Kristy Folkwein在大学时意外选修了一门计算机科学专业的课程。她原本计划跟随母亲的脚步成为一名执行秘书,但那门课程改变了她的人生轨迹。"我喜欢上了这门课,对此很有天赋,这就是我进入技术领域的契机,"她在接受InformationWeek采访时分享道。
如今,Folkwein担任人类和动物营养行业巨头ADM公司的高级副总裁兼首席信息官。她向InformationWeek讲述了自己在三家不同公司的职业发展历程,以及如何致力于转型这家通过收购建立起来的公司。
三个阶段的职业生涯
Folkwein大学毕业后的第一份工作是在特种化学品公司Ashland。"我从IT项目经理做起,逐步晋升,负责项目管理,担任分析师。早期还做过一些开发工作。这就是一切的开端,"她分享道。
她将在Ashland的时光视为职业生涯的第一章。随着在公司内部的不断晋升,她的IT领导技能也得到了提升。
"我有机会参与了一个跨越五个不同业务单元的SAP ERP转型项目,"Folkwein回忆道。"我担任了分销公司的迷你CIO,后来又负责Valvoline的分销业务。"(Ashland后来剥离了Valvoline业务。)
在Ashland工作17年后,她转向了Dow Corning。公司领导邀请她担任CIO职位,她接受了这个提议。这个重大变化标志着她职业生涯第二章的开始。
"在一家公司工作17年后,突然到了一个全新的环境,我谁都不认识,"Folkwein说道。"这考验的是变革管理能力,要在现有基础上与人建立联系,理解业务,认识到他们的经验造就了今天的他们。我学到了很多关于如何把事情做成的道理——同理心以及如何执行。"
她将在Dow度过的八年视为磨练客户服务技能的时期。"我们如何帮助客户?如何通过技术以新的方式创造价值,比如通过不同类型的门户网站?我们如何与客户合作来简化流程……这些是我在那些年里学到的重要经验。"
ADM的招聘人员找到了Folkwein,时机恰好合适。她已经准备好开始职业生涯的第三章。
"我感觉所有的经历都为我来到ADM做好了准备,希望能够真正发挥作用,帮助公司实现转型,"Folkwein说道。
在ADM构建团队
ADM是一家有着120年历史的老牌公司,通过收购实现了发展壮大。"就我在ADM的团队而言,我们在人才方面经历了一段历程,"Folkwein分享道。
收购带来了大量人才,但这些人才分散在不同的职能、团队和结构中。Folkwein致力于建立一个更加集中的IT组织,专注于持续交付构建ADM数字化未来所需的技术和技能。ADM还与托管服务合作伙伴合作支持其遗留系统。
"我们采用多区域方式,在世界各地都有人员支持我们的组织,目前正在建立印度中心,以继续获得为组织提供IT服务所需的规模,"Folkwein说道。
在Folkwein加入ADM的过去九年中,团队建设是她最大的成就之一。
"我们建立了一支对ADM非常忠诚的优秀IT团队,"她说。"在提供日常运营的同时,我们也在思考如何通过生成式AI等技术创造价值。"
技术交付与转型
Folkwein面临着大多数CIO都能理解的挑战:遗留技术和不断演进的现代网络威胁。
"几十年前开发的系统缺乏标准化、文档和良好的IT实践。这让我夜不能寐。在我们能够转向更现代的技术之前,必须保持所有这些系统的正常运行,"她说道。
此外,还有行业特定的挑战。营养领域的质量控制至关重要,Folkwein的IT组织需要确保具备支持食品领域产品生产、跟踪和交付的能力。
目前,Folkwein和她的团队正致力于转型ADM的ERP系统。她始终在思考如何支持有效的业务运营、管理服务成本并提供价值。
"归根结底,我们的口号是:言出必行,"她说道。
对于Folkwein和所有CIO来说,AI现在已成为等式的一部分。她如何利用这项技术为ADM创造价值?
"我们正在使用AI帮助创造口味、提高生产力、为工厂员工提供信息,"她说。"有太多不同的可能性。"
在考虑团队今天面临的所有挑战和目标时,数据成为最重要的因素。
"为什么要建立通用的ERP?"她问道。"为什么ADM现在要努力标准化和整合收购来的业务?答案是数据。为什么数据比以往任何时候都重要?因为数据是AI的燃料,我们都将通过AI能力展开竞争。"
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。