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
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。