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
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。