技术支出激增成企业新痛点
根据Gartner 2024年4月报告显示,全球企业技术成本正以8%的年均增幅快速攀升,其增速已显著超越许多企业营收或预算增幅。在数字化转型加速背景下,三重压力也正加剧这一趋势:
· AI带来的算力军备竞赛;
· 全球技术人才供给的结构性短缺;
· 数据安全的持续性投入需求。
值得关注的是,84%的企业将技术投入列为战略级预算(IDC数据)。如何辨识"必要支出"与"资源浪费"成为管理者的关键课题。
成本迷雾中的价值迷失
高知特Cognizant与ADAPT联合了发布关于《构建智能技术成本管理》的研究报告(调研主要覆盖澳新地区),以帮助更好地了解首席信息官(CIO) 和首席财务官(CFO)如何衡量技术投入的商业价值。联合研究发现,技术投入的商业价值评估正陷入系统性困境:
1、成本可见性断崖式下跌:仅53%的IT/业务领导具备成本透明度认知,较两年前下降20个百分点;
2、价值论证能力缺失:65%的决策者无法清晰呈现投入产出关系;
3、管控手段匮乏:67%的机构缺乏有效的成本控制工具;
这种"预算黑洞"现象直接导致:企业在AI算力升级投入与遗留系统维护支出之间陷入两难。
成本管控的新杠杆
近年来,许多企业通过离岸外包和向云端迁移成功降低了成本。但随着这些红利逐渐耗尽,面对日益严峻的成本挑战,则需要探索新的价值杠杆来控制成本。
新的降低成本的策略可以从以下四个方面进行考虑:
· 精准投资决策:深度理解业务与客户价值,对活动和服务进行优先级排序;
· 流程重构:优化工作交付方式以降低成本、提升效率与质量;
· 技术伙伴协作:从按工时采购转向与规模化技术专家合作,获取规模经济、弹性产能和技术能力;
· 架构简化:破解长期存在的技术复杂性,实现更快速、安全、经济的业务能力交付。
技术经济学的重构实践
基于与大型企业的合作实践分析,高知特发现多数组织在技术经济性优化方面存在30%-50%的潜力差距。所谓"经济性"不仅指成本,还包含价值与速度的平衡,其优先级因企业战略而异。那些具备精简架构和先进工作模式的企业更接近潜力上限。
例如,高知特曾与两家非常相似的企业合作,这两家企业都需要进行变革以满足相同的行业合规标准。这两家企业不仅项目范围相同,而且在市场上提供的产品也基本相同,但其中一家企业在该项目上的花费是另一家的两倍。超支部分约半数源于低效工作模式,半数来自历史技术债务导致的架构复杂性。
架构简化虽非新概念,但多数企业未能系统性地识别成本负担根源。上述例子中,该企业意识到自己受到架构复杂性的阻碍,但并没有真正认识到由此产生的成本和变革负担规模。也没有采取针对性、系统性根本原因分析方法来解决这个问题。在我们取得成功的案例中,突破点往往不在技术层面,而在于系统性决策机制与风险管理权衡。对于技术障碍,可建立工厂式流程实现数据迁移或应用重构。
企业破局之道在于加大技术投入吗?
我们呼吁技术领导者突破现有技术框架,以更前瞻的视野进行战略布局。在人工智能与自动化机遇持续涌现的当下,企业应如何重新审视成本全景?当前,技术支出仅占企业整体运营成本的一小部分。若通过强化技术投资并精准评估其商业价值转化,能否有效降低组织综合成本负担,进而实现AI驱动的效率跃升?
关键在于,若要在产品与服务中深度整合新兴技术,企业需建立可信的成本-价值映射分析体系。唯有通过数据驱动的洞察与跨部门协作,才能推动管理层对预算分配达成共识,实现技术投资向战略性资源倾斜的转型。
构建现代化组织
通过创新工具、敏捷工作模式与深度洞察决策,助力企业重构技术经济模型。不仅能优化现有技术架构的成本效益,更能通过价值导向的路线图设计,实现技术投入与商业成果的动态平衡。
当技术成本增速突破生产力曲线临界点时,企业的破局点不在单纯的成本削减,而在于重塑技术投入的商业价值坐标系。那些能率先建立技术经济神经网络的企业,将在智能化转型中获得持续的成本敏捷性与价值创造力。
关于高知特:
高知特Cognizant (Nasdaq-100: CTSH) 致力于帮助企业实现高质量数字化转型,重构与优化流程,改善体验,促进企业在瞬息万变的世界中保持领先优势。高知特与您一起共创美好生活。欢迎访问Cognizant.com了解更多内容。
好文章,需要你的鼓励
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。
这项研究揭示了RAG系统中位置偏见的真实影响——虽然在受控环境中明显存在,但在实际应用中却微不足道。研究人员发现,先进的检索系统不仅会找出相关内容,还会将具有干扰性的段落排在前列,超过60%的查询中至少包含一个高度干扰段落。由于相关和干扰内容同时出现在检索结果前列,位置偏见对两者都有惩罚作用,从而抵消了偏见效应。因此,基于位置偏好的复杂排序策略并不比随机排序更有效,这一发现将优化方向从段落排序重新导向检索质量提升和模型抗干扰能力增强。