2017年CIO展望可以总结为三个字——数字化。明年,公司将使用下一代技术改造产品,渠道和运营。与此同时,过去几年IT完成的所有工作不会消失,因此,正如老话说的那样,边前进,边构建。
在与全球数以百计的CIO对话后,我们了解了他们在2017年的最优先级别项目。总的来说,这是一个令人印象深刻的计划列表:改变IT运营模式,采用新的工作方式,提升IT人才,以应对数字化带来的一些最重要的业务影响。以下是CIO对明年的展望。
第一:停止规划-构建-运行模式
改变IT运营模式是CIO在2017年工作中的首要项目。现在,大多数IT团队都根据业务优先级,设立计划,构建项目组合并管理和运行业务项目。这种以项目为中心的模式,在需求是稳定和可预测的情况下效果最好。但在一个快速变化的,常常由业务主导的情况下,这些数字化项目的需求并不清楚,很难预先确定,这个模型就黔驴技穷了。CIO发现这一模式对于Agile、DevOps和持续交付都太过缓慢,反应迟钝,不够灵活。
2017年,我们预计,多达三分之二的公司将采用一种围绕一系列持久的产品线,将资金、开发资源和持续管理支持整合在一起的模式。这些产品线——也被称为IT服务、平台或价值流——与企业最重要的业务能力相一致。专用的产品线或服务经理,与业务负责人一起监管整个生命周期,包括产品发布、持续的性能管理和退市。他们还管理资金,这就要求CIO在2017年与CFO展开更微妙的对话,说服CFO 将IT预算分配到与业务能力相关的团队,而不是分配到项目。
第二:增加融合团队的使用
2017年,融合团队将成为完成工作的一个重要方式。融合团队可以综合所有IT的资源(包括IT内部、企业的其他部门和第三方)。团队可以是暂时的,或长期的,但团队成员向他们架构外的人员汇报工作,并在重叠的任务和职责上进行协作。Agile和DevOps团队是常见的例子。其他则包括数字营销团队中的技术人员和营销人员,或数字产品发布团队——由IT、网络安全、产品开发和销售人员组成。
融合团队正在增多,因为技术措施改变迅速,有很多目标、相互依赖关系和利益相关方,从而无法定义一个稳定的企业结构,以适应所有的人。相反,CIO会发现自己在不断重新分配资源,创造新的团体,在职能之间不断改变职责。融合团队需要全能型员工,适应多种职能,随时做出改变,不是所有的IT员工都能胜任。但拥有这样的人才、文化和流程,可以形成融合团队的企业将快速崛起,否则将落后。
第三:招聘全能型,学习敏捷型的员工
每年,随着IT团队争相招聘他们所需要的人才时,对于特定技能和能力的需求就会激增。随着快速变化的技术,IT运营的重大改变,在2017年将会有两个热门技能:全能型和学习敏捷型。
在IT工作招聘描述中,要求求职者拥有多个领域技术专长,或将技术深度和能力相结合,比如影响力、关系管理或沟通——这样的招聘需求提高了20%。学习敏捷----快速学习新知识或技能的能力——在最近的招聘描述中,对于这种能力的招聘需求也上升了30%。坏消息是,只有60%的员工拥有学习敏捷度,所以需求已经超过了供给。
第四:认真对待IT风险管理(不仅仅是网络风险和合规性)
随着更多的收益是通过数字渠道,或者依赖于数据来获得,IT风险不再只限于后台办公室或网络安全和合规性。2016年,我们看到航空公司、银行和其他行业因为技术故障,而暂时无法运营他们的业务。长远来看,如果无法适应因为技术颠覆带来的业务模式改变,很多行业的公司都将消失。
作为回应,在2017年,我们将看到对于IT风险管理的投入——通过技术、识别和评估业务风险。信息安全威胁和合规性问题最为突出,其他主要风险也将上升,特别是那些涉及IT战略、项目交付、遗留系统维护、预算规范、供应商表现、数据质量和关键IT技能的短缺。
第五:坚持全企业范围的数据战略
因为有了智能传感器、社交媒体、移动化和大数据的其他来源,公司现在可以更好地推出新产品,重塑客户体验和优化操作。事实上,他们在数据湖、分析工具和可视化引擎上进行投资,但目前为止,还没有看到太多的价值。缺少的是一个有凝聚力的全企业范围的数据战略来确定如何从信息中获得价值,所以我们预计,2017年数据战略改变将剧增。
我们预计明年,首席数据官的数量也将增加50%。有些人属于IT部门,而有些人则不是,但他们应该推动数据战略的发展,宣传数据的潜力,而不是埋头于费力不讨好的澄清数据所有权的任务中。他们还应该帮助发展内部员工能力,有助于分析和提取业务数据中的价值。
这所有5大趋势都是由快速改变产生的。毫无疑问,将会有意外的变化影响CI0对2017年的展望。但是,那些拥有灵活和产品相一致模式的CIO,并且有全能型员工,有很好的风险和数据管理,就可以快速形成融合团队,做出应对——即使是未知的情况。
好文章,需要你的鼓励
华盛顿大学Pedro Domingos教授提出的张量逻辑是一种革命性的AI编程语言,它通过将逻辑推理与张量代数在数学层面统一,实现了符号AI和神经网络的深度融合。该语言仅使用张量方程这一种构造,就能优雅地实现从Transformer到形式推理、从核机器到图模型等多种AI范式,更重要的是开辟了在嵌入空间中进行可靠推理的新方向,有望解决大型语言模型的幻觉和不透明性问题,成为推理、数学和编码模型的理想语言。
中科院研究团队发现AI模型存在严重的跨语言推理缺陷:英语训练优秀的模型在其他语言上表现平平。研究揭示了三个重要规律:首次平行跃迁现象、平行扩展法则和单语言泛化差距,证明当前AI过度依赖英语特有模式而非通用推理能力。通过"并行训练"策略,仅增加一种平行语言就能将跨语言能力提升115%,为构建真正全球化AI系统指明方向。
科技巨头IBM今日宣布推出新的区块链数字资产平台,专为金融机构和受监管企业设计。该平台名为"数字资产避风港",将为银行、企业和政府提供比特币、以太坊、稳定币和代币化资产的安全管理服务。平台由IBM与数字钱包基础设施提供商Dfns合作开发,支持超过40个公链和私链的全生命周期管理,并集成第三方身份验证和反洗钱合规工具。
卡内基梅隆大学和斯坦福大学研究团队提出RLAD方法,让AI学会像人类一样先从解题过程中总结经验,再运用这些"推理抽象"指导解题。该方法使用双AI协作训练,在AIME 2025等数学竞赛中比传统方法提升44%准确率,甚至实现了弱AI指导强AI的现象,为构建更智能的AI系统提供了新思路。