正如奥斯卡·王尔德所观察到的:"最坏的工作总是在最好的意图下完成的。"任何看过精心策划的AI战略突然分崩离析的CIO都会证明,良好的意图并不能保证成功。
没有CIO愿意损害或延误重要的AI计划,但这种情况发生的频率远比许多领导者愿意承认的要高。因此,对AI计划的强有力控制现在已成为CIO的首要任务。
云技术和软件开发公司Zoi North America董事总经理丹尼洛·基希纳表示,为了AI而做AI可能会烧掉很多钱却没有取得任何实际成果。"这就是为什么在制定AI战略之前,应该评估期望的业务成果和实施AI的贡献价值,"他在在线采访中观察到。
系统和流程现代化公司iTech AG解决方案架构执行副总裁劳拉·斯塔什在邮件采访中表示,CIO可能通过允许风险规避的利益相关者(通常是CISO或安全团队)施加过度限制性控制来无意中破坏AI创新,这些控制会阻碍实验和业务主导的用例。"此外,仅仅依赖现成的AI附加产品,如微软Copilot,而不将其深思熟虑地集成到核心业务工作流程中,可能会限制影响。"
谷歌美洲AI基础设施实践负责人艾伦·布罗肯观察到,CIO破坏AI战略最简单的方法之一是在问题实际上出现在人员或流程上时强制转型,而不是技术问题。"现在,随着模型和能力的爆炸式增长,很容易被下一个重大公告或能力所困扰,而失去对人员和流程基础的关注,"他表示。"当组织中的现有技术已经带来了有希望的进展时,这一点尤其如此。"
数据和数字工程服务公司Altimetrik AI和数字业务高级副总裁汤姆·格西奇表示,AI不是一个独立的计划。"让AI成为更广泛业务转型努力的一部分,衡量产出与结果是至关重要的,"他在在线采访中说。
布罗肯说:"保持AI战略正轨的关键是让团队成员分析最新发展,但只有当它真正推动战略向前发展时才有行动的纪律。"
确保部署的AI解决方案实际上节省时间或增加明确的业务价值;减慢工作流程的可选工具注定要失败,斯塔什表示。"CIO应该鼓励协作,为业务用户提供持续的AI培训......并投资于提升IT团队在提示工程、偏见检测和测试最佳实践方面的技能。"
格西奇建议,要求所有关键利益相关者重新审视项目的战略目标。"审核数据质量和访问权限,定义快速胜利以恢复信心。"他认为展示早期成功也很重要。
虽然AI战略影响许多利益相关者,但有效的路线修正只需要一两个负责任的领导者,有权推动决策并迅速行动,斯塔什说。"没有明确所有权的过多协作往往导致'分析瘫痪'和进展停滞。"
斯塔什说:"战略的负责任领导者——通常是CIO、首席AI官或指定的AI战略负责人——必须拥有协调业务、IT和安全团队的权威和授权。"这些人必须愿意做出艰难的决定并执行明确的计划来修复或替换现有战略。
不要害怕失败,斯塔什说。灾难性的失败可能是职业杀手,但小的AI用例失败不应该是。她指出,关键是要快速失败并向前发展。"识别真正的问题——无论是数据、人员还是安全——并正面解决它们。"公开解决挑战并转向有效用例的CIO将建立可信度和韧性。"害怕失败的领导者面临停滞风险。"
AI不是魔法——它混乱、迭代,需要愿意快速失败和更快修复的勇敢领导,斯塔什观察到。"如果你的AI战略不能让工作变得更容易或快速提供可衡量的价值,它就只是昂贵的门面装饰。"
获胜的CIO专注于采用、可用性和使命影响——而不仅仅是技术规格或流行词,斯塔什说。他们大胆投资于人员、数据和真正的变革。"其他人,"她指出,"会被抛在后面。"
Q&A
Q1:CIO如何避免无意中破坏AI战略?
A:CIO应该避免为了AI而做AI,确保在制定AI战略前评估期望的业务成果和贡献价值。避免让风险规避的利益相关者施加过度限制,不要在问题出现在人员或流程时强制技术转型,而是专注于人员和流程的基础。
Q2:AI战略失败的主要原因有哪些?
A:主要原因包括:仅依赖现成AI产品而不深思熟虑地集成到核心业务流程;被新技术公告分散注意力而失去基础关注;将AI作为独立计划而非业务转型的一部分;以及缺乏明确所有权导致的分析瘫痪。
Q3:如何让AI战略重回正轨?
A:需要重新审视项目战略目标,审核数据质量和访问权限,定义快速胜利来恢复信心。指定一两个有权威的负责领导者推动决策,避免过多协作导致停滞。不要害怕小失败,要快速失败并向前发展,专注于采用、可用性和实际价值。
好文章,需要你的鼓励
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。