ZD至顶网CIO与应用频道 08月30日 北京消息:公共机构将在变革时代利用数字化颠覆发动一场市民服务革命。尽管相关工作往往会受到等级制度、文化传统和缺乏远见的牵制,然而,可以效仿的成功案例也不在少数。
公共机构经常建立文化和组织机制,以缓解政治或经济格局剧烈动荡所带来的影响。虽然这种模式带来了稳定,却也使大规模组织变革前景堪忧。
主导变革的公共部门首席信息官经常面临风险规避文化和只重局部结果而非全局成败的资源配置的挑战。他们还要应对与组织需求相悖的短期选举与预算周期。包括首席信息官在内的公共部门的管理者必须营造出一个顺应变革的文化并将其纳入组织愿景和发展方向中,并且该文化能在较长时间内更加有效地管理变革。
这些挑战可以被一一克服。根据Gartner与成功实施数字转型的公共部门首席信息官所进行的访谈,Gartner提出了三项主要建议。
1. 推进激动人心的愿景
在理想情况下,首席信息官能够明确掌握组织的战略发展意图以及IT部门在其中所起的作用。然而,公共机构往往缺乏清晰的“业务”战略以指导首席信息官协调投资。不过无论怎样,首席信息官都必须为技术投资如何帮助组织实现未来目标而规划愿景,这一点十分重要。
最佳愿景应具备明确的框架,它应清楚、通俗地概述当前出现的问题并列明一系列正确的活动和投资。
此外,此类愿景还需要管理层的积极参与,以便确认、修订、拒绝和更改首席信息官制定的IT部门战略方向。如果从一开始就缺乏明确的指导意见,那么这种参与很可能成为组织战略将IT部门置之门外的催化剂。反之,如果管理层指示到位,该愿景将对IT部门的职责给予充分肯定并为其提供付诸实践的模板。
2. 实施极具包容性的变革
管理层认可只是第一步,而愿景才是行动的基石。更重要的是应将该愿景正确传达给中层管理者和一线员工,向其说明他们的本职工作如何符合愿景,以及实现愿景将会对他们的职业生涯带来哪些益处。针对员工提出的“它对我有何意义”的问题给出令人信服的回答才能得到大家的关注并建立信心。
此外,组织愿景应充分体现它与以往的努力工作密不可分。它并不是大多数员工接触的第一个愿景,其中许多人都曾对从前的一个或多个愿景寄予期望,而如今却要目睹它们被新一届的领导舍弃或质疑。因此,他们当然有可能对新的蓝图心生疑虑。为了赢得他们的支持,首席信息官绝不能将新愿景鼓吹为灵丹妙药,而是得把它表述为历史业绩的再现和扩展。
除了重视组织文化和传承以及使其推动未来愿景,首席信息官还需要培养“变革推动者”。这些变革推动者是切实理解愿景及其益处并在同事中推广愿景的员工。在邀请、鼓励并支持渴望实现愿景的各级员工时,首席信息官可以更好地利用整个组织的创造力和洞察力。
3. 改变领导实践
推动变革要求人人做出改变,而领导层应冲锋在前。组织文化可以滋生出舒心却有违目标的误解。此种误解则源自“我们一直如此行事”的说辞,这句话造成了受害者的心态并抑制了创新。
成功实施业务转型的首席信息官会积极应对根深蒂固的行为、传统和陈旧流程。他们勇于挑战领导层,并成功赋予愿景一种明确的迫切感,进而得到从领导层到一线员工在内的整个组织的信任与支持。
在英国伦敦召开的2016年Gartner数字化工作场所峰会以及在美国内华达州拉斯维加斯举办的2016年Gartner应用战略与解决方案峰会将提出实用和可行的建议,以帮助IT部门的领导者在其组织中有效利用数字转型。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。