自2001年以来,Regent Surgical Health 就致力于发展和管理医院与医生之间的手术中心合作关系。该公司总部位于田纳西州富兰克林,旨在改善和发展门诊手术中心 (ASC) 模型。
Rusty Strange 是 Regent 的 CIO,他习惯于在关系到生命安全的领域迎接挑战。他在服务于门诊手术中心运营公司 Amsurg 担任 IT 基础设施和运营副总裁长达 17 年后加入 Regent。
在一次在线采访中,Strange 讨论了他在建立整个 IT 部门时所面临的挑战。
最大的挑战是什么?
我来到 Regent 后面对的最大挑战就是从零开始构建一个 IT 部门。背景是,我是公司的第一位 IT 员工。当时,我们没有集中的 IT 架构——每个门诊手术中心 (ASC) 都由各自的地方员工或未经审核的第三方管理,系统零散且无统一标准。临床应用、数据管理、网络安全或运营支持方面都没有一个整体战略。
是什么造成了这个问题?
问题的根源在于公司的快速增长。公司被收购后,瞬间转变为一家高速成长的组织。在短时间内,多个 ASC 加入了我们的业务组合,但我们缺乏可持续发展的基础设施。既没有专门的 IT 预算,也没有标准化的软件或硬件,更没有专门培训来应对日益复杂的医疗科技的员工。这使得我们在效率、信息安全以及利用数据做出关键决策方面面临风险。
你是如何解决这一问题的?
我首先对所有地点的现有系统进行了全面评估,以找出差距和风险。接着,我制定了一个多年的计划来解决基础需求和能力问题,并争取到了最初的预算用以招聘我们首批职能领域的领导,还与几家能够为我们提供额外人力资源的公司建立了合作关系,从而在多个方面展开工作。我们对硬件和软件进行了标准化,实施了基于云的系统和具备可扩展性的网络架构。同时,我们还建立了网络安全、业务连续性和员工培训的相关政策,并逐步扩大团队规模,将渗透测试等专业任务外包给其他可信合作伙伴。
如果问题没有迅速解决,会发生什么情况?
如果没有一个稳定的 IT 部门,公司就无法有效扩展。重要数据将面临风险而得不到充分利用,可能导致合规违规问题以及关键洞察的缺失。操作上的低效,如调度系统不匹配或者计费错误,会侵蚀利润并令外科医生和患者感到沮丧。随着时间推移,我们作为一流 ASC 管理合作伙伴的声誉也会受到损害,不仅可能阻碍进一步增长,还可能导致现有中心被竞争对手抢走。
解决这个问题花了多长时间?
建立一个完全运作的 IT 部门大约花费了 18 个月。前六个月主要用于打基础,招聘核心团队、标准化系统以及处理紧迫风险。接下来的一年则集中在优化流程、扩大团队规模并推出核心功能。虽然采用了阶段性方法,但我们很快就达成了关键里程碑,使运营稳定并获得了组织内部的信任与支持。
在这个挑战中,谁支持了你?
整个领导团队都是关键的盟友,他们信任我的愿景,并为实现这一愿景所需的投资进行辩护。我的最初招聘尤为关键,他们具备创业心态,经常能在确定方向的同时承担战术执行任务。我们的 ASC 管理者们也主动提供了他们工作流程中的见解,并与其员工一起推动变革。等到我们有了足够资源和合适的流程后,外部合作伙伴也帮助我们加快了实施进程。
有谁让你失望吗?
并不是所有人都适合,也并非组织内的每个人都能适应这种快速变化的节奏,但这些都不是个人失败,而是环境性的挑战,并为我和公司内其他人提供了宝贵的学习机会。
你对其他领导有什么建议?
首先,要有一个明确的愿景,并尽早争取同级管理层的支持——没有这种支持,将面临极其困难的攀登。应优先解决那些最明显的风险和用户痛点,以快速建立动力和信誉。招聘一支精干且多才多艺的团队,信任比数量更重要,尤其在起步阶段。要有耐心并保持毅力;从零开始构建一切需要时间,但抄捷径的问题会在以后暴露出来。保持持续沟通——相关方需要理解变革的重要性。最后,要建立“团队至上”的理念,让每一个人都知道自己得到了支持,并且在需要时可以向他人寻求头脑风暴或帮助。
还有什么需要补充的吗?
这段经历再次证明了在门诊手术中心中,科技所扮演的重要角色,其中效率与患者安全是不能妥协的。同时也让我明白,韧性不仅仅体现在系统上,更体现在人身上。事实证明,即使是最艰难的挑战,只要你拥有合适的团队和策略,正面迎接,也能彻底改变一个组织。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。