技术迅速加速变革以及IT领导者思考业务战略的同时,在竞争中建立明确的地位,尤其是在医疗领域,成为了实现成功发展的最佳方式。
十年前,商业领袖们主要关注的是自动化,因为当时技术投资的主要目标是降低成本、降低风险和提高效率。
如今世界不同了。当然,技术仍然可以提高成本效率,但同时也需要增加收入。对于CIO和其他技术领导者来说,这意味着思维方式上要进行转变,不仅要控制技术成本,还要采取更具创业精神的方法来探索如何推动业务收入和竞争力。
制定技术驱动的战略
没有计划,什么也不会发生,对于一家考虑增长的公司的IT组织来说,这就意味着制定有效的技术驱动增长战略。由于技术会影响业务的每个部分,因此良好的战略应该引发连锁反应,从而改变公司的价值主张,进而改变公司的业务模式、运营模式和企业架构。在为公司制定此类战略的时候,技术领导者应该首先检查他们的竞争格局,考虑市场中变革的驱动因素是什么,以及哪些动态会影响着他们竞争的环境。经过严格的分析必然会发现,技术从根本上改变了他们看待竞争对手的方式。
医疗现状
作为例子,让我们来看看医疗行业,技术已经改写了这个行业的规则。医疗行业通常分为提供方(雇用医生并治疗患者的医院和中心)和付款方(销售健康保险或辅助服务的公司)。在美国,2020年爆发的新冠疫情促使付款方和提供方都进行了自我重塑,他们开始提供数字健康产品,例如虚拟健康、远程患者监控、心理健康服务、虚拟临床试验等服务。
这些基于技术的产品和服务是通过应用提供的,作为现有服务的一个组成部分,或者是作为新的附加订阅服务,可供患者或会员使用。这些产品和服务还直接影响到取悦患者和会员,要么作为他们的一个新收入来源,要么作为现有收入的关键差异化因素。
随着壁垒被打破,企业开始在这些新兴领域实现雄心勃勃的收入增长,其他行业也出现了类似的趋势。在金融服务方面,零售银行将更多服务转移到线上,同时也扩大了业务范围,成为客户的财务顾问,帮助他们实现财务健康。在通信和媒体领域,融合的速度令人眼花缭乱,科技公司成为创造者,媒体公司销售自己的电视机,移动电话提供商共享网络空间和资本成本。
新的格局
然而,对于专门从事医疗保险的公司来说,这种新的技术驱动战略涉及的不仅仅是流程或服务的改变——还深刻地改变了竞争格局。突然之间,医疗提供商就像他们的媒体同行一样,发现自己的竞争对手不仅有往日熟悉的同行,还在亚马逊和苹果等进入数字医疗领域的大型科技公司。
因此,医疗企业现在必须应对新行业、新商业模式、以及对自己新兴业务的潜在威胁。这也意味着他们必须以新的方式考虑人才,问问自己是否必须聘请工程人才才能提供能够与本土技术公司展开竞争的服务。此外还有一个问题是,如何快速积累持续创新所需的机构技术知识。当然,大背景是整个行业正在面临自身长期人才短缺的问题。
重新将竞争对手视为合作伙伴
面对此类需求,企业可能会过早放弃有前途的领域。采取更周全的方法和更好的策略的关键,就是停止把这些公司视为竞争对手,而是视为潜在的合作伙伴。
医疗提供商拥有技术公司可能缺乏的深厚行业和医学知识。医疗企业和技术企业携手合作,更有能力建立新的、有价值的合作伙伴关系,其价值可能大于各部分的总和。医疗企业有充足的机会与技术企业一起创造进入市场的机会,方法就是把技术企业视为共享风险、回报和知识产权的合作伙伴,而不是供应商。
有很多这样的例子。Mayo Clinic等医疗组织在谷歌和Epic等科技巨头的帮助下运行加速器计划,以更快地将公司推向市场;虚拟护理公司Hims & Hers正在与Hartford HealthCare、Mount Sinai Health System和Privia Health等公司合作开展面对面的护理服务;整个行业都在不断出现新的合作伙伴关系,社区护理、研发、新的心理健康服务、遗传学和生物制药,你在任何一个医疗板块都看到打造出了新服务和新产品的战略性数字健康合作伙伴关系。
通过这些类型的合作伙伴关系,我们可以追溯到一些核心考虑因素,这些因素无论是在哪个行业都为企业制定技术驱动型新增长战略奠定了坚实的基础:
所有这些都应该与特定的业务成果挂钩,最好是那些直接推动收入和增长的成果。这种技术驱动型增长战略是你的最佳指南,帮助你在这个新的竞争环境中发现最有价值的合作伙伴。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。