根据Gartner首席信息官和技术高管年度全球调研,企业必须实现业务组合能力,才能在2022年及以后的变革中蓬勃发展。
业务组合能力是一种使企业机构能够进行创新并迅速适应业务需求变化的思维方式、技术和一系列运营能力。实现这项能力的基础是通过将模块化的关键原则应用于业务资产,实现业务目标所要求的规模和速度。
Gartner研究副总裁Monika Sinha表示:“业务组合能力是应对波动性的良策。在组合能力*强的企业机构中,63%的首席信息官表示与同行或竞争对手相比,其所在企业机构去年的业务表现更出色。他们还提高了通过技术寻找新价值来源的能力。”Gartner分析师在Gartner IT Symposium/Xpo大会美洲站期间发布了此次调研的结果。
通过投资人工智能、云和安全技术支持业务组合能力
人工智能(AI)和分布式云是大多数组合能力强的企业已部署或计划在2022年部署的两项主要技术。这两项技术能够实现模块化技术能力,因此是促进业务组合能力的催化剂。
网络和信息安全在2022年的投资计划表上名列前茅。所有受访者中有66%的人预计将在明年增加相关投资。其次是商业智能/数据分析(51%)和云平台(48%)。
Sinha表示:“由于环境变得更具有挑战性,企业机构需要持续投资于网络安全。强大的组合能力将帮助企业更快恢复,甚至可能将网络安全事件的影响降到最低。”
组合能力强的企业能够更好地运用IT
预计在2022年,组合能力强的企业在平均收入增长和IT预算增长方面将高于组合能力中等或弱的同行。组合能力强的企业的首席信息官和技术高管在2022年的收入和IT预算将分别平均增长7.7%和4.2%,而组合能力弱的企业预计增长3.4%和3.1%。
Sinha表示:“为了更加轻松地适应变化,大多数组合能力强的企业将战略规划和预算编制作为一项持续和迭代的活动。如果在其他方面没有需要补救的巨额赤字,首席信息官就可以投资于组合能力,尤其是能够以可组合的方式进行设计的IT开发人员和业务架构师。”
全球IT预算预计将以十多年来最快的速度增长。根据所有受访者的回答,2022年全球IT预算预计将平均增长3.6%。
业务组合能力的三个领域
随着波动性在可预见的未来将成为一种业务驱动力,首席信息官应当仁不让地负责推进业务组合能力的三个领域:可组合的思维、可组合的业务架构和可组合的技术。
可组合的思维
Sinha表示:“由于需要重塑业务思维,整个经济环境中的业务组合能力水平并不高。传统业务思维将变化视为一种风险,而可组合的思维将能够驾驭加速变化的风险并创造新的业务价值。”
在组合能力强的企业中,首席信息官认识到从客户需求到财务模式,业务条件经常发生变化,并且授权最适合采取行动的团队对这些新条件做出响应并重新适应。例如在组合能力强的受访者中,超过一半表示他们提倡一种高信任度的文化,鼓励员工独立做出决定,而这是组合能力中等的企业的两倍,是组合能力弱的企业的六倍。
可组合的业务架构
工业时代的企业是为稳定、缓慢、可预测的变化而设计的。而在数字时代,企业架构需要为不确定性和持续的变化而设计。可组合的企业不是为效率而优化,而是为适应而优化。系统、流程和员工不再为一个预先确定的用例或目标服务。
Sinha表示:“如果业务领导人委托IT组织开展项目,然后推卸对实施结果的责任并把此类项目仅当做一个IT项目,那么数字业务行动就会失败。组合能力强的企业对数字结果采取去中心化的问责机制,大多数首席信息官几年来一直在尝试这种转变,并且这种转变能够建立融合业务和IT部门的多学科团队来推动业务成果。”
可组合的技术
Sinha表示:“业务需要依靠技术运行,而技术本身必须具备组合能力才能运行可组合的业务。从支持新系统和新合作伙伴快速整合的基础架构到支持思想交流的工作场所技术,企业机构需要将组合能力延伸至整个技术栈。”
此次调研显示,在组合能力强的企业中,首席信息官和技术高管更加积极地推进迭代技术开发、跨系统和人员数据共享以及集成能力数据、分析和应用的建立。
Sinha表示:“在组合能力中等或弱的企业中,首席信息官必须内化这三个领域的业务组合能力,从而使他们的企业机构变得更加灵活并且能够应对快速变化的业务环境。进入2022年之后,这将是一个循序渐进、但必不可少的过程。”
*致编辑:2022年首席信息官和技术高管调研收集了2387名首席信息官和技术高管受访者的数据。受访者来自85个国家和各主要行业,其所在企业机构的收入/公共部门预算总计达到约9万亿美元,IT支出总计达到1980亿美元。本次调研根据首席信息官受访者所在企业机构对可组合业务三个领域的使用程度,将企业机构的业务组合能力等级划分为“弱”、“中等”和“强”。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。