至顶网CIO与CTO频道 03月13日 北京消息:全球领先的信息技术研究和顾问公司Gartner最近的一项调查显示,在1500多位受访者中,只有12%认为他们所在的企业已做好应对新冠病毒影响的充分准备,而26%的人认为该病毒几乎没有或完全没有影响他们所在的企业。此外,在3月6日开展的一场以业务连续性为主题的在线研讨会中,Gartner专家也询问了参会人员应对新冠病毒疫情的准备情况如何。
Gartner风险与审计业务研究副总裁Matt Shinkman表示:“这一信心的缺乏表明,许多企业机构的风险管理方式已经过时且无效。相比准备不足的同行,做好最充分准备的企业机构可以最大程度地减少新冠病毒造成的业务中断,从而获得众多业务优势。”
大多数受访者(56%)认为自己做好了一定的准备,11%的受访者表示他们相对准备不足或根本没有准备。只有2%的受访者认为他们的业务可以照常运营,但强调了许多业务可能会受到疫情影响。24%的受访者认为几乎不会受到影响。大多数受访者预测业务将继续放缓(57%)、受到严重限制(16%)或完全中断(1%)。
引起这一问题的原因之一是管理诸如新冠病毒等新兴风险时的不明确。企业机构通常会制定应对大多数风险的政策,但等到他们启动这些政策时往往为时已晚。这是因为在风险完全呈现之前,没有人会去承担或认真对待风险。启动执行行动的风险阈值通常过高,以至于无法作出有效的响应。
Shinkman先生指出:“董事会成员在对待新兴风险时,往往认为新兴风险会自动消失,因此他们只将注意力集中在当前最重要的事情上。由于有时新兴风险的确会自动消失,因此这种策略还会在好光景时得到加强。但如果新兴风险没有自动消失,则必然会出现问题。”
具备企业风险管理(ERM)能力的企业机构更有可能预测即将到来的风险,然后更迅速、有效地缓解这些新兴风险所产生的影响。Gartner认为最佳实践是专注于影响,而不是特定场景。
Shinkman先生认为:“几乎不可能准确预测特定场景是否或如何发生,甚至是何时发生。这引起了面对新兴风险时的不明确和不作为。专注于潜在的影响以及如何减轻这些影响才是更有效的做法。”
疫情的发生是证明这种方法效果的最佳示例——那些等到新兴风险已经影响到运营和/或多名员工之后才行动的企业,非常可能会发现自己落后于其他准备更充分的企业并且只能将业务拱手相让。
企业应思考哪些可能发生的过渡事件预示着疫情等类似新兴风险的影响力或概率正在急剧增加,以做好更充分的准备。可使用企业风险管理方法确认此类特定事件并为此做好准备,同时建立监控这些事件的机制。准备最充分的企业定能更好地避免重大业务中断。
在企业机构中负责新冠病毒危机响应的人员应制定应对特定影响的计划。例如如果有员工生病,公司该怎么办?是否要求所有员工自我隔离?居家办公程序是否成熟到可以提供支持,还是说不得不停工?是否需要通知供应商或客户?在发生预期损失时,是否具备支持运营的财务能力?
使用基于影响的方法可以明确何时触发响应计划并开始缓解对企业机构造成的特定影响。此外,如果有应对特定影响的响应计划,那么与员工的沟通就会变得更简单,从而让所有员工都参与风险管理。在此类瞬息万变的情况下,承担风险的人越多,企业机构做出及时响应的可能性就越大。
Shinkman先生认为:“应避免构建详尽的‘假设’情景,而是应该专注于已知的事情。许多企业机构可能已经针对新冠病毒引起的各类业务中断制定了应对计划。风险管理人员的任务是确保有正确的计划以及在适当的时候使用这些计划。”
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。