至顶网CIO与CTO频道 08月05日 北京消息:一项能够充分运用信息和技术的业务战略对于业务的成功至关重要。首席信息官最重要的职责就是致力于业务战略的制定和制定强大的IT战略规划。但许多首席信息官因技能缺口、资源限制和信任问题而将战略开发任务外包给外部顾问。
首席信息官将战略制定视为一个一次性的“项目”,而顾问公司则大力推广战略服务。正是因为存在这两种情况,才使首席信息官常常轻易地做出聘用外部顾问的决定。
制定一项成功战略所耗费的精力和时间取决于企业/机构的整体性质、组织架构和规模等因素以及IT领域特有的因素。
战略制定工作一般包含以下主要活动:
·启动战略项目并建立团队。
·召开工作会议,听取利益相关方的意见。
·处理信息并草拟战略。
·完成并交付战略。
·项目结束并移交给规划和执行人员。
除了外部人员之外,内部人员可能也需要参加研讨会、加入深入研究等事宜。
首席信息官需要认识到,战略是一项他们本人及其团队必须培养的重要能力。在适当的情况下,聘用外部顾问补充首席信息官的战略参与度不失为一个好办法。
解决外部顾问聘用问题的最佳实践
首席信息官在决定聘用外部顾问制定战略后,应遵守一套最佳实践来解决上述问题并实现最佳结果。最佳实践包括:
·外包的是工作而不是责任。首席信息官对战略结果承担最终责任。如果战略取得成功,功劳属于首席信息官;如果失败,首席信息官就要承担责任。切勿想当然地认为只要与外部顾问签约,就必定能产生好的结果。首席信息官应帮助外部顾问了解企业机构并确保这一过程有业务部门参与,还应保证根据业务需求制定计划,而非根据外部意见。首席信息官可以让第三方公司审核顾问交付的工作成果。
·选择的是人而不是公司。开展工作的是顾问,而不是公司。即便是声誉良好的公司,也并不意味着所有顾问都具备合适的能力。首席信息官应对每一名顾问进行面试,而不是接受公司推荐的所有顾问。有时,公司推荐一名顾问并不是因为这名顾问的能力,而是因为他/她正好有空。
·避免被“套牢”。首席信息官应对顾问的工作成果进行评估,通过检查对厂商和技术的依赖度了解顾问所开发的战略是否会让企业机构被顾问“套牢”。首席信息官应就所有后续工作举行招标,而不是从战略阶段自动进入实施阶段。首席信息官不得在未回到市场的情况下将后续工作交给战略顾问。
·控制成本。控制成本并不是让首席信息官将价格放在质量之前。首席信息官应清楚地了解战略开发项目的范围,不能让顾问从事任何超出范围并会产生额外成本的工作。为此,首席信息官应在战略开发过程中召开多次审核会议,从而有效控制项目范围。
确保战略持续成功的最佳实践
当一个战略制定项目完成时,包括首席信息官在内的高管应对该战略及其结果负责。如要取得成功,首席信息官应在战略开发过程中采取以下最佳实践:
·尽早参与流程。首席信息官需要参与到战略开发中并自始至终配合顾问。应在战略制定期间思考战略的执行,并且采取行动确保正在开发的战略综合全面且符合实际。不要让缺乏业务知识或责任心的顾问做出您无法履行的承诺。
·除了工作成果之外,还必须关注战略开发的过程。如果首席信息官只关注工作成果,就无法了解制定目标或战略的原因。首席信息官必须充分了解战略各个环节的方法和原理,这样才能承担责任并不断改进战略。
好文章,需要你的鼓励
在Meta Connect大会上,Meta展示了新一代Ray-Ban智能眼镜的硬件实力,配备神经腕带支持手势控制,电池续航翻倍,摄像头性能提升。然而AI演示却频频失败,包括Live AI烹饪指导、WhatsApp通话和实时翻译功能都出现问题。尽管Meta在智能眼镜硬件方面表现出色,但AI软件仍远未达到扎克伯格提出的"超级智能"目标。文章建议Meta考虑开放AI生态,允许用户选择其他AI服务商,这可能帮助Meta在AI硬件市场获得优势。
DeepSeek-AI团队通过强化学习技术开发出DeepSeek-R1系列推理模型,无需人工标注即可自主学习复杂推理。该模型在数学、编程等领域表现卓越,在AIME 2024中达到79.8%准确率,编程能力超越96%人类选手。研究团队还通过知识蒸馏技术将推理能力传递给小模型,使7B参数模型也能超越GPT-4o。这项突破为AI推理能力发展开辟新路径。
英伟达同意以50亿美元收购英特尔股份,双方将合作开发多代数据中心和PC产品。英伟达将以每股23.28美元的价格收购约4%的英特尔股份,成为其最大股东之一。两家公司将通过NVLink接口整合各自架构,实现CPU和GPU间的高速数据传输。英特尔将为英伟达AI平台定制x86处理器,并开发集成RTX GPU的x86系统级芯片,用于消费级PC市场。
微软研究院推出rStar-Math系统,通过创新的"深度思考"训练方法,让小型AI模型在数学推理能力上达到甚至超越OpenAI o1水平。该系统采用代码验证、过程偏好模型和四轮自进化训练,将70亿参数模型的数学能力从58.8%提升至90.0%,在美国数学奥林匹克竞赛中达到前20%水平,证明了精巧方法比模型规模更重要,为AI发展开辟了新路径。