至顶网CIO与应用频道 05月18日 评论消息: 如果你仔细想想,会发现当今几乎所有企业在某种程度上都算得上是技术型企业。从中小企业到国际化公司,企业的管理运营、新客户开发、客户沟通、重要商业决策的制定以及企业竞争力的保持,都离不开技术的支持。技术的作用不只局限于提升运营效率和降低成本。数据本身以及将数据转换为知识的技术正越来越多地驱动着企业业务创新和竞争优势的提升。
这场由技术驱动的变革意味着CIO们必须在企业管理层中拥有发言权。实际上,由于CIO拥有对技术的深度了解和才能,他们可能会提供相关的洞察来改进现有业务模式,甚至是将公司的侧重点完全引导至全新市场。
CIO角色的转变:从被动反应到主动改革
当今的CIO不只是要为企业建立基础架构,更多的是要通过革除老旧的基础架构,让企业挣脱枷锁,更加敏捷、更有活力地创新和发展。这是多么大的一个变化!当今的CIO必须致力于打造全新的基础架构,帮助企业适应如今飞速变革并将在未来持续发展的数据驱动型业务环境。
为了让这一转变成为可能,企业CIO不能再把自己的视野局限在IT范畴内。瀚纳仕与毕马威的数据报告印证了这一点。在它们的2016年CIO调查中显示,四成CIO现在每星期至少将一天的时间用在IT领域之外。该调查也提供了其他具有说服力的事实:63%的CIO现在专注于可为公司创造效益的项目,而只有37%的CIO专注于为公司节约费用。这一变化也体现在企业的组织架构中 — 现在1/3的企业CIO直接向CEO汇报。
来自瀚纳仕的Jonathan Mitchell表示:“我们在CIO身上发现了前所未有的主动性。企业CEO会询问CIO能做什么来帮助公司的业务。一些像Uber这样著名的游戏规则颠覆者,已经向我们证明了技术是如何改变整个行业的。CEO们已开始担心他们的公司成为下一轮颠覆的对象。因此,他们想让CIO来协助打造公司的业务模式,而不只是实施系统。”
当今的CIO不能再沿袭被动反应的模式,而是要起到领导作用,成为公司的价值创造者。为此,CIO必须确保他们负责的技术在用户面前毫无瑕疵地运行。他们需要让IT目标与公司的总体目标保持一致,密切关注公司业务成果来引领整个公司的变化。
CIO如何优化基础架构来创造业务价值?
从技术角度来说,CIO可以通过哪些努力来真正创造业务价值,而不只是简单地应对问题?以下是一些思考:
首先,他们需要打造可满足企业需求的基础架构。例如通过提供实时的数据分析,帮助企业做出重要业务决策。
其次,他们需要建立一个足够灵活的基础架构,来适应企业的发展及其数据需求。这一基础架构必须延伸至云端。IT部门需要能够将该基础架构部署在企业本地、公共云或公司防火墙后方的私有云中 — 而且三者之间要具备完全的互操作能力。同时,IT部门需要保持迁移至云端过程的合规、安全和可操控。
最后,基础架构应与所有堆栈层集成,以实现性能的优化和管理资源的最小化。这一简约化的基础架构可释放关键的IT资源,将它们用于更创新的业务驱动型项目中。
树立您在企业高管中的位置
在过去,CIO主要专注于硬件的速度和进给量,以及如何让技术正常运行 — 也就是仅仅对事件做出反应,而不是影响它们。现如今,CIO们可以通过实施完全安全、集成的基础架构堆栈,例如甲骨文集成系统,简化日常IT管理工作,从而腾出手来专注于可对企业的增长和成功产生巨大影响的创新项目。
CIO有能力提升企业的竞争和创新能力,是企业的关键人物。当他们更多地参与到IT之外的企业运营、提出业务改进建议、展现技术可如何助力创新及竞争优势时,其他高管将认识到他们的价值,让他们参与公司的决策。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。