至顶网CIO与应用频道 03月14日 北京消息:对于数字化政府来讲,有时候“多多确实益善”。由于政府希望变得更加精简和高效,因此若政府开展相关合作并且有效利用数字化,那么扩大政府服务也并非不好。当达到一定规模时,政府在数字化解决方案上的投资会给社会和经济效益带来显著提升。为了有效实现这一目标,政府需要从多个角度进行全方位的扩展。
“向上”扩展政府部门的各个环节可以给机构和公民带来福利。“横向”扩展到地方、省市或国家政府的各个部门可以带来“全政府”(WoG)和社会团体效益。“向外”扩展至政府支持的社会、社会团体和金融生态系统可以令整个社会受益。
然而,扩展数字化政府本身就具有挑战性。例如:作为一种特定问题的解决方案,虽然把政府服务迁移至数字渠道可以带来“短期利益”(immediate benefits),但这可能会让实现进一步扩展的政治意愿和预算受限。
无论是向上、横向还是向外扩展,所有这些维度都是相互依存并且均依托于共同的技术平台、领导力、协作和管理。但它们也会根据多种社会独有因素而各自演变,包括文化准备情况(cultural readiness)等外部压力的性质以及生态系统的成熟度。
Gartner 2018年首席信息官调查(Gartner’s 2018 CIO survey)显示,政府的首席信息官将文化(culture)、资源不足(insufficient resources)和人才获得(access to talent)视为扩展数字化转型的最大障碍。政府在开展大型项目时不得不与诸多方面进行斗争,包括:面临社会团体不够信任政府的改革能力(a lack of community trust in governments' ability to deliver change)、政治或领导议程斗争(competing political or leadership agendas)以及现有的立法、治理、问责制度、风险和采购控制(existing legislation, governance, accountability, risk and procurement controls)。
数字化政府扩展计划
数字化政府的施行一开始并不顺利。早期的电子政务计划(e-government programs)直接关系到效率和透明度,其工作重点是通过网络渠道提供传统服务。
这些早期的努力并未取得理想的效果。除了将面向公民的在线服务置于传统流程之外,一些政府管理人员还未能意识到数字化带来的好处。这就导致他们对数字化转型的商业驱动因素缺乏了解并且不愿意致力于机构变革。
数字化政府旨在通过利用数据优化、改造和创建服务来为公民和社会团体创造价值。政府机构若能够提高数字化成熟度,那么它们在扩展方面也会更加成功。
许多政府已经制定出成熟的数字化战略,其中涉及潜在的立法更改。澳大利亚新南威尔士州政府的数字化战略就是一个很好的例子,该战略明确“将建立专为支持新数字法规而设计的框架,符合数字时代的法规不得将新兴技术和新型数字商业模式排除在外”。
如要实现一定规模的数字化利益,政府机构就必须利用技术来改变自身的方方面面。这一转型不仅会影响结构和业务流程,还将改变我们与服务提供商、合作伙伴、企业和选民的合作方式。因此,只有依靠强大的技术和商业领导力才能取得成功。
这一转型需要首席信息官根据文化、法规和技术等多个方面来找到合适的时机。之后,这些因素可以作为在数字化转型中让机构和政府中的其他人参与进来的关键。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。