超过350个IT项目被整合为约35条价值流,每条价值流都有着明确的客户关注点和业务战略相关指标。各个团队开始朝着更多样的工作方式转变,新的资金结构则根据业务需求的变化让灵活投入成为可能。
公司首席信息官Deepa Soni表示,此番调整为这家拥有213年历史、市值达220亿美元的保险与金融服务公司带来了更快的行动速度和可预测性,也让其更加适应业务敏捷性的基本概念。而且从诸多方面来看,这种变化还仅仅只是个开始。
入围今年麻省理工学院斯隆CIO领导力奖评选的Soni认为,“我们将技术与数据融入业务产出的方式,就类似于在面包上涂抹黄油。如今的业务风险越来越高,这里指的不仅仅是增强功能,同时也影响到流程的转变与数字化转型,同时思考如何为客户和员工提供数字解决方案。”
为了进一步提高The Hartford的敏捷性,Soni和她的团队将在未来几年继续简化业务系统、实现关键流程自动化、提高员工技能并在技术与业务团队间建立起紧密联系。Soni还特别强调了其中三大重点:
这些努力的意义,是在整个业务体系内建立起顺畅高效的云、数据分析和AI能力。The Hartford建立了HartCode学院,帮助非技术团队成员逐步掌握软件开发的诀窍。此外还有其他培训计划,让员工能够为全栈开发和数据工程类职位做好准备。
除了对技术栈的现代化改造,Soni和她的团队还开始重新设计内部流程,即所谓“极端自动化”倡议。其核心是依托新的技术方法,将遗留系统及相关流程重塑为新的形式。“单纯在构建层面提速并不困难,但如果不能让部署和维护也保持同样的节奏,那么敏捷性将无从谈起。”
敏捷的另一大关键是文化。在The Hartford,协作、创新和冒险一直是推动组织进步的核心要素。
Soni强调了创新工作对时间投入的需求,并积极表彰那些愿意积极尝试、并在未能顺利推进时迅速调整的团队。该公司正在探索新兴技术团队生成式AI、数字孪生、元宇宙等方向,且主要关注学习过程而非具体结果。Soni认为,“这注定是一段充满探索和失败的旅程,最终可能只有十分之一的尝试有所回报,但这都没关系。”
The Hartford目前还没有任何生产级别的生成式AI项目,但Soni表示相关计划已经设定,将有十多个由公司知识库训练而成的大语言模型陆续与公众见面。
该公司还建立起一支跨职能团队,由来自法务、隐私、数据科学和技术团队的多位代表共同参与,确保为生成式AI实验设置适当的护栏。“我们已经达成共识,只有先保障安全,才能让生成式AI为企业应用做好准备。”总之,只有负责任的AI才可能是好的AI。
Soni认为,打破组织孤岛并在整个The HartFord内部整合数据和技术的举措,将开启新的价值创造之窗。“彼此孤立的数据和技术也有价值,但如果能够将更多实时AI引入运营体系,那么最终迸发出的将是指数级别的增长力量。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。