进复杂的技术平台和“用户导向模式”支撑下的灵活易用。只有在真正满足了用户功能需求的基础上,才可以让协同办公系统顺畅的融入企业,追求不断完美的用户体验需求,最终实现真正的易用性。
面对现实的组织结构,公司对系统易用性的高要求不言而喻。
首先,企业信息化需要让全体员工包括领导都真正参与进来,尤其是日常办公中必不可少的协同办公系统。然而,公司内部员工年龄层跨度较大,在60、70、80、90后同处一个办公室的情况下,计算机水平参差不齐,在对新事物的理解和接受速度上也不一致。
其次,系统是否易用直接决定了公司培训成本的高低。操作复杂的协同办公系统意味着更高的培训成本。其中包含时间成本、财务成本、人工成本、硬件成本等等。而且,易用性不高的系统仅教会企业决策者一方熟悉掌握就需要花费很长一段时间,更不要说让企业全体上下熟练运用。很多企业就因为系统操作太复杂无法全员推广使用致使项目半途而废。
于是,企业对系统的易用性的呼声也越来越高,其中协同办公系统的易理解性、易学习性、易操作性均成为企业CIO选型中不可轻视的重要因素。
一、OA系统的易理解性
首先是对产品的前期理解,包括产品的介绍、宣传资料。如今,许多厂商对自我产品包装过度,美其名曰时尚前卫,洋洋洒洒一大篇,让用户越看越朦胧。万户网络一贯坚持用最简练的语言阐释最真实的产品,万户认为,产品资料关键在于言简意赅,语言直白,用简练的文字让用户最快读懂、了解产品才是王道。
其次是对功能名称和图标的理解和熟识。系统功能的名称和图标应该简单、明了、没有歧义、容易理解,而不是让用户去猜测它的真实作用。万户网络秉持根据具体应用情况为客户量身打造符合其使用习惯的功能名称和图标,便于客户的操作使用。
二、OA系统的易学习性
容易学习是用好软件的第一步。易学习性高的协同办公系统要求员工进入操作界面后一目了然,能够直观、快速的找到自己所需要的功能菜单,并能方便地完成操作。而系统使用手册多出自专业人员之手,大量的专业术语使得计算机水平本不高的用户无法理解,造成晦涩难懂的尴尬局面。万户网络始终站在用户的角度,充分考虑普通用户的接受水平,语言直白、描述细致、逻辑清晰,尽量避免专业术语,每一步操作步骤清楚、细致,让用户轻松获得帮助。
其次,易用的协同办公系统允许管理员在最短的时间内完成系统的安装、初始设置、用户录入以及权限分配,进行培训后,保证用户在最快的时间里熟练使用常用功能,不仅降低技术人员日后的重复工作,更为企业节省大量的学习成本。这也是万户网络始终坚持的原则,将繁杂交给自己,将简便留给客户。
三、OA系统的易操作性
操作的易用性主要体现在软件的界面设计合理、操作简单以及人机交互界面友好等。易操作的协同办公系统各项功能设计直接,争取经过简单培训,让企业员工直接上手操作,无需过多的依赖操作手册和培训。与此同时,现在的协同办公系统功能越来越多、越来越细化,在不断强化功能应用的同时,也一直在追求操作效率的最大化。通过尽可能地减少操作页面、简化工作流程,不断提高易操作性,来提升企业工作效率,节约人力成本。例如,在万户网络ezOFFICE(www.whir.net)流程中,采用图形化、可拖拉式的方式进行流程定义,流程建模直观、简洁。在具体操作上,争取最简便的流程和步骤,在一个界面完成整体操作。
众所周知,协同办公系统产生的初衷就是为了将繁杂的纸质传统办公简便化,快捷化,也只有容易操作的协同软件,才能做到真正高效的办公助手。综上所述,协同办公系统的易用性在应用中举足轻重,也越来越成为企业CIO在选型时不可轻视的重要考虑因素。
好文章,需要你的鼓励
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。