红利的消失已经成为不可逆转的趋势,但今年Gartner带来的《全球首席信息官议程调查》却将主题定为《驾驭时势 再创红利》。
Gartner研究副总裁陈勇(Owen Chen)给出的解释是,疫情的三年间,CIO正在使用像远程办公、电子商务等各种方法帮助企业正常开展业务,无论是CEO还是业务部门都认为,投入数字化确实能够帮助业务正常运行,也看到了红利。
Gartner研究副总裁陈勇
当然,还有一部分人认为,在疫情初期投入数字化确实带来了红利,但现在的经济形势依旧没有很大改观,是否还要继续在数字化上进行投入。
企业的投入是有限的,产品、人才,现在数字化也要进行更多的投入,就势必会减少其他部分的投入。Gartner调查显示,目前全球企业IT预算增长达到了5.1%,中国则只有0.7%。
全球IT预算从2008年金融危机后就节节高升,增长率已经攀升到历史最高点,中国则成相反的态势,从2014年开始就逐步走低。
“IT预算和通货膨胀其实是息息相关的,经合组织对2022年全年的通货膨胀进行预期,预计2022全球通货膨胀达到6.5%,中国是2%,所以中国和全球是保持一致的。”陈勇说道。
调研还显示,大部分数字化举措是延迟交付的,59%的企业出现了产品交付的延迟,52%的企业价值实现的延迟,这两种延迟也是企业在数字化转型投入上的顾虑。
所以做什么样的工作才能看到红利,Gartner给出的建议是打通孤岛、建立融合团队、重新平衡。
打通孤岛
企业中一直有部门各自为政的现象,所以就需要考虑怎么打通孤岛,过去两年数字化投资目标可以分为营收和净利润两大类。营收是对外,净利润是对内,对内通过降本方式增加效益,对外通过增收的方式增加效益。
陈勇也给出一些建议,CIO要及时识别从CEO/董事会“放”出的一些信号,同时要把“信号”和市场对于我们的预期做一个结合,这样就能找到谁是CIO推进数字化的最佳合作伙伴。
同时,CIO推进数字化可以把业务指标拆解变成IT的指标,这就是IT的工作和CEO关切指标的联系,通过这种方式将能够帮到企业的地方用“指标”的方式呈现出来。
建立融合团队
调查显示,67%的CEO和企业高级业务领导者希望有更多的技术工作直接由业务部门完成,而不是在IT部门内完成,73%IT部门以外的管理人员希望目前或不久的将来,有更多技术人员加入他们自己的团队。
这也是我们常说的影子IT,陈勇说,能够让这些事成为现实的关键技术就是无代码/低代码开发,但事实上数字化交付主要还是需要依赖IT部门。
所谓的“融合团队”,是指团队中既有IT,又有业务,大家一起工作。Gartner认为,融合团队目的就是从“项目管理”变成“产品管理”,从“时间点交付”变成“持续交付”,从“关注技术”到“关注业务能力”。
“融合团队”在前端,“纯粹IT团队”在后端,两个团队统称“数字平台的团队”,实现前端和后端的互通,用反馈机制协同工作。
重新平衡
“重新平衡”首先是人才的重新平衡,考虑借助外部人才帮助企业进行数字化的工作,“非传统资源”包括高校学生、消费者、资源职业者等。
其次是技术的重新平衡,新兴技术走向成熟需要一定的时间,中国企业在新兴技术上的热情高于全球,像元宇宙。
在中国技术的投资上可以看到,商业智能/数据分析还是排在第一,而全球排在第一的是网络信息安全,中国则排在第二。陈勇认为,对于安全的投资主要有三种驱动,事件驱动、政策驱动和业务驱动,现在基本处在“事件驱动”往“政策驱动”进展的过程当中,离“业务驱动”还有一段距离。
最后是业务领域的重新平衡,企业可能需要重新寻求平衡点的领域包括:后台操作自动化、定价优化分析、战略采购和类别管理、运营自动化、详细的运营规划和调度、先进的需求预测和库存优化分析、供应商协作和绩效管理。
Gartner认为,只要做好打通孤岛、融合团队、重新平衡,企业就一定能够“驾驭时势、再创红利”。
好文章,需要你的鼓励
Anchor Browser获得600万美元种子轮融资,专注解决AI代理安全可靠地使用网络的挑战。该公司重新设计浏览器作为云端执行层,为每个AI代理提供独立安全的浏览器环境。与传统浏览器不同,Anchor的b0.dev系统让代理能够规划工作流程并可靠重复执行,将混乱的自动化转变为企业级软件工程。
清华大学研究团队开发的SLA技术通过将AI视频生成中的注意力权重智能分类,对不同重要程度的权重采用差异化计算策略,成功实现了95%的计算量减少和20倍的速度提升,同时保持视频质量不变,为AI视频生成效率优化开辟了新思路。
英国竞争与市场管理局经过九个月调查,将谷歌和苹果的移动平台指定为具有战略市场地位。监管机构表示,两家公司在移动平台领域拥有根深蒂固的市场主导地位,其平台规则可能限制创新和竞争。这一指定使监管机构能够考虑采取针对性干预措施,确保英国应用开发者能够创新和发展业务,但目前尚未引入任何直接要求。
斯坦福大学等机构联合提出多人Nash偏好优化(MNPO),突破传统双人训练局限,让AI在多人游戏环境中学习处理复杂非传递性偏好。该方法通过时间依赖设计,让AI与历史版本对话练习,在所有主要测试中显著超越现有方法,在Arena-Hard中甚至超过GPT-5,为AI对话系统训练提供了更贴近真实世界复杂性的新范式。