如今,快速发展的数字经济带来了新的业务需求,而种种复杂需求必须依托于可扩展解决方案才能满足。于是,寻求具备相应技能的新人才就成了各类组织机构的第一要务。
埃里克·列斐伏尔作为红帽Sovos 首席技术官,有着超过 25 年的技术团队领导经验,以下是他的一些经验总结:
身为CIO,经常有同事和求职者问我,招聘的时候我到底更看重什么。我的回答是,“我需要的是能领兵打仗的统帅,而非小规模作战的「带头大哥」。”
我的回答直截了当,但仍然体现出了IT不断变化的核心本质。另外,数字化与全球政策的调整也让我们有了全然不同的职能角色理解方式。没错,我们要做的不再是带领一众兄弟猛冲猛杀、见招拆招,而是建立起一套基于模板、可重复且易于扩展的解决方案。只有这样,才能适应快速变化的商业背景。
我给大家的建议,是聘用那些能够适应规模经济并具备相关技能的候选人。只有可复制、可互换、可推广的解决方案,才能满足我们在商业活动中不同层面的实际需求。
IT领导者还应该关注那些能够在云端开发自动化业务流程的人才,这类业务流程要灵活可变,随着实际需求的扩张和收缩轻松完成切换。只有这样,组织才能获得无缝维护、高性能与更具确定性的运营成本,由此实现对IT预算的有效管理。
业务运营和IT必须步调一致,才能在现代数字经济中取得成功。两相脱节的优先排序和糟糕低效的沟通方式,必然会令业务陷入被动。为了有效执行一切全球战略,业务部门需要IT技术的支持,而IT部门也需要了解业务那边想要什么、该怎么实现。
作为IT领导者,大家必须了解一些基本的商业原理,并确保IT团队的每位成员也都了然于胸。只有这样,技术骨干才能顺利执行任务、推动业务走向成功。
下面来看我个人认为最关键的三大重点:
收入管理:了解业务系统的集成情况以及全球范围内的收入态势。企业的价值和声誉,都将与此怎么样。
所以,数据才是企业最宝贵的资产。而了解和保护数据,也应成为IT部门的最高优先级事务。
能力评估:当前的IT系统在可扩展性、安全性、灾难恢复、连续性等方面成熟度如何?我们的软件开发周期和DevOps流程是怎样设计的?还有哪些差距需要解决?
数据管理:我们是如何管理数据的?哪些人有权访问数据?流程的变化如何影响全球数据的有效性?作为企业内最宝贵的资产,数据必须得到IT部门的重视、理解和保护。
从技术实施层面来看,如今企业似乎有史以来第一次走在了政府的后面。长期以来,我们一直认为政府部门才是相对落后的那一方,不可能为企业制定出可行的条款和时间表。但新的时代已经到来,世界各地开始规划和实施新的标准及规定,执法力度也远超以往任何时候。
政府机构现在更需要实时或近实时数据的加持。于是,企业也学着以集中方式处理自己的数据、系统、业务流程和应用程序。如果无法集中,那么低下的数据管理能力必然会令企业违背各国制定的独特数据监管要求。
但大多数企业确实还缺少这样的能力,于是额外的负担来到了IT部门这边。这要求IT一方快速理解新的法令和法规,并据此开展有效管理。这是个对天赋要求颇高的任务,需要我们投入大量心力。
世界正在迅速变化,企业对于IT力量的依赖性远超任何历史时期,由此形成的内部压力也对CIO们构成了新的挑战。与此同时,世界各国政府都在投资并推动自己的数字化转型计划,于是形成了外部压力。为了应对这种不断变化的动态,IT领导者必须制定出具有前瞻性的战略,并聘请那些能够稳步推进计划、准确落实战略的优秀人才。
所以,企业需要的是统帅、而非“带头大哥”,这就是新时代向我们提出的新要求。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
Feedzai团队首次系统评估了AI模型理解散点图的能力,创建了包含18,000张图表的大规模数据集。测试十个先进AI模型发现,在简单计数任务中部分模型准确率超90%,但精确定位任务表现不佳,准确率多在50%以下。研究还发现图表设计对AI性能有轻微影响,为AI辅助数据分析提供了重要参考。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
KAIST研究团队开发出MG-Select系统,首次让视觉语言机器人具备"货比三家"的决策能力。该系统通过生成多个行动候选方案并利用内部评估机制选择最优解,无需额外外部验证系统。在真实世界测试中,机器人精确操作成功率提升28%-35%,某些任务改进达168%,为机器人在医疗、制造等高精度应用领域的发展奠定重要基础。