重塑客户关系的需求来自于一次管理层会议。当时,我们正在讨论企业的竞争力、客户、技术和产品现状等。我一边听取其他人的发言,一边自我思考。当我回顾了过去几年中所经历的技术发展历程,灵感突现。于是,我当即在会上提出了自己的想法。
“也许,我们需要开始向平台转型了。”我在会上表示。
与垂直型业务(提供聚焦于特定领域的产品和服务)相反,我建议管理层换个角度进行思考,最终形成产品和服务之间良好的横向互动。这种转变,能够提升企业内部、企业与外部世界的交互效率。
由于我的发言稍显突然,与当时的议题没有太大关系,招致的都是疑惑的目光。不过,我能够应付这种怀疑并继续阐述自己的观点。
“回顾整个信息技术的发展历程,总体趋势都是在不断提升各种内部和外部的联系。互联网将孤立的系统连接起来,而社交网络和移动计算更将人类社会的各种连接提升到了一个前所未有的水平。但是,就当前情况来说,我们的产品和服务还很少有共享的模块。如果从横向看,我们的系统有很多地方可以实现模块共享,进而达到事半功倍的效果。更进一步,我们还可以将自己的产品和服务与外部的服务实现互连、共享和交互。”
从垂直形态向平台转型的四个经验
当我们沿着向平台转型的道路前进时,会遇到诸多崎岖坑洼。对此,我们有切身体验。为了简要阐述,我提取了最重要的几点进行分享:
1. 定义内部和外部平台。所有人都应该对内部平台进行定义,而绝大部分人都应该对外部平台有定义。平台策略的主要思路就是对通用的服务进行定义,然后以其为基础对外提供支撑。首先,识别出哪些是通用服务。就内部而言,我们对所有技术要素进行了梳理,整理出各类产品或服务所可以共有的部分。比如,在部署管理、项目管理、认证管理、通讯机制、客户访问通道、订单管理、界面设计等各个方面,都存在有巨大的重叠和冗余。这种情况不仅浪费了成本,还导致用户体验的不一致。如果用户同时使用了我们的多个产品,可能会觉得这些产品就不是出自于同一家企业。
2. 基于平台构建竞争优势。在对平台进行定义的时候,要考虑如何基于其构筑竞争优势。长期以来,我一直认为在特定领域或环节的创新是构建企业竞争优势的关键所在。在向平台转型的过程中,这一点也是核心诉求。所谓竞争优势,就是我们在外部生态所提供的便利。当外部合作伙伴在寻求自己所需要的东西时,只有唯一的选择,而且这唯一的选择就是我们。这种做法,同样适用于梳理内部的通用服务。在用户访问方面,我们不需要什么创新,而是通用的标准方法。甚至,我们可以通过其他平台获取用户访问服务。
3. 模块化建设的思考。系统的变化更新是无可避免的,因此,必须确保平台元素之间的松耦合,从而利于快速的优化升级。当我们思考如何实现平台转型时,实质上就是向那些庞大而臃肿的应用和服务宣战。我们开始深入梳理技术元素之间的联系,同时在模块构建过程中秉持最小化和可替代的原则。
4. 保持足够耐心。从传统的垂直企业转向平台模式,不是一蹴而就的事情,需要极大的耐心。为了打破庞大的垂直体系、构建松耦合的平行模块,必须对各项工作有明确的优先级排序。就我们的情况而言,首先是从那些问题最多的应用元素入手的。而且,我们在开发时也注意朝着松耦合服务的方向努力。在整合内部服务时,我们也运用同样的思路。在沟通方面也需要足够的耐心,因为选择哪些服务进行标准化改造时往往会受到各种质疑。对此,我们坚信,自己所做的是对全局有利的事情。
我们的平台转型已经开始了两年,尽管在技术和人际上遇到了各种挑战,依然成绩斐然,IT的敏捷性、系统性能以及连接到合作伙伴的速度都有相当提升。总之,只要技术的发展不断简化连接性,平台化就是不可逆转的趋势。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。