为了维护数字时代的信息价值,企业应该整合所有商业流程中的电子数据管理规则。
与日俱增的数字化企业蓝图了催生了大量信息管理问题。这些问题的回答必须保持服从管理和维护商业成功:什么是记录?什么是文件?管理、规范或保证符合制定规则所采取的行动的目标是什么?这些行动的历史如何保存?
上述问题足以迫使很多记录管理经理考虑提前退休。然而,问题的答案被许多创业公司和承诺改革信息(描述电子数据管理历史)保存方式的破坏性联盟创作和实施。
理解改革正在进行的关键是:社会重视历史的保存。现在和未来新技术的迭代赋予我们比20世纪末能做更多的事情来保存历史,使它们传播并让更广泛的读者接触到。
保存数据的价值与信息被创建前管理设计的好不好有直接关系。如果我们只在信息创建后管理信息,相应的费用最终会压倒任何数据的功能和经济价值。
这是过去15年e-discovery的基本课:随着商业和政府接受电子商务实践的有效性,他们忽略了信息系统的设计管理和实施持续的电子数据管理政策。比如,E-discovery,已经变成一个数十亿美元的全球服务产业。如果记录管理经理在初始流程和用例上成功设计和执行e-discovery的管理规则,这些花费是可以避免的。如此做法可以减少相关系统、设备和应用泄露数据的位置。
EDI技术持续进化
随着物联网、区块链和其它创新发展加快,它们从早期电子数据交换(EDI)技术派生而来,正持续的发生重大变化:记录的“非物质化”或者“解构主义”。理解进化对驾驭这些创新对当前和未来GRC实施的影响至关重要。
EDI技术最初,主要是为了促进准时制生产制造业。公司很快意识到很多公司文档被转换为数字化记录,包括冗余数据段。比如,没有必要为每一个公司日常交货都复制电脑生成的每笔购货订单的买家配送地址。信息现在只需包含最重要的、独特的必要数据字段。其它需要的数据到时候再现场组装到纸质记录对应的位置。
当在评估关联交易有争论或管理需求时,会产生并发症。记录管理经理、数据库管理员、律师和审计员努力缩小找到单一记录与关系型数据库、数据词典、基础软件规则分散的严酷现实之间的差距。
所有需要的信息仍然被保存着,但不是以典型的格式。新规则,包括针对电子记录功能和合法价值的前端流程更改,需要释放相关EDI技术的全部潜力。
传统记录结构的解构,当然是技术进步所固有的。移动性和物联网仅仅延伸了创造越来越小的数据组成的进化,只不过带点小转变而以。以当前的技术,任何存储的信息必须有能力得到两种相互矛盾的结果:a)把数据解构成越来越小的单元,以便被移动设备的终端用户浏览时看到。b)组装来自大量外部设备的数据以利于分析。
换句话说,如今的技术正期待这些变化,以及确保数据目标是能被组装、搜集进数据池中、跨多种关系型数据库保持统一和能被分析的。它们不再被认为是分隔的个体记录,而是一个大型单一的可以被分析的集合,
在数据被创建后的进行信息管理的传统机制,再次被证明是不充分的。分析机要求可比较的数据。授权规则定义什么数据可以被吸收,不一致的数据被禁止直到它通过旷日持久的完整评估流程或者最终被丢弃。也就是说,数据作为历史记录的价值消失了。
电子数据管理设计变革
随着技术持续追求更高的处理效率,它会延续信息资产的解构化。区块链发展很快,伴随着各大银行和企业全力投入使该技术成熟。由于特定记录数据被深入划分成“块”,相同的解构也正在发生。接下来,该技术更进一步,使被编码和分散的这些数据块能贯穿关联机器组成的大网络,以创造一个动态的资源库生态系统。它的完整性在数学和计算方面有所保证,期盼整个交易分类账簿和小型合同能被区块链系统保存。
为了使现代信息管理成功,它必须在前端连接这些技术。每个块变成相关信息管理规则必须在最初被授权并被分配的对象。那样,无论它存储在哪,数据都可以被组装,并以权威性记录保留价值。
商业和政府错过了他们用EDI的机会。他们曾经应对BYOD时太慢以至于无法改变航行方向,只好现在开始随着物联网创新的更大势头而展开行动。现在,是时候在区块链、物联网和未来技术的设计中运用更多完整的信息管理了。
好文章,需要你的鼓励
泰国SCBX公司研究团队首次针对泰语开发了语义对话结束检测技术,通过分析文字内容而非声音停顿来判断对话是否结束。研究比较了多种AI模型方案,发现微调的小型变压器模型能在110毫秒内做出准确判断,显著优于传统静音检测方法。该技术能识别泰语特有的句尾助词等语言特征,为银行客服、智能家居、教育等场景的语音交互系统提供了更自然流畅的解决方案。
OpenAI推出全新Sora应用,打造完全由AI生成视频的社交媒体平台。美国、加拿大、日本和韩国用户现可直接下载使用,无需邀请码,但该开放政策仅限时提供。其他地区用户仍需等待更广泛的开放或通过Discord等渠道获取邀请码。用户可使用ChatGPT账户登录,立即开始观看、分享和创建AI视频内容。
浙江大学研究团队提出Graph2Eval框架,这是首个基于知识图谱的AI代理自动化评测系统。该框架通过知识图谱持续生成新测试任务,解决传统固定数据集评估的局限性。框架支持文档理解和网页交互两类任务,构建了包含1319个任务的测试集。实验验证显示该方法能有效区分不同AI系统能力,为AI代理评估开辟新路径。