作为一家全球医疗技术领导企业,美敦力年收入超过320亿美元,凭借其突破性的医疗设备与创新解决方案而闻名。该公司在世界范围内150多个国家开展业务,每年治疗7500万患者,坐拥18个运营部门并提供17种不同疗法体系。
美敦力全球首席信息官(CIO)Rashmi Kumar近两年来一直主导公司的数字化转型工作,成功落地超自动化、数字优先战略与AI发展等关键举措。在职业生涯中,Kumar磨练出卓越的技术与医疗保健交叉领域专业知识,身兼Myriad Genetrics董事会成员职务,此前还曾出任包括HPE CIO以及McKesson业务部门CIO等多个高管职位。
与转型为伴的职业生涯
Kumar的职业生涯始于塔塔钢铁公司的冶金工程师,她在那里对业务运营积累起了全面认知。而通过数字化流程与开发炼钢传热模型,她开始正式接触信息技术。
她回忆道,“工程学教会了我如何将问题拆分成几个部分,并以系统性方式加以解决。而在转向技术领域之后,我始终把这种解题思维牢牢把握在手中。”
获得MBA学位成为她的职业转折点,让她从专注于答案的工程师成长为善于提出正确问题的领导者。这种技术专长与战略领导力之间的均衡,如今也指导着她在美敦力的各项工作。
依托IT转型建立数字优先企业
作为美敦力公司全球CIO,Kumar致力于将美敦力的IT运营体系发展为一整套与业务需求无缝契合、且具有凝聚力的数字中心。她也反复强调了卓越运营在促进长期转型方面的重要意义。
Kumar解释道,“IT必须成为驱动整个企业内广泛转型的数字核心,而不能长期保持孤立状态。我们正努力培养一种文化,让技术成为我们运营的内在组成部分,帮助员工和供应商消除流程中的种种摩擦因素。”
Kumar还指出,这种数字优先的思维方式不仅仅关乎技术,更关乎重新思考企业如何改善运营并创造价值。
利用超自动化提高效率
Kumar关注的一大核心领域正是超自动化,她将其比作网球天王罗杰·费德勒或者一级方程式赛车手等精英运动员背后的精细团队合作。她以此作出比喻,表示“决定成败的不仅仅是球场或者赛车中的选手,更要保证背后一整套系统拥有最佳表现。”
美敦力的超自动化方案努力运用AI和机器学习以简化重复性任务、增强决策能力并优化运营流程。Kumar强调称,在使用Python、Power BI和Snowflake等工具分析大规模数据集之后,超自动化体系有助于改善从人力资源流程到客户服务的各个层面。她补充道,“此举有助于减少浪费、提高效率,并最终为员工和病患带来更好的体验。”
AI与生成式AI:一场颠覆医疗保健行业的革命
在Kumar的领导下,美敦力已经开始拥抱AI,开发出MedtronicGPT作为其生成式AI应用程序的中心平台。该平台可以实现高效的内容创建、内部自动化与增强的客户服务。
Kumar对于AI科技在美敦力产品中的作用特别兴奋,例如机器人辅助手术和AI驱动的诊断工具。她指出,“其中一个案例就是GI Genius,其使用图像识别实现超越人类医师的息肉检测能力。从实际成效来看,AI在我们内部运营和提供的疗法体系中确实拥有颠覆性的业务形态改造潜力。”
在海得拉巴建立全球IT中心
美敦力最近在Kumar的指导下,于印度海得拉巴建立了一处全球IT中心。这项6000万美元的投资反映出,该公司正在践行其致力于吸引全球人才、增强自身技术能力的承诺。
Kumar解释道,“海得拉巴当地有着丰富的、与我们拥有共同目标的高技能水平劳动力。这个位置还极具战略意义,能够支撑起快速增长的欧亚地区市场,并实现全天候的生产力运作。”
该中心专注于AI、云工程和数字健康等前沿技术,进一步巩固了美敦力在医疗创新领域的领导地位。
医疗技术的未来
展望未来,Kumar对于技术在推进医疗保健服务获取和创新方面的作用持积极的乐观态度。她强调称,“我们正在研究将人性化与前沿技术相结合的解决方案。例如,数字手术工具包使得医生能够远程诊断,借此为服务供应不足的社群提供更好的护理体验。”
Kumar还强调了美敦力对于培养人才的高度重视,希望确保员工能够从容应对快速变化的就业环境。她总结道,“随着我们自动化程度的提高,我们产生的数据也越来越多,这让我们得以构建起更好的解决方案。”
在Rashmi Kumar这位卓越技术负责人的指引下,美敦力得以持续通过技术塑造医疗保健的未来形态,让全球数百万受众能够更便捷、更高效地享受到优质、舒适的医疗服务。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。