至顶网CIO与CTO频道 05月28日 编译:在COVID-19大爆发之后,思科的远程办公员工数迅速从25000人激增到96个国家/地区的140000人,成为让员工适应远程办公的最典型案例之一。
就在短短几个月前,CIO们还无法想象他们要远程管理大部分员工是怎样一番景象。眼下,新冠病毒大流行已经颠覆了各种各样的企业,迫使他们思考一下该怎么走——是否能支持呼叫中心代理在家远程办公,是否能支持学生链接到虚拟教室,或者能否为患者提供远程医疗服务。
即使是领先的IT公司,在疫情期间也面临着为全球员工提供支持的巨大挑战,思科就是其中之一。
迅速扩展,支持远程办公模式
思科一直拥有一个适应性强且灵活的内部网络。在疫情期间,唯一的挑战就是规模的速度问题。思科在短短10天的时间内从在封闭办公室内办公切换到全球远程办公的模式。最初思科使用拆分通道等技术应对流量激增的问题,例如通过VPN路由其中一些应用流量,通过互联网路由其他流量。思科首席信息官Jacqueline Guichelaar在最近举行的一个虚拟行业圆桌会上解释说,这么做的主要目的是让所有员工和合作伙伴都能够远程工作并且保持业务运转。
此前思科远程办公的员工就已经占到了25%,所以思科拥有远程办公所需的大多数工具和技术。而现在,思科面临的挑战是将这一人数迅快增加到14万人。尝试使用拆分通道这样的技术,是一种系统性的方法,但是思科以前从而以如此快的速度实施这种方法。
网络方面存在速度问题,但是有些场景则更有挑战性。例如,在印度全国封锁期间,思科采取了双管齐下的方法,将3000个呼叫中心代理切换到远程办公模式。通过与印度IT行业协会NASSCOM和印度其他服务提供商协会(包括大约1000家软件公司成员)建立了合作伙伴关系,印度政府为思科能够遵守该国严格的法规提供了一些空间。
此外,思科的技术团队还必须编写代码以实现专有VPN解决方案部署的自动化,印度监管机构要求必须实施这种解决方案以进行远程通信。此后,思科在DevNet(面向那些希望集成思科技术的开发者和IT专家的网站)上开放了该代码供其他人使用。
Guichelaar说:“我们通过整合在数天内实现了原本需要好几年才能完成的工作,我们希望把我们学习到的经验分享给每个人。”
Guichelaar在最近举行的一次虚拟行业圆桌会上,分享了以下一些关于远程办公最佳实践的经验和建议:
和HR展开合作
在危机时期倾听员工的担忧是尤为重要的。CIO应该与HR展开合作,不仅要确保平稳地切换到远程办公模式,而且还要解决员工可能遇到的任何问题。Guichelaar通过这种做法,与思科首席人员官Francine Katsoudas之间建立了紧密的合作关系。
采取分阶段的方法
思科没有采取一刀切的做法,而是分步骤地实施远程办公。第一步,是提供基本的连接,让员工可以通过同一连接访问互联网和公司资源,而无需人为干预;其次,是基本的协作和视频功能,让员工能够保持和办公室一样的工作环境。
第三,是确保关键功能的正常运行。例如,思科必须确保其技术支持中心(TAC)所需的所有服务正常运转。TAC为所有思科客户提供技术支持,是思科该业务的一个核心职能。
第四,是特殊场景,例如上面提到的印度呼叫中心。第五,是如何确保安全性。这种分阶段的实施方法,让远程办公不再那么困难,不是只尝试一次就要完成所有任务。
向客户学习
思科的另一个策略,是向自己的客户群体请教和学习。这种方法来自于意大利路易斯·吉多·卡里大学校长Andrea Prencipe,他曾谈到保持经验连续性的重要性。最初,学校尝试为学生录制许多课程,但是由于学生想要的是一个更具交互性的环境(就像在教室上课的互动一样),因此在学生中并不流行。后来,学校使用视频这种方法,让学生能与教师和其他学生展开互动。
组队合作
疫情期间,IT团队全天候超速运转,从早上到晚上再到周末,从管理数据中心到实时释放网络容量。和Guichelaar一样,很多CIO必须要做出快速决策,同时依靠合作伙伴和技术提供商来确保一切正常运行。
Guichelaar说:“在危机时刻,没有合同,我们就是通过行业联合做到这一切。我们设法将设备带入所需的数据中心,为客户提供所需的容量。”
信息共享
最后一个最佳实践得到了所有参会者的认同,那就是与其他CIO同行共享信息。 Guichelaar提到了这样一个场景,某个公司的CIO给她打电话,寻求有关快速配置、保护和分发数万台笔记本电脑方面的帮助。她很高兴分享了有关如何运营扩展的材料和培训信息。
现实情况是,我们所有人都身处于疫情之中,为他人提供帮助,就是帮助整个世界早日恢复正常状态。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。