该公司最近发布了2021年-2025年战略计划框架内的第二波数字化计划,计划通过设立以一个新的能力中心来巩固和扩大生成式AI在整个业务中的使用,并利用创新的颠覆性技术基于数据做出更敏捷的决策,以简化日常流程。
就在发布该计划的同时,Repsol公司任命了Juan José Casado Quintero为新任首席数字官(CDO),是数字化转型和加速公司成为数据驱动型公司战略的又一举措。
Casado目前正在领导该公司2023-2025年框架中的数字计划,这一路线图主要强调了要采用尖端技术来实现业务目标。
具体来说,这个新成立的能力中心是欧洲能源领域首个能力中心,将探索AI开发和应用的可能性,以推动公司转型,实现到2050年净零排放的宏伟目标。通过这一举措,该能源公司将分析AI开发和应用的新可能性,以帮助公司在能源转型的过程中实现公司的转型。
他们打算通过该中心实现的目标包括:确定并实施使用新模型,让Repsol公司的业务领域能够创造价值,加速数字化转型;让员工能够探索利用这些工具创造新的工作方式;开发技术和数字解决方案,通过应用提高生产力。为此,Repsol将加大对颠覆性AI技术的使用,例如大型语言模型,或者允许生成图像、视频、音频或代码的技术。
新项目的关键
Repsol公司充分意识到这些技术的巨大变革潜力和颠覆性,因此开始了关于最恰当的部署方式的讨论。为此,该能力中心成立了一个多学科工作组,使命是以负责任的方式使用AI,并始终确保安全性和合规性。为了有效地执行这一计划,公司有50多名专业人士参与其中,分享他们在能源领域和不同数字技术方面的丰富经验,其中包括网络安全专家、技术人员、法律、审计或合规人员,以及以数据科学家和数据工程师为主的AI高度专业化人员。
Repsol已经在探索生成式AI在流程中的不同应用了,在这些流程中,生成式AI可以为组织及其员工提供差异化的价值。因此,他们组织了工作组,员工提出了250多个使用案例,在这些案例中,技术可以简化他们的日常工作和任务,例如促进决策信息的访问、文档的管理和生成、多媒体内容的创建、智能助理的开发、以及生成代码以开发技术解决方案。
第二波数字化浪潮
对于Repsol来说,数字化是其应对脱碳挑战的战略计划和转型过程中一个关键要素。2018年该公司曾首次推进数字化计划,从全面实时决策和数据分析,到提高员工操作安全,再到努力实现能源领域的碳中和,这一进程一直在持续。
Casado的角色是推进公司在所有垂直领域的数字化转型。他说:“技术是为企业服务的,所以技术的所有者必须是人。因此,我这个角色的基本使命,就是帮助设想和优先考虑与数字技术相关的变革性项目,以及如何促进业务并产生最大可能的影响。我们必须为那些最具潜力的项目提供必要的财力和人力资源。”
同样地,他坚持建立平台来帮助员工尽可能以高效和可扩展的方式开发数字产品。另外一个同样重要的优先事项,是创建完全的数字化的组织文化,确保人们拥有必要的培训和技能,以应对数字化转型带来的挑战。
继续沿着正确的道路前进
Casado说:“我为自己设定了一个巨大个人挑战就是,第二波数字化转型至少能获得与第一波相同的成功。”考虑到公司的第一个五年数字化时期刚刚成功完成,这个目标还是相当高的。他补充说:“无论是在实现我们为自己设定的目标方面,还是从转型本身的角度来看,第一波数字计划确实是卓有成效的。”
从现在开始,Casado将继续走在成功和卓越的道路上,确保数字化仍然是公司业务的变革动力和驱动力,并帮助公司实现其战略和脱碳目标。
走在技术前沿
为了实现目标,Casado将依靠于尖端技术的战略组合。他说:“我们将继续致力于涉及运营和流程自动化的一切工作,包括推广数字孪生、物联网平台和5G等技术。”
Repsol还将加大AI在所有业务中的应用。“我们相信,未来几年AI将改变我们的工作方式,我们希望引领这一趋势。”
Casado还坚定地把Repsol转型为一家数据驱动型公司,探索量子技术的用途,并让员工使用无代码或低代码平台更多地开发应用。“我们将重点关注和数据领域相关的所有技术的普及化,以便组织中的任何人都能够做出基于数据的决策,并在日常生活中自主地使用算法和AI。”
好文章,需要你的鼓励
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。