PPG集团CIO拉马钱德兰的云端变革之路

作为PPG集团副总裁兼首席信息官，巴斯卡·拉马钱德兰（Bhaskar Ramachandran）正在引领一项多元化转型战略，通过云技术和人工智能推动创新、客户增长及新能力建设。凭借在多个行业交付业务价值的丰富经验，拉马钱德兰以人为本的领导理念帮助加速了战略实施。

在最近的Tech Whisperers播客节目中，我们深入探讨了拉马钱德兰的领导方法论，了解他在PPG构建的以人为驱动的企业文化如何让1500多名数字IT专业人员团结在他雄心勃勃的愿景和目标背后。随后，我们进一步讨论了PPG的云端之旅，以及这家涂料和涂层制造商如何运用人工智能提升效率、速度、质量和客户价值。

**从"云优先"到"云唯一"的转变**

丹·罗伯茨：您在基础层面做了哪些工作来确保云端之旅的成功？

拉马钱德兰：PPG的云端之旅源于我在PPG之前的角色中汲取的经验教训。大家都在谈论"云优先"，但云优先的问题在于它留下了太多解释空间，每个大型组织都有一些缺乏变革动力的部门。这些部门会抵制显著的变化，云优先策略因此变得不够有效。

因此，在PPG我们将策略改为"云唯一"。云唯一不存在解释空间，"唯一"让使命极其明确：这就是我们要做的，也是我们唯一要做的。这能推动整个组织前进。总会有少数人认为这只是一时风尚，很快就会过去，但一旦开始获得动力，这种想法就会很快消失，因为没有其他选择。

然后我们开始按周进行衡量和讨论。"本周，我们关闭了X台服务器。"这就是我们跟踪的粒度级别。我可以调出一个实时更新的Power BI图表，显示服务器下线、工作负载迁移的情况，告诉我当前状态是93.7%，这是我上次检查时的数据。实际上，我们已经达到约97%，但由于某些原因，旧服务器还没有断电，所以在断电前不会被计入完成状态。工作负载已经迁移，但服务器仍在运行。

**达到97%云化率的业务成果**

这些数字如果不产生业务影响就没有意义，而业务影响就是纯粹的敏捷性。如今任何值得尊敬的软件供应商都不会开发本地部署软件，除非是监管环境中的特定需求或非常小众的应用。除此之外，很少有人这样做，所以所有这些创新和能力都在云端发生。

如果不在云端，就很难使用这些创新。如果处于混合环境中，同样很难使用。混合环境从定义上来说就是过多的管道工程，会不必要地复杂化架构。这样做时，你别无选择只能在网络安全上妥协，而在网络安全上妥协绝不是好主意。或者你在网络安全上超支，那么本地部署的好处就消失了，因为你并没有节省任何费用。

谈到云端，不仅仅是工作负载和灵活性，还有控制平面。你有一个单一的控制平面来执行安全控制、SOX控制以及我们现在需要的所有控制。如果出现问题，按一个按钮就能影响所有工作负载。你拥有极其复杂的控制级别，而且还在不断改进。

唯一的例外是光速问题。我指的是当你在生产车间有SCADA系统或安全系统时，需要保证延迟。尽管现在云端的延迟很好，但不能保证，你永远不想在这些系统上冒任何风险。

这些是边缘的唯一例外，我们在那里有本地工作负载。除此之外，没有数据中心。我们将真正关闭我们的数据中心。在今天上午的全球市政厅会议上，向整个全球数字IT团队展示了我们将如何进行数据中心解构。解构数据中心本身就是一个巨大的项目。

**人工智能应用的探索与实践**

在人工智能之旅方面，现在几乎有两类CIO。一些人作为早期采用者积极进攻，但很多人由于风险、不确定性和其他问题而没有。您是一位从事这项工作很长时间的早期采用者。能否分享一些您使用AI的方式？

我们的AI卓越中心已经运营了大约五年。作为一个基于科学的组织，我们将AI视为必需品。我们业务的某些部分需要确定性答案。每次提出问题时，答案都需要完全相同。作为一家涂层公司，当你开发配方时，主要问题是，我们如何更快地创造新配方？我们每年在研发上投资约7亿美元，所以我们如何能让化学家稍微提高生产力？哪怕一个百分点对我们来说都是巨大的胜利。我们可以更快地进入市场，更快地服务客户。

