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
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。