至顶网CIO与CTO频道 03月11日 北京消息:全球领先的信息技术研究和顾问公司Gartner认为,随着新型冠状病毒(COVID-19)疫情的蔓延,首席信息官应该把重点放在三项短期行动上,以增强企业机构应对破坏性事件的韧性,并做好疫情过后市场反弹和业务增长的准备。
Gartner高级研究总监沈哲怡(Sandy Shen)表示:“新冠疫情正在快速发展,它对企业机构的持续运营造成破坏,可能会像网络攻击或自然灾害一样甚至带来更大的影响。当传统渠道和运营受到疫情影响时,数字渠道、产品和业务的价值立刻显现。对于那些专注于日常运营需求,却忽略了投资数字化业务和长期应变能力的企业机构来说,此次疫情可谓是一记警钟。”
Gartner建议首席信息官专注于三项短期行动,为客户和员工提供支持并确保运营的连续性。
采购数字化协作工具、远程安全解决方案并增加网络容量和带宽
随着各企业机构、城市和国家采取各种防疫措施和出行限制,给业务带来不确定性甚至破坏性影响,使得企业运营被暂停或运营能力受到限制。
对于尚未实现远程办公的企业机构而言,首席信息官需要尽快制定临时解决方案,确定需要支持的使用场景的对应工具比如用于一般沟通的即时通讯、文件共享/会议解决方案、以及支持对内部系统诸如企业资源规划(ERP)和客户关系管理(CRM)的访问。同时检查所有安全措施,确保应用和数据访问的安全。
为了维持基本运营,企业机构还需要解决人员短缺问题。首席信息官可以与业务部门一起进行人力资源规划,评估风险,解决人员缺口,特别是关键岗位的人员短缺。首席信息官可以考虑如何采用人工智能等数字化技术实现任务自动化,例如候选人筛选和客户服务。
通过数字渠道吸引客户与合作伙伴并维持销售活动
许多企业机构已经通过数字化平台吸引客户,包括使用官方网站、手机APP、在线商城以及社交媒体,但线下面对面交流仍然扮演着重要角色。工作场所协作、视频会议和流媒体解决方案可以用于各种客户互动和销售场景。企业机构还应采取措施让客户能通过在线、移动、社交、自助服务终端和交互式语音应答(IVR)渠道使用自助服务。
沈哲怡表示:“随着市场需求的萎缩以及人们日益依赖在线平台购买日用品,数字渠道的价值已显而易见。企业机构可以利用如在线商城和社交媒体等数字渠道弥补部分线下渠道损失的业务。企业机构可以在官方网站和公众号上整合电商功能进行在线销售。它们还应该迅速调整产品,使产品适合通过数字渠道销售。”
成为员工的唯一真实信息来源
来源不明的混乱数据或者数据的完全缺乏都可能导致决策不当、加剧员工焦虑并让企业机构无法做好恢复正常运营的充分准备。如果企业机构能够利用数据支持更好的决策并更有效地向员工传达疫情和业务方面的进展,那么就可以在一定程度上缓解焦虑。
沈哲怡表示:“企业机构可以对来自内部和外部的内容进行筛选,从而为员工提供有操作性的建议。信息来源包括地方政府、卫生部门和国际机构(如世界卫生组织)等。人力资源和企业传播部门的负责人可以参与内容审查和公司政策的解释。企业机构应建立专门的疫情内容网页、应用程序或热线电话定期分享这些信息。员工还可以通过这些平台向公司报告自己的健康状况、寻求紧急支援和医疗卫生服务。”
如需了解更多相关内容,请阅读Gartner的报告全文:Coronavirus (COVID-19) Outbreak: Short- and Long-term Actions for CIOs。
如需进一步了解企业机构如何应对新冠疫情造成的破坏性影响的相关信息,请访问Gartner新冠病毒资源中心(Gartner coronavirus resource center)。该中心提供了一系列Gartner免费报告和在线研讨会,旨在帮助企业机构响应、管理和备战新冠疫情的快速蔓延和全球影响。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。