未来五年,随着服务提供商扩展基于价值的护理模式,以及设备制造商努力跟上数字优先的发展趋势,医疗行业预计将会发生巨大的变化。推动全球转型的一大因素,就是推动医疗保健服务、医疗责任和控制更贴近于消费者。
IDC在2023年FutureScape全球医疗行业年预测报告中指出,到2027年将有70%的医疗组织依靠数字优先战略让患者能够在健康责任和体验中扮演更为积极的角色。该报告称,针对心理健康、远程医疗、临床试验、数字治疗和“随处护理”解决方案等领域的数字患者来说,在参与和体验技术上的支出预计将有所增加。
位于美国马萨诸塞州贝德福德的Novanta公司,是医疗和先进工业OEM领域一家值得信赖的技术合作伙伴,在光子学、视觉和精密运动技术方面拥有深厚的专业知识。Novanta设计的关键任务组件和子系统可以提供极高的精度和性能,使客户能够提高生产力、实现突破性性能、改善人们的生活。
Sarah Betadam博士在Novanta公司负责技术战略,她是一位经验丰富的数字高管,目前担任公司的CIO和CISO,负责提供规模运营和提高业务敏捷性的转型解决方案,但同时,她也帮助推动业务战略和全球目标。Betadam非常适合承担这项任务,四年前她加入Novanta之前就拥有丰富的经验,并且持有工程和工程管理博士学位,以及知名大学的计算机科学学位。
Betadam自认是一名数据分析和研究迷,几年前向乔治华盛顿大学提交了一篇论文,论文概述了现代IT项目管理模型,这种模型是对许多现有模型的一种挑战,她表示,很多现有模型“过于主观”,并且在当今世界中是不太可行的。
她解释说:“每个人都希望产生业务影响和业务成果,但业务价值对特定企业来说是很重要,它源于从业务战略中总结出来的业务能力,涉及到创收、合规、运营效率和法律等方面。所有这些加起来,就可以给你划定一个范围,”Betadam还指出,此前组织中曾经使用过这种模型,创造出了一个更有针对性和成功执行的战略。
Tim Scannell:IT组织正在经历许多结构性的变化,报告线发生变化,并且更加关注面向业务和客户的目标。在过去的一两年中,您的IT组织发生了哪些变化,这是如何让Novanta公司变得更加灵活和适应性更强的?
Sarah Betadam:我们正在扩大我们的能力水平,不仅是在IT内部,而且在整个业务范围内取得成功。还有另外一个方面,就是在我们团队内的敏捷性转型,以及产品路线图所有权的灵活性,这意味着真正要强调业务伙伴关系,并确保我们与业务战略保持一致。我们非常重视精益流程,与精益流程保持一致能够给予你动力。这取决于CIO的弹性,以确保你试图向Novanta组织中添加的能力要素,与目前每个业务单元现有的程序流和项目流之间能够相互匹配。
Tim Scannell:对企业利润有直接影响的技术举措如今更受重视。这是否会给您和您的IT组织带来任何压力,要求他们更快地完成项目并降低风险?
Sarah Betadam:这就是敏捷性对我们整个组织很重要的原因。通过教育,企业要知道第一次出现不完美是没关系的。我也用精益的语言,我也对此比较熟悉,让他们知道会有持续的发展,过程上的改进和迭代,一切都不会是完美的。这是一段旅程,与过去两年相比,人们对这种方式越来越适应。
Tim Scannell:如今,很多公司都在加大对数据分析和商业智能的投资。有些甚至建立了由来自IT和业务人员组成的数字战略团队。然而问题是,如何找到经验丰富的IT和业务人才。这对您的数据分析策略有什么影响?
Sarah Betadam:疫情之前我们刚刚开始这个旅程的时候,只有一两个人,如今我们有一个专门的商业智能委员会。我们从企业引进了专家,来应对我们试图集中在一起的不同数据,但找到人才是非常困难的。对我们来说,一个很有用的解决方案就是把搜索范围扩大到那些你认为不会有人才的地方。我们已经开始做分析方面的培训,每个人都收到邀请参加,所有部门都有越来越多的人感兴趣学习更多关于数据报告的知识。我们正在整个组织中宣传这一点,因此你不必是IT人员,不管你是在Novanta公司的任何地方,我们都可以对你进行培训,教你如何使用数据以便让数据为你的团队提供帮助。
Tim Scannell:很多IT组织都被要求将风险降至最低,并专注于那些提供可定义的、ROI最大化的项目。您认为这会影响您的创新计划吗?
Sarah Betadam:我认为创新活动肯定会放缓,尤其是在经济不确定的时期。创新需要一定程度上接受失败的容忍度。同时,当发生很多超出你自己控制范围的事情时,你要努力保持正常运转并确保客户满意。然而这也要取决于不同的领导者,也是可能会做一些孵化方面的事情。我们一直在研究组织内不同的效率型解决方案以及AI工具。但这要是由一个较小型的团队完成的,因为我们确实需要把注意力转移到客户身上。所以,创新会放缓,但我认为,作为领导者你不应该完全终止创新,因为那样你就会落后了。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。