他说,正是这种“分裂”吸引了他从事这份工作。他说:“我有50%的工作是在内部,负责管理IT、安全和正常CIO相关的事情,然后还有50%的工作是在外部,与我们的客户、销售团队、产品管理和营销部门展开合作,专注于围绕如何最好地使用我们产品传递信息。”
所以,工作的多样性对Malick有吸引力也就不足为奇了,他没有典型的纯技术人员教育背景。他于1996年毕业于罗德岛布朗大学政治学专业,但他表示,科技一直是他生活的一部分。“我是一个技术专家。小时候我就喜欢动手操作,自学了Pascal和Basic,这一直融入到我所做的任何事情中。”
例如,在投资银行业开始他的职业生涯后,Malick使用IT来支持他的工作,学习Visual Basic来自动化他的电子表格模型。在投资银行工作一段时间后,Malick成为了普华永道的一名顾问。这时候他开始涉足企业IT领域,进行大型的实施。
在此期间,他参加了为期13周的各种技术和系统设计“速成班”,并被派往普华永道不同的项目。他对技术的兴趣仍在继续,20世纪90年代后期,他是普华永道最早学习Java的人之一。在此期间,他还从事电子商务实施工作。
21世纪初期,在第一个互联网阶段,Malick离开了普华永道,进入了创业界,几年时间里,他担任过各种业务角色,包括咨询、产品管理和销售,期间他继续利用了他的技术背景。
在初创公司工作了大约10年之后,他加入了能源公司Vistra Corp,作为首席信息官,他成为了Box技术的早期采用者。大约11年后的2020年7月,Malick离开了Vistra,并最终与Box围绕CIO这一角色进行了讨论。
“我最终花费了一些时间重新开始。在与Box的讨论中,我不确定自己想要一个纯粹的[内部]CIO角色。吸引我的不仅是我熟悉的公司和领导层,还有内部和外部的角色。”
Box公司拥有约2500名员工,主要分布在北美,其中包括一支约100名IT员工的团队,包括Box员工和供应商员工。Malick说:“这和大多数IT部门都是相似的,专注于确保运营、应用和最终用户组顺利运行。”
虽然Box公司的IT团队规模大约100人出头,但Malick说,他拥有一整支从事IT工作且精通技术的员工队伍,这让事情变得更容易了。
他说,内部CIO这一角色让他主要专注于三件事:如何将风险降至最低、如何实现价值最大化、以及如何管理成本。
Box是一家践行其运营IT宣传内容的厂商,它使用的核心应用包括面向客户技术的Salesforce、用于人员管理的Workday以及NetSuite的财务系统。
Malick说:“一切都在云端——我们天生就是软件即服务,我们喜欢喝自己的香槟。除了少数几个应用,我们所有的应用都是真正的SaaS,即使是那些出于何种原因没有运行在IaaS上的应用。”
探索机器智能
除此之外,Malick和他的团队还在人工智能(AI)和机器学习(ML)上投入了时间。“从我上任开始,我们把很多兴趣和努力都投入到了人工智能和机器学习方面。”
他说,这其中包括内部开发和使用其他平台,还有一些项目正在进行中。“最近,我们在法律领域有一个项目,使用基于人工智能的平台来组织、管理和阐明我们与客户以及供应商签订合同中的风险。”
Box公司还在寻求企业帮助台相关的“潜在的更大型的项目”。“想一想员工提出的所有问题,无论是IT、财务还是人力资源相关的——我们如何使用AI并使其自动化,提供更自助的、更直观的服务,同时减轻企业人员的负担?”
Malick说,他的策略是考虑使用人工智能来做所有事情,直到人类做出决策,目前Box正在探索自然语言处理工具Chat GPT的潜在用例。
在业务方面,Malick说,他曾经作为Box客户的经验,以及他的内部知识使他成为Box的拥护者,特别是对于现有客户,帮助他们战略性地思考内容以及他们是否使用Box来确保他们正在从投资中获得最大收益。
“对于许多客户来说,他们的大部分重要信息都在Box中,因此能够通过AI获得洞察力并加快这些事情——比如员工入职、法律审查、政策审查甚至内容创建——是你在人工智能方面看到我们要进行探索和展开合作的一些事情。”
好文章,需要你的鼓励
海外博主做了一次 Siri AI、ChatGPT、Claude 横评。看完之后我最大的感受是,AI 助手的竞争已经不只是模型能力,而是谁离用户更近。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。