大多数企业都会毫不犹豫地把他们的组织宣传成一个有趣的工作场所,尤其是在试图吸引新员工的时候。事实上,你在一个比较受欢迎的招聘网站上搜索“fun”这个词,会得到数十万个帖子,仅在美国马萨诸塞州就有超过16000个帖子。但很少有企业会把乐趣作为客户成功的使命。
Cedar Fair Entertainment是一家非常重视娱乐的组织,历史也证明了这一点。这家公司成立于1870年,最初是位于伊利湖畔的海滨浴场、游船码头和舞厅,后来凭借15个游乐园和水上乐园、6个酒店和其他公园相关设施,确立了行业领导者的地位。Cedar Fair的度假村物业遍布美国本土48个州和加拿大。每年有超过2800万人来到这里,每年创造超过10亿美金的收入,让那些关注Cedar Fair公司及其纽约证券交易所股票代码FUN的人感到高兴和兴奋。
然而众所周知的是,当今商业如果没有技术基础和创新作为支持就没有什么乐趣了。Cedar Fair公司首席信息官Ty Tastepe正是负责这项工作,他在两年前加入Cedar Fair,负责监督公司所有资产的技术战略、实施和运营支持。
Ty指出:“公司内部没有一个职能部门不依赖某种形式的技术,每个触点都必须与其他系统或其他解决方案集成,因此我们从开始到结束都是有连续性的,”而且他补充说,他们把这种互操作性流程称为“无摩擦的乐趣”。
近日Ty Tastepe和我们分享了他所面临的挑战,以及他对生成式AI等新兴技术对组织赋能方式带来影响的一些想法。
问:过去几年对大多数企业来说都是充满挑战的,特别是在客户体验方面。与疫情之前的几年相比,现在您是否必须在客户体验方面做出重大的改变?
我不会说是有巨大的不同。我认为,我们的客人和客户已经非常习惯于数字平台的参与了,无论是在移动应用、在线、还是任何触点,他们还有更多的数字体验或期望。例如,我们在疫情期间所做、并在去年完成的一件事是无现金解决方案。现在,我们的公园和度假村所有交易都是以电子方式进行的,缩短等待时间的同时提高了总体宾客体验。
问:如今,大多数企业都专注于开发提供更多数据驱动的洞察和商业智能解决方案,尽管研究表明,有相当多的企业可能仍然没有共享和使用客户和运营数据的正式流程。那么您是否认为,在正确的时间向正确的人提供信息是一个难题呢?如果不是,您采取什么方法来实现这一目标?
过去几年来,商业智能一直是我们的主要关注点。将源数据从我们的核心系统转移到中央仓库,并不是一件容易的事。在这方面我们仍然有很多的机会,但现在,我们处于旅程的有利位置,可以有效地利用这些信息。我们的商业智能团队会查看这些数据,并做出定价和劳动力决策。我们会每隔几周检查一次这些举措,确保我们走在了正确的轨道上,确定其他应该重点关注的潜在机会。
问:就创造新体验和开发新技术而言,追踪人们在公园和度假村内喜欢什么和不喜欢什么显然是很重要的。您能谈谈这方面吗?
我们的客人愿意和我们分享的数据越多,我们就越能提供独特且有益的体验。这让我们能够取得合理的平衡。我们不想让客人不知所措,因此我们会让他们能够控制一些参数。例如,客人希望收到多少次通知,或者当他们靠近提供某种特定食物的地点时,是否愿意收到有关这些食物的信息。我们必须深思熟虑如何与客人沟通,其中一些是由客人的喜好决定的。
问:目前似乎对信任和源信息的真实性存在很多怀疑,特别是当生成式AI用于收集和汇总来自多个领域的数据时。您认为这种不确定性或者不信任会对认知系统和应用的未来设计产生影响吗?
我认为适当的怀疑是合理的,并且可能需要一定程度的事实核查。我们听到和读到过很多信息,是关于其中一些系统输出是不准确的,因此你确实需要仔细检查。我认为,随着时间的推移,情况会变得好起来。巧合的是,我最近听说有一种解决方案使用AI来确定内容是由AI生成还是由人类生成。
问:尽管今年有关生成式AI的炒作仍多于实际预算,但研究表明,全球有相当数量的企业正在将部分可用资金投入该领域,用于试点和概念验证项目。Cedar Fair目前在这个领域正在做什么以及来年的计划是什么?
和我们的许多同行一样,我们确实还处于早期阶段,对这个领域的了解多于做出任何积极的事情。我们很可能会在明年及以后研究哪些领域可以利用生成式AI,无论是将其嵌入到我们购买的系统中,引入到我们的生态系统中,还是用于我们的开发过程中,以便我们可以在以自主开发其中一些能力。
我们现在还没有拿出一定比例的预算来专门关注生成式AI。更重要的是,要确定我们正在尝试解决哪些业务问题,并确定生成式AI如何协助该解决方案——无论是我们纳入生态系统的内部解决方案,还是第三方解决方案。我们会在整个过程中弄清楚这一点。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。