在疫情最初的几个月里,Lumentum的高级副总裁兼首席信息官Ralph Loura和他的很多同事一样,都发现IT的年度计划不够灵活,无法响应业务需要的项目优先级快速调整。结果是采用了一种新的优化IT规划的方法,这种方法能够更好地反映业务需求。
在最近一期的CIO Leadership直播中,Loura与CIO.com撰稿人Maryfran Johnson坐在一起讨论了他如何调整确定项目优先级和IT规划的方法,在IT中采用挑战者思维方式的重要性以及拥抱“浅层IT”等话题。
Lumentum总部位于圣何塞,为全球光纤网络和激光应用设计和制造光学和光子产品。该公司是电信行业的重要参与者,年收入为17亿美元,在全球拥有5,000名员工。
Loura于2018年10月加入Lumentum,他有30年的IT领导经验。在加入Lumentum之前,Loura曾在Rodan +Fields 担任首席技术官,在此之前,担任过慧与(Hewlett Packard Enterprise Group)的首席信息官,以及Clorox的高级副总裁和首席信息官。
下面是Loura与Johnson访谈的节选。要想了解Loura的更多见解,请观看下方的完整视频。
关于项目优先排序:
我来到Lumentum的原因之一是我们的首席执行官Alan Lowe。非常棒的领导者,在这个行业非常有经验,而且领导风格非常透明、平易近人、坦诚,这与我的工作方式产生了共鸣。Alan会挑战我:“我们花了很多钱,你在做很多项目,但我怎么知道我们在做正确的项目?为什么你做这个项目而不是那个项目?跟我说说哪一个项目的价值最高。我们为什么要这样做?”
老实说,我开始意识到我真的不能给他一个好的答案。我可以说,哦,“这对我们进入新市场的能力至关重要”或者“这是监管要求,因此这是我们需要应对的风险”等等。但是,对我来说,用一种定量的方式比较这些项目真的很难。
为业务优化IT规划:
在新冠疫情之前,我们的关注点主要是以能够准确预测的成本实现一组可预测的项目交付。做到这一点最好的方法是展望一年,然后非常密切地管理进展。
嗯,当然,这样做很好,直到整个世界经济受到了疫情的影响。
然后你该怎么办?你要做出临时决定,对所有的项目重新进行优先排序,这可是你花了三个月的时间才确定下来要做什么或者不做什么的计划。那么,它就没用了。
好消息是我们已经开始向敏捷开发转型,从传统的交付模式转向更加规模化的敏捷方法,这就导致了这样的想法:查看积压工作并使用Scrum板,选择我们这个月要做的工作,然后完成这些工作等等。
我们在操作层面这样做了,然后我们回到了每年一次的计划工作,将两者真正结合起来,并找到了一个令人愉快的中间点。
在IT中采用挑战者思维:
数据显示,随着时间的推移,在很多、很多公司和很多关系中,那些本质上只会唯唯诺诺的人——那些只会对一切说“是”,努力表现得非常有礼貌,对每个人都很好,会安抚所有人的家伙——可不像那些对你非常诚实、而且偶尔会挑战你的人那样,他们会说,“你知道,这是一个很有趣的要求。不过,我认为你可能需要考虑另外这种想法。因为你可能不知道这个、这个,还有这个。”
显然,这可不是混蛋做法的通行证,这不是争论,要有创造性的张力和积极的张力,并且分享想法。苏格拉底经常会在人们看法不同的时候采用这种方法。这最终会产生比旧的IT接单模式更有效的结果。
关于拥抱“浅层IT”:
我们有一个IT方面的模型,让IT组织和公司内的其他人围绕着想法、他们遇到的挑战和机会进行互动。然后我们正在尝试创建一个孵化器来解决这些问题,测试这些解决方案。
例如,当我在Clorox工作时,我们发现销售团队中有大约30人从我们的SharePoint销售门户中提取文件,并且每周将它们拖到云端的存储平台中,然后在他们的移动设备打开这些文件与客户交流。
所以我们找到他们。一开始,他们的表现就像是“哦。我们有麻烦了吗?你知道,我们是不是做错了什么?”我们回答说,“不,不,不。我们喜欢你们的做法。”
因为他们所做的正是指出了一个问题。
作为IT,我们那时的做法非常棒:我们由浅入深。嘿,那个可怜的销售人员每周要处理40个文件并同步它们,我可以为你们解决这个问题。我会建立一个自动同步;我们将缓存它。我可以确保合规、安全,并且确保我们不会共享不适当的信息等。
所以 IT说:“太好了。你找到了金子。现在让我改进它并创建一个服务,让每个人都可以从中受益。”
好文章,需要你的鼓励
当前软件工程团队正在试验基于AI代理的编码工具和大语言模型,以提高开发速度和质量。然而,AI编码工具的效果很大程度上取决于使用方式。开发者需要提供结构化的问题描述、明确的执行要求和相关上下文,同时建立适当的防护机制。AI不仅能处理重复性任务,还能识别和评估替代方案,从被动助手演进为工作流程推进器。成功的关键在于将AI视为合作伙伴而非快捷工具,并将其整合到软件交付的全生命周期中。
NVIDIA研究团队开发出名为Lyra的AI系统,能够仅凭单张照片生成完整3D场景,用户可自由切换观察角度。该技术采用创新的"自蒸馏"学习方法,让视频生成模型指导3D重建模块工作。系统还支持动态4D场景生成,在多项测试中表现优异。这项技术将大大降低3D内容创作门槛,为游戏开发、电影制作、VR/AR应用等领域带来重大突破。
Salesforce发布企业级AI智能体平台Agentforce 360,将AI智能体融入几乎所有应用中。该平台采用混合推理引擎Atlas,结合大语言模型的概率思维和业务规则的精确性,支持语音交互和深度集成。以Slack为主要界面,提供Agentforce Builder开发环境,能将非结构化文档转换为可查询记录。Salesforce内部已部署该系统,每周处理180万次对话,主动服务活动增长40%。
谷歌DeepMind团队创新性地让Gemini 2.5模型在无需训练的情况下学会理解卫星多光谱图像。他们将复杂的12波段卫星数据转换为6张可理解的伪彩色图像,配以详细文字说明,使通用AI模型能够准确分析遥感数据。在多个基准测试中超越现有模型,为遥感领域AI应用开辟了全新道路。