根据管理咨询公司普华永道(PwC)的一项调查,获得技术投资回报的同时吸引和留住合适的人才,是阻碍组织成功实现供应链运营数字化的三大挑战。
普华永道的“供应链数字趋势调查”对全球244名运营和信息技术领导者、C级高管和其他供应链管理者进行了调查,有近80%的受访者表示,他们的技术投资并没有完全实现预期结果。
普华永道运营转型负责人Matt Comte表示:“企业看不到投资回报的原因很多。供应链是一个复杂的生态系统,由组织内外的利益相关者组成,实施单点的解决方案往往不能解决更大的问题。”
Comte说,为了在物流、交付和仓储方面做出最佳决策,企业需要一种涵盖了很多不同数据集和流程的集成方法。
Comte说,吸引和留住合适的人才,也是充分发挥企业技术投资潜力的关键。
预算限制和员工流动给供应链管理带来阻碍
近48%的受访者表示,他们遇到了员工成本方面的预算限制,超过58%的受访者表示,供应链员工流动率高于正常水平。只有23%的受访者表示,他们拥有实现未来目标所需的数字技能。
“如今,企业需要技术和职能人才,以及完善的技术平台和质量数据集,才能成功地实现供应链运营的数字化,”Comte他补充说。他认为,供应链专家需要与CIO或者数据科学工程师展开合作,打造能够提供必要洞察的AI模型。
调查发现,找到具有协作思维、了解业务且具备技术能力的员工,也是一项重大的挑战。
Comte表示,企业可以在短期内通过有效利用超大规模厂商和其他软件供应商提供的平台来应对这些挑战,最大程度上提高数据摄取、分析和建模的能力,从而产生更多的业务洞察力。
云、无代码助力供应链数字化
“行业云结合数据市场、数据交换、低代码/无代码平台的使用,可以在短期内为企业提供帮助,”Comte说。
不过从长远来看,这些措施无法克服人才方面的挑战,可能需要对现有员工队伍进行挑战,Comte说。
“CXO需要针对组织当前的问题转换可用的人才,”Comte补充说,一些流程和任务可以由机器人流程自动化(RPA)或者人工智能(AI)接管,这反过来可以释放出员工资源,让他们接受培训以实现未来的目标。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。