至顶网CIO与应用频道 05月03日 北京消息:政府首席信息官正面临着一系列独特的挑战,例如领导层人员流动性强、财政紧缩、公民预期不断变化、信息技术投资长期不足、缺乏数字领导力等。“职能相近”职位(首席数字官、首席技术官、首席数据官、首席创新官、首席转型官)数量的激增弱化了首席信息官的权威与责任。首席信息官通常被视为只起到支持的作用,在团队中处于不重要的位置。
与此同时,在全力为公民提供更好的服务并帮助其所在机构通过进行艰难的数字化转型进而成为一流数字化政府方面,政府首席信息官面临着前所未有的机遇。那么如何成为一流首席信息官呢?
政府首席信息官只有成为“一流首席信息官”,才能克服由过去已经根深蒂固的挑战与即将来临的挑战所带来的综合效应。刚开始需要借鉴一些似乎不合乎常理的特质,或者至少是令人不适应的特质。要成为一流首席信息官,需要有意识地改变自己以迎接所面临的挑战。而其中最大的挑战就是同时面临过去与未来的挑战,造成尴尬或者混乱。
那么,什么样的人才能称作是政府的一流首席信息官?首先,他们对自己的定位是商业领袖而非IT领袖,他们必须拥有行业视野。他们的“价值第一”(values first)思维促使自己认识到“目标经济”( purpose economy)带来的更广泛的利益增长。除了IT领域之外,他们还寻求提升其它能力。一流首席信息官的高情商促使他们能够应用教练式(coaching)领导风格或远见式(visionary)领导风格而不仅是命令控制模式(command and control)领导。
采取大胆的措施做出转型:从服务提供商与成本中心转向数字领导者与可信任盟友;从内部部署到云端部署;从被动应对到主动战略型应对;从资产经理到服务经纪人。所有的这些转型,不仅仅是在IT机构中,更在整个政府中都将产生全面、颠覆性的变革效应。做足准备,引领全部转型取得成功。
改变风格、内容与对话
改变对技术的态度,需要首先实现透明度并消除有关IT的误解、偏见和负面情感讨论。实现这种改变,需要高度关注商业与使命所带来的利益与产生的影响,而非关注技术。
鉴于一些政府在IT领域的资金投入过高,成本优化(不仅是简单地降低成本)将是一个必要的措施。将成本优化视作集体目标,并逐渐(但果断地)将关注重点从技术方面转移。
建立联盟
即使政府可能会赋予首席信息官过多责任,但首席信息官并不能完成所有事情。至少,要与财务、行政和人力资源方面的关键人物及任务合作伙伴(商业团队或项目总监),建立紧密的关系。
找到盟友不仅可以提高工作顺利度,还能减少相互之间的摩擦以及提高首席信息官在高层领导下努力实现的工作的重要程度。但是,与其它任何形式的联盟一样,要关注盟友的动机,不要对盟友期望过高。
承担数字化领袖的责任
政府中承担其它数字化职位数量的激增是一种暂时的、并且最终是一种难以持续的责任分配与稀释。最终,你需要评估你的志向与自己成为数字化领袖最佳人选的几率。
然后,与其它数字化职位的人员进行协商,形成一个统一的机构,最好是由一名具备新职责的首席信息官领导。
优先考虑个人发展
与领导一个技术先进、大量外包的IT机构相比,领导一个不被人重视的、充满旧有技术的、且工作技能过时的员工团队机构所需的领导风格不同。但是两种机构都需要有赢得员工信任、指明前进方向且以快速但不过度劳累的前进步伐的领导力。
积极引导员工做出转型并减轻由恐惧、不确定性和疑问引起的抗拒情绪。并不是所有员工都能完美适应同一种领导风格,因此,可根据具体情况,做出相应调整。
培养更好的管理层参与度
是否能够成功最终取决于高级管理层的参与和资金提供。转型中的首席信息官不会因变化的风险承受能力和风险容忍度为零的领导风格而受到压制或阻碍。
最后一点,只有领导层想要提供帮助,才能实现最终的成功。在优先性排序、冲突解决、商业流程重新设计、知情风险管理、变更管理与问责等方面,高级管理层必须扩大决策与治理参与度。
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。