CIO 如果想在未来获得成功,必须摆脱当前不太理想的处境。
科技整体已经失去了昔日的光环。科幻作品充斥着反乌托邦和末日场景。公共讨论经常演变成关于末日的争论。似乎每个人都认为未来会很糟糕。
IT 在疫情期间支持远程办公、保障民生和经济运转所带来的良好印象已经逐渐消退。在许多人心中,IT 已经沦为跟不上时代步伐的配角。
据 Mark Andreessen 称,在 2006 年到 2013 年期间,哈佛大学新生开始接受"科技是邪恶的"这一理念。这种观念已经渗透到整个 IT 领域的思维方式中。
对于行业外的许多人来说,IT 就像第 59 届超级碗电视广告组合:"缺乏创意"、"没有简单有效的故事叙述"、"不值这个价钱",以及"与我无关"。
IT 的美好未来始于利益相关者
前几天我看到一个保险杠贴纸写着:"你的公司文化不是网站上的文字或墙上的海报。而是你的员工周日晚上的感受。"周日晚上,利益相关者是否在积极期待重新使用你们的系统?
人类学家和未来学家早就知道"思考比感受更难"。人们对 IT 的"感受"如何?
在 Ryan J. Reilly 的《煽动者猎人:1月6日如何打破司法系统》一书中,我们了解到 FBI IT 部门的非官方座右铭是"FBI 的信息技术 (IT) 产品——明天用的是昨天的技术。"这并不是一个好评价。
CIO 需要重新赢得利益相关者的信任,停止华而不实的表现——即在无关紧要的问题上耍花招——开始切实改善客户和员工的工作生活体验。
乍看之下,人们可能认为"赢得人心"需要一个新的叙事策略。但在写故事之前,你必须先了解读者。
CIO 可以通过一个简单的协作式笛卡尔练习来启动对利益相关者的深入理解。首先画一个四象限矩阵。横轴表示事项的紧急程度,纵轴表示事项的重要程度。因此第一象限("高紧急度,高重要性")需要立即行动。第二象限("高重要性,低紧急度")需要规划。第三象限("高紧急度,低重要性")可以委派给员工。第四象限("低紧急度,低重要性")可以删除。
让关键利益相关者齐聚一堂,在矩阵中定位关键 IT 资源分配总是一个富有启发性的练习。CIO 们告诉我,每天都在努力将那些本不该在第一象限的事项移出去。
成功的 CIO 主要工作在第一和第二象限,将第三象限的工作分配给团队,而第四象限的事项不会消耗宝贵资源。成功不仅取决于 CIO 是否能完成所选择的任务,还取决于他们是否选择了正确的任务。
定义问题是解决问题的关键。首先要确定是否存在问题,如果存在,要确定问题的严重程度。不同人的看法可能不同。CIO 需要揭示这些认知差异,并促使共识达成。
从沮丧转向期待
我们生活在一个充满愤怒的时代。评论家称存在一个"不满产业综合体",旨在加剧不快乐。CIO 不应该"拥抱尴尬",而是要认识到愤怒是一个需要解读和采取行动的信号。CIO 必须帮助利益相关者超越对当前困扰的愤怒,转而期待未来的发展。
正如艾森豪威尔总统所说:"愤怒不能取胜。它甚至无法清晰思考。"
挑战在于人们非常清楚他们不喜欢现状的什么,但对于未来真正想要什么却不太确定。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。