MetLife 已有超过一个半世纪的历史。从其显著的历史和传承来看,人们可能会认为,在更灵活的竞争者在数字时代把握机遇的情况下,它的黄金时期已经过去。然而,尽管 MetLife 是一家全球性巨头,但由于公司技术运营团队与更广泛的业务团队之间的紧密协作,它依然保持着敏捷性。Bill Pappas 作为全球技术和运营负责人,他和他的团队正在推动一种超越传统技术应用的创新文化。在他的领导下,MetLife 正在利用人工智能等新兴技术,促进跨行业合作,并强调持续学习以保持竞争优势。通过将创新融入公司的基因,战略性地采用 AI 并为未来的员工队伍做好准备,MetLife 不仅在实现流程现代化,还在识别新的增长机会。
打造创新文化
Pappas 认为创新不应局限于单个团队或实验室,而是必须融入公司的基因。"我们首先确保创新不仅仅是一项功能,而是一种文化,"他解释道。这种方法的核心是商业导向,强调理解客户需求和市场趋势来指导技术进步。
为了跟上快速的技术发展,MetLife 建立了专门的团队来扫描市场新兴趋势。"我们持续与大小公司交流,确保我们能获取见解并理解如何将其应用到我们的生态系统中—不是为了技术而技术,而是为了解决真实的客户需求,"Pappas 说。
除了内部努力,MetLife 还促进外部合作。该公司举办年度黑客马拉松,吸引数千名参与者解决实际业务挑战。此外,MetLife 位于北卡罗来纳州卡里的技术中心召集 IBM、Cisco 和 Dell 等行业领导者,讨论 AI 对业务和劳动力发展的影响。"汇集不同的观点推动我们以不同方式思考,确保我们在快速变化的世界中保持竞争力,"Pappas 指出。
AI 是业务必需品,而不仅仅是技术趋势
Pappas 将人工智能视为转型机遇。"新兴技术,特别是 AI,是一生难得的机遇,"他强调。然而,MetLife 并没有匆忙采用 AI,而是采取了谨慎、深思熟虑的方法。根据 Pappas 的说法,首席执行官 Michel Khalaf 将 AI 视为业务机会,而不仅仅是技术举措,确保与企业整体目标保持一致。
MetLife 的 AI 战略围绕三个关键领域:评估可用技术、负责任地整合它们以及识别价值路径。"我们很早就知道这些工具不仅仅是功能性的,而且正在快速改进。我们的重点不是证明它们是否有效,而是理解它们在哪里可以带来真正的业务影响,"他说。
公司已将 AI 嵌入理赔处理、客户服务和内部 IT 运营等核心流程中。"当我们与业务领导者交谈时,我们并不把 AI 描述为一个工具,"Pappas 强调。"我们从流程改进和竞争优势的角度来描述它。这种方法激发了很大的热情。"
MetLife 采用 AI 的另一个关键组成部分是教育。认识到 AI 代表着一个技术和非技术团队都在共同学习的平等领域,MetLife 优先考虑员工培训。"无论你是在人力资源、财务还是 IT 部门,在 AI 方面所有人都是从零开始,"Pappas 解释道。"我们必须接受集体学习的文化。"
为未来的劳动力做准备
随着 AI 和自动化重新定义工作角色,劳动力转型是 Pappas 的首要任务。"今天,我们的劳动力有五代人,这可能是最后一代只管理人类的时代,"他观察到。"很快,我们将同时管理人类和技术。"
为了准备这种转变,MetLife 专注于三个关键支柱:技术技能、软技能和领导力演进。"技术熟练度很重要,但培养适应能力同样重要,"Pappas 说。他将适应能力定义为大规模学习、去学习和重新学习新技能的能力。公司正在积极使用像 Microsoft Copilot 这样的 AI 驱动工具来帮助员工提高生产力。
除了技术专长,MetLife 还强调批判性思维、问题解决和时间管理等软技能。"在当今充满活力的环境中,这些技能与技术能力同样重要,"Pappas 断言。
领导力是另一个重要关注领域。"今天的领导需求与六个月前很不同,"Pappas 指出。管理一个在工作安排和人机交互方面都是混合型的劳动力需要新的方法。"今天的员工不一定把公司视为首要任务,"他解释道。"他们寻求平衡和目标。领导者必须适应这种转变,培养参与度和信任。"
创新作为未来增长的驱动力
随着 MetLife 开始其新的五年战略"新前沿",创新仍然是其增长议程的核心。"在过去五年里,我们建立了坚实的基础,"Pappas 热情地指出。"现在,重点是利用这个基础推动增长。"
MetLife 的技术和运营团队不再仅仅是支持业务功能,而是在塑造新的客户体验方面发挥积极作用。"通过利用 AI 和其他新兴技术,我们不仅在实现流程现代化,还在识别新的增长机会,"Pappas 表示。
凭借对持续学习、协作和负责任的 AI 采用的承诺,Pappas 相信 MetLife 已做好准备引领下一阶段的数字转型。"我们所做的工作为更大的事业奠定了基础,"他总结道。"现在的关键是释放这种潜力,塑造我们行业的未来。"
好文章,需要你的鼓励
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。
这篇研究论文揭示了多模态大语言模型(MLLMs)存在严重的模态偏差问题,即模型过度依赖文本信息而忽视图像等其他模态。研究团队通过理论分析和实验证明,这种偏差主要源于三个因素:数据集不平衡、模态骨干能力不对称以及训练目标设计不当。他们提出了系统的研究路线图和解决方案,包括增强视觉模态在数据集中的贡献、改变模型关注点和应用偏好优化策略。未来研究方向则包括开发更客观的评估指标、探索更多模态组合中的偏差问题以及应用可解释AI技术深入分析偏差机制。
ComfyMind是香港科技大学研究团队开发的一个协作式AI系统,旨在解决当前开源通用生成系统面临的稳定性和规划挑战。该系统基于ComfyUI平台,引入了两项关键创新:语义工作流接口(SWI)和带本地反馈执行的搜索树规划机制。SWI将低级节点图抽象为语义函数,而搜索树规划将生成过程视为分层决策任务。实验表明,ComfyMind在ComfyBench、GenEval和Reason-Edit三个基准测试中均大幅超越开源基线,并达到与GPT-Image-1相当的性能,为开源通用生成AI开辟了新路径。
这项研究介绍了一种名为"热带注意力"的新型注意力机制,专为解决神经网络在组合算法推理中的困境而设计。传统注意力机制使用softmax函数产生平滑的概率分布,无法精确捕捉组合算法所需的锐利决策边界。