至顶网CIO与CTO频道 12月19日 编译:根据《2018年数字化转型指数》报告的结论,有16%的受访者表示自己在数字化转型方面处于落后地位。变革总是令人车,但数字化转型似乎又势不可挡。但最新研究表明,只要能够将时间与精力投入到正确的方向上,落后者同样有机会迎头赶上。
首先,真的有机会迎头赶上吗?这当然只是一家之言,我们不妨看看更多参考信息。最近发布的《Wipro 2019数字化转型调查:成功的障碍》报告指出,在面向当前从业者的调查当中,有87%的受访者表示马上进行数字化转型还来得及。虽然具体理由多种多样,但在我看来,最重要的一点是尽管数字化转型前景光明,但大多数企业并没能很快获得收益。大部分受访者(接近75%)表示,他们的数字化工作只产生了一定程度或者较为微弱的积极影响。这有点像那些购买早期混合动力汽车的用户,不一定能获得理想的油耗降低效果。同样的,率先采用AI或者机器学习技术的客户,也未必就能马上掌握强大的分析能力。当然,这对于落后者来说算是个好消息。尽管不少人仍在鼓吹一步落后、步步落后之类的说辞,但从上述角度出发,落后者确实还有跟上节奏的机会。
那么,数字化转型浪潮中的落后者该如何行动,才能真正朝着有意义的方向发展?下面来看几个重要步骤。
关注产出,而非技术。不存在那种百试百灵的数字化转型战略。虽然我们可以观察行业中其他企业的具体举措,但最终方案仍然需要以自己的特定战略目标为导向。因此,大家应该更多将重点放在技术所能带来的产出身上——而非技术本身。Gartner发布的一项研究表明,75%的企业未能统一内部数字化转型工作,因此引发了安全性、性能以及时间延迟等后续问题。千万不要步这些企业的后尘!
从终极目标逆推实施举措。例如,如果我们希望消除繁琐的日常任务,帮助员工节约时间与精力,则不妨关注能够执行重复性任务的机器人流程自动化软件。如果希望从数据中提取更多洞察见解,则应关注预测性与规范性分析程序。总有一种技术能够解决您的问题,因此最重要的是首先明确想要解决的问题以及希望获得的具体结果。
实际采用才是重中之重。某些企业之所以处于落后地位,可能是因为大家还没有找到可供团队轻松使用的技术方案。这方面的基本原则在于:如果无法实际采用,那么企业永远无法在数字化转型当中获得有说服力的成果。没错,各类报告普遍指出,在数字化转型之初,“人才短缺”成为困扰企业的核心难题。但好消息是随着工作的推进,这些问题都将逐步得到改善。更重要的是,如果不实际采用,那么最好的技术也将无用武之地。因此,请在整个数字化转型过程当中建立顺畅的沟通渠道,倾听员工的实际感受,了解新技术如何改善用户体验。只有这样,员工才能理解自己在推动企业发展以及摆脱转型落后局面当中发挥的具体作用,最大程度调动自己的主观能动性。
关注文化与安全性问题。数字化转型有着三大支柱:技术、文化与安全性。如果无法将这三大元素无缝对接起来,那么转型成功只能是空谈。在数字化转型指数报告中,我们发现文化问题已经成为大部分企业的核心阻碍。请重视文化升级,别让它毁了您的努力。
保持增量测试,同时关注全局规划。什么是行之有效的技术?一项基本前提就是要能扩展到整个企业范围。因此,我们不仅需要在特定领域之内进行新技术试点,同时也需要立足大局做出规划。技术将如何与企业同步发展?技术能够在整个企业之内得到认可并顺利兼容吗?如何将来自不同领域的数据整合起来?只有奠定这些核心基础,运营业绩才能在数字化转型的过程中稳步提升。
保持开放的心态。如果要用一句话来形容数字化转型,那就是这是一波不断发展变化的浪潮。我们的目标应该被视为前进的指引,而非努力的终点。更重要的是,如果需要,大家也可以随时转换路线。很多技术培训的实际效能可能达不到我们的预期,这时不妨试试新兴方案的实际效果。事实上,数字化转型领域的落后者往往总在重复同样的作法、却希望获得不同的结果;相反,领导者们则更愿意在必要时调整前进方向。
最后,请现实一点。虽然很多技术人员都喜欢夸大数字化转型的神奇效果,但我们必须承认,数字化转型与成功的数字化转型之间存在着巨大的差异。大多数企业至少需要一年时间,才能从数字化转型中获得真正的投资回报。根据调查结果,只有14%的企业能够在半年左右感受到实际收益。重点是:不要气馁。作为数字化转型的落后者,您可能会承受比其他企业更严重的成长痛苦;但好消息是,后发者可以选择的“即服务”方案更多、面前的弯路更少。只要始终以增强自身业务能力为诉求,迎头赶上并非不可能。总之,阻止您成功的唯一障碍就只有拒绝行动——再无其他。
好文章,需要你的鼓励
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
T-Tech公司研究团队开发了SAE Boost助推器系统,通过训练专门的"错误补偿器"来增强AI理解工具对专业领域的理解能力。该系统在化学、俄语和外交等领域测试中显示出显著改进效果,同时完全保持原有通用能力。这种模块化设计为AI系统的持续优化提供了安全可靠的路径,对AI可解释性研究具有重要意义。
阿里巴巴通义千问团队发布开源编程模型Qwen3-Coder-480B-A35B-Instruct,专门用于软件开发辅助。该模型采用混合专家架构,拥有4800亿参数,支持25.6万token上下文长度,可在数秒内创建完整功能应用。在SWE-bench基准测试中得分67.0%,表现优于GPT-4和Gemini。模型基于Apache 2.0开源许可,企业可免费使用。AI研究者称其可能是目前最佳编程模型,特别适合企业级代码库理解、自动化代码审查和CI/CD系统集成。
斯坦福大学研究团队开发出革命性AI系统,能够像生物学家一样"看懂"蛋白质三维结构并预测功能。该系统通过多层次分析方法,在蛋白质功能预测方面达到90%以上准确率,为新药开发和精准医疗开辟新道路。这项技术不仅加速了蛋白质研究进程,更为解决复杂疾病提供了强大的AI助手,预示着人工智能与生物医学融合的美好前景。