Deepa Soni的CIO故事是关于牺牲、突破舒适区、以及在重新定义可能性方面建立信心。她曾在IBM、KeyCorp、M&T Bank和BMO等公司工作,目前担任美国保险巨头The Hartford的首席信息官,负责业务的整体战略、愿景和执行、技术、网络、数据分析和数据科学。
近日,她向我们揭示了她的领导理念和以业务为中心的技术方法,还分享了她在承担风险、应对复杂性、培育创新文化、以及在整个企业中产生重大影响方面学到的一些经验和教训。
之后,我们花了更多时间专门关注Soni对她所谓的“4个EA@scale、@pace”力量的观点:企业敏捷性、企业人工智能、极端自动化和员工(技能)提升。以下是经过编辑的对话内容。
推动增长、提高运营效率和增强客户体验的必要性变得越来越迫切,那么企业敏捷性在您实现这些要求的过程中发挥了什么作用?
我们坚信企业敏捷性和上市速度是重要的竞争优势,也是我们目标的关键。我们专注于“变得敏捷”,而不是“敏捷地做事”。我们敏捷的第二个方面是我们坚信企业敏捷性——也就是业务、技术、财务、人力资源,所有职能聚集在一起,真正改变我们交付技术的方式。这是我们工作方式的重要基础,为我们真正采取下一步变革、发挥下一个EA——也就是企业AI——力量的基础。
作为企业AI支柱的一部分,您可以使用“信息优势”来表示利用数据、高级分析和机器学习为企业和客户释放价值的策略。您能详细解释一下吗?
当我们思考推动The Hartford,业务成果和竞争优势的下一步变革时,这实际上是我们以AI为主导的转型。作为一家保险公司,我们拥有相当丰富的数据,那么我们该如何利用这些丰富的数据并将其大规模地、快速地转化为决策者触手可及的、有价值的洞察呢?我们将这整个现象称为“信息优势”。
摆在我们面前的机会,就是把高级分析和AI的力量带到第一线——也就是我们的理赔员、我们的服务专业人员、我们的销售人员、我们的承保人——为他们提供所需的信息,让他们的工作变得更轻松、更快速,这样他们能够以顺畅的体验响应客户。这一切都是为了获取原始数据并将其转换为AI驱动的洞察并将其传递给前线人员。
这就是我们所说的信息优势。这是一个简单而强大的概念,但很难做到,不过我们相信我们拥有实现这一目标的所有要素,从而为The Hartford提供竞争优势。
作为极端自动化支柱的一部分,您正在简化和现代化应用和数据资产,以提高速度、敏捷性和创新。这种方法对于IT组织本身会有什么影响?
当我们考虑市场竞争和创造竞争优势的时候,交付速度是至关重要的。如今,IT组织有很多流程,通过自动化可以带来很大的优势。因此,当我们谈论业务流程的数字化时,极端自动化就是对IT内的流程进行数字化和高度自动化,以便我们可以加快产品上市速度。
这将改变IT的面貌,包括我们的工作方式、谁在做什么事情、以及我们将精力集中在哪里,这确实简化了开发人员的体验,也简化了我们工程师的经验,使他们可以专注于提供业务功能,而不是费力地从事技术工作。
这自然而然地会让我们认识到员工技能提升的力量。在这些支柱的背景下,很显然人才是支撑一切的支柱。
正是。当我们承载着这些转型的关键支柱时,员工的晋升才是真正至关重要的。这个支柱是指要对我们的员工进行投资,对我们的供应商和供应商资源进行投资,并真正地为他们准备好下一代技能。这将确保,当我们实现极致自动化并更多地利用AI、数据和分析的力量时,我们的员工已经准备好可以迎接这一挑战,并成为与业务合作的核心合作伙伴。这就是为什么最大限度地发挥人才是The Hartford战略的一个重要组成部分。
您能否谈谈EA@scale、@pace的含义以及这对The Hartford来说有何不同之处?
每个人都在做所有这些事情,但我认为对我们来说一个重要的区别是,我们是在整个企业范围内做这件事的,这就是@scale。而且我们是在@pace做这件事情的,意味着我们前进的速度可能是我职业生涯中见过的最快的。我们有内部和外部基准表明了我们的转型——从起点到现在以及未来的转变方式——是快节奏的。
展望未来,当您达到彼岸时会是什么样子?愿景是什么?EA@scale、@pace使这家公司有何不同?
当我们展望保险业的未来时,新的风险正在出现。这些变化与技术颠覆相结合,从根本上改变了风险行业的格局。客户要求并期望采用更加数字化的保险方式。流程的简化和数字化仍将是我们的首要任务。我们的愿景是建立一个不参与不以业务为中心的工作、而是主要关注以业务为中心的技术组织。EA@scale、@pace让我们能够打造一个最先进的技术型组织,可以推动业务创新、敏捷性和增长,从而支持这一愿景的实现。
好文章,需要你的鼓励
传统AI依赖云端处理存在延迟和隐私问题。越来越多开发者将AI处理从数据中心转移到手机、笔记本等个人设备上。设备端AI具有三大优势:速度更快,无需等待云端响应;隐私更安全,数据不离开设备;成本更低,无需支付云服务费用。目前iPhone已运行30亿参数的设备端AI模型,谷歌Pixel手机也搭载Gemini Nano模型。未来五年内,随着硬件升级和算法优化,设备端AI将实现物体识别、导航翻译等更复杂功能。
新加坡国立大学联合Lovart AI开发的OmniPSD系统,首次实现了AI驱动的双向PSD文件处理能力。该系统能够将扁平图像自动分解为可编辑的图层结构,同时支持从文字描述直接生成分层设计文件。基于扩散变换器架构和创新的RGBA-VAE技术,OmniPSD在20万真实设计样本上训练,实现了专业级的透明度处理和图层分解效果,为设计行业的数字化转型提供了强大工具。
卡内基梅隆大学研究人员开发了一项革命性技术,通过摄像头、AI模型和微型轮子,让咖啡杯、订书机等日常物品能够自主移动到需要的位置。这种"智能物品"技术避免了传统人形机器人的复杂性和安全隐患,通过蓝牙微控制器和AI视觉系统,物品能够识别用户行为并预测需求。虽然技术已相对成熟,但隐私保护和安全性仍是推广前需要解决的关键问题。
ByteDance Seed团队提出UniUGP统一框架,首次将自动驾驶的理解、生成、规划三大能力完美融合。通过混合专家架构和四阶段训练策略,该系统在场景理解、轨迹规划和视频生成等任务上均超越现有先进模型,为自动驾驶技术发展开辟了新路径,预示着更智能可靠的无人驾驶未来。