至顶网CIO与应用频道 07月03日 编译:1958年时公司的平均寿命是61年。而今天,情况大不一样了。在时下快速技术创新的大气候下,公司的平均寿命缩短到不到18年 。麦肯锡公司(McKinsey & Co.)董事总经理Dominic Barton将这种变化归功于数字化转型的威力。他在上述第二个链接的文章里提出“科技导致了所有人的基本业务变化”,他还在文章里指城市化、大数据和计算能力的显著改善是促成因素。
全球的企业为了保持竞争力都在开始对各业务部门进行数字化,达到改变运营方式的目的,但许多数字化转型计划都容易犯四个常见的错误:
1、不知道从何着手
笔者的公司最近委托了一个对一千多名高层管理人员和一千多名业务分析师的研究。我们发现企业对转型工作缺乏明确的理解,45%的高层管理人员认为,在制定数字化转型策略时,自己不清楚从何着手。
2、没有设定衡量成功的明确目标
也许更令人担忧的是,在实施转型策略时缺乏明确的结果和和投资回报目标。我们的问卷调查发现,44%的高管认为他们的业务转型计划是在浪费时间。而即便如此,在过去的12个月里,34%的组织却在这些策略上花费了超过50万美元。这些组织基本上是将自己置于潜在的高成本而且回报有限的位置,结果是项目在启动前可能就被搁置了。
3、跃向未来的一步前却不了解当下
各组织为了制定适当的数字化转型战略需要首先了解改变的内容,只有这样才能优化自己的计划。企业需要为业务成果设定目标,而不是简单地优先考虑技术成果。高层管理人员在深入研究转型计划前首先应了解业务驱动因素和内部流程。而事实上,在参加我们问卷调查的高管里,82%没有审查自己组织的内部流程,如若他们审查了组织内部流程,最终会有助于他们制定目标及理解适当的关键绩效指标(KPI)。这可能源于他们不知道如何才能获得更好的流程可见性的事实,因为65%的这些高管表示,如果他们对内部流程有更好的理解,他们就会对自己的策略有更大的信心。
4 、在理解策略前急于制定具体战术
虽然企业领导者认识到了解企业流程对于转型策略至关重要,但许多组织仍然是先一头扎入具体战术里。例如,在我们问卷调查的高层管理人员里,只有不到三分之一(33%)的人有计划在能够提高流程可见度的技术上投资,而这其实是实现数字化转型的关键一步。Couchbase的调查甚至还发现52%的组织认为如果一拥而上,数字化转型项目必将失败。
还有,在我们问卷调查的高层管理人员里,73%的人表示,他们希望增加对自动化、人工智能和机器学习的投资,但却没有真正地了解这些技术的优势和成果。事实上,Databricks的一项研究发现,90%的公司做人工智能(AI)项目是为了改善他们的业务及在竞争对手的吵闹音里有所作为。各种组织从任何数字化转型策略的开始到结束都需要认识内部流程究竟会如何影响自己的业务,进而确定哪种技术是最有效的。
做好企业数字化转型走向成功
数字化转型策略最终必将成为企业运营的重要组成部分,任何组织承受不起落在后面的后果。但转型策略需要对公司内部流程有深刻的了解和洞察。抢步进入转型的企业未能理解究竟需要什么技术才能应对具体的痛点。只有了解基础业务流程后才能彰显那些主要的低效率点。然后,才可以明智地在正确的解决方案上投资,提高生产力和效率,进而增加客户服务。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。