另一个领域是质量规格。假设您买了一辆车，您的邻居也买了一辆车，OEM在世界两个地方或美国两个地方有工厂。你们都买了红色汽车，同样的品牌、同样的型号、同样的一切，只是恰好在两个不同的地点制造。如果您的红色与邻居的略有不同，您会有什么感受？那么我们的问题是，无论工厂一和工厂二的天气条件如何，我们如何保证油漆的特性、油漆的颜色和油漆的质量完全相同？

假设制造油漆需要两天，合格测试需要三到四天。如果我们能减少这个周期时间，那就是巨大的胜利。我们基本上在不做任何其他事情的情况下增加了生产能力。所以，我们能否只做两到三次调整而不是十次调整就达到黄金批次？这就是我们使用AI减少油漆合格周期时间的地方——因为我们有丰富的历史数据来建立模型，通过从现有批次中采样并识别我们需要进行的修正来达到黄金批次。

**生成式AI的探索之旅**

生成式AI有很多热议，因为它对每个人都是可访问的，所以人们认为它很容易。当我们谈论GPT时，每个人都理解G部分，因为我们与它的生成部分互动。但PT——预训练——部分被遗忘了。这些大型语言模型花了几年时间，有人标记数据，有人测试和构建这些算法，确保当你提问时出现正确的内容。预训练和他们做的调整被遗忘了。

这不是一夜之间发生的。我想这是我们必须向很多人解释的部分。例如，对于我们的一个生成式AI项目，我们将IT服务台的丰富数据输入到LLM中并标记数据。我们花了八个月标记所有数据，让内部服务台代理使用聊天机器人，确保它给出他们期望给出的相同答案。如果不是，那么他们会进行故障排除。这是PT工作的一部分，使其达到可以主流化的程度。最终，我们所有内部服务台呼叫的第一个交互点将是AI代理，如果AI代理因任何原因无法解决，它会转到后面的人工代理。

这为我们提供了如何做到这一点的模型，所以对于任何客户交互点，我们现在有一个模板，说明如何获取我们拥有的数据并将其转换为AI代理。

**人工智能时代的人类价值**

被称为"AI教父"的杰弗里·辛顿将AI简化为美化的模式匹配。我认为他使用这个短语的原因是因为判断方面不存在。你给它一个模式，它会遵循模式，做一些变化，并基于是A、B、C还是D做出决定。但当你引入一个全新的模式时，我们不知道它会如何反应。也许它会产生幻觉，也许它是对的。我们谈论确定性AI，这是概率性AI。很多时候我们希望它是确定性的，但它将是概率性的，这是一个问题。

人类的判断力和我们从经验中发展出的启发式方法使我们能够在第一次看到新事物时做出决定，并提高我们正确的可能性或当我们不正确时承担责任的可能性。AI没有这个能力。正如有人曾经告诉我的，你在生活中冒险，如果你是对的，你就赢了；如果你错了，你就教练。我们有这种能力，AI没有。所以区分人类的是判断技能和能够接受判断结果的能力。

第二部分是，仅仅因为AI可以做到，它就应该做吗？我希望我的医生告诉我我生病了，我不希望AI代理告诉我我生病了。同时，我希望医生使用AI代理来提供信息，找到医生可能没有想到的这种模糊模式。但我仍然希望医生告诉我这可能是你的问题，或者这是治疗等等。所以仅仅因为AI可以，我不希望AI去做。

**面向未来的发展愿景**

PPG拥有140年保持领先优势的记录。什么让您对未来感到兴奋？

我多年来的上司加里·坎特雷尔，他是我的重要导师，喜欢说："如果你不是领头狗，风景就不好看。"如果我们缺乏动力，我们必须记住这个形象。我们是领头狗吗？如果不是，我们愿意接受吗？

我们作为一个组织在自己内部有这种始终想成为领头狗的动力。这驱动着我们，但它不会盲目地驱动我们。我们想要为长远做事，因为这很重要。任何人都可以在短期内在市场上获胜，但往往这是不可持续的。原因不重要；它是不可持续的，历史已经证明了这一点。你可以看到一些公司在标普或道琼斯或财富500强中，然后掉出去。

我们在那里，我们将在那里，这是因为我们执行管理层和董事会的视角。我要为他们长期管理我们而给予很多赞誉。成为那种文化的一部分是很棒的。成为那种思维过程的一部分以及它给你为长远做正确事情的自由是很棒的。