他说,正是这种“分裂”吸引了他从事这份工作。他说:“我有50%的工作是在内部,负责管理IT、安全和正常CIO相关的事情,然后还有50%的工作是在外部,与我们的客户、销售团队、产品管理和营销部门展开合作,专注于围绕如何最好地使用我们产品传递信息。”
所以,工作的多样性对Malick有吸引力也就不足为奇了,他没有典型的纯技术人员教育背景。他于1996年毕业于罗德岛布朗大学政治学专业,但他表示,科技一直是他生活的一部分。“我是一个技术专家。小时候我就喜欢动手操作,自学了Pascal和Basic,这一直融入到我所做的任何事情中。”
例如,在投资银行业开始他的职业生涯后,Malick使用IT来支持他的工作,学习Visual Basic来自动化他的电子表格模型。在投资银行工作一段时间后,Malick成为了普华永道的一名顾问。这时候他开始涉足企业IT领域,进行大型的实施。
在此期间,他参加了为期13周的各种技术和系统设计“速成班”,并被派往普华永道不同的项目。他对技术的兴趣仍在继续,20世纪90年代后期,他是普华永道最早学习Java的人之一。在此期间,他还从事电子商务实施工作。
21世纪初期,在第一个互联网阶段,Malick离开了普华永道,进入了创业界,几年时间里,他担任过各种业务角色,包括咨询、产品管理和销售,期间他继续利用了他的技术背景。
在初创公司工作了大约10年之后,他加入了能源公司Vistra Corp,作为首席信息官,他成为了Box技术的早期采用者。大约11年后的2020年7月,Malick离开了Vistra,并最终与Box围绕CIO这一角色进行了讨论。
“我最终花费了一些时间重新开始。在与Box的讨论中,我不确定自己想要一个纯粹的[内部]CIO角色。吸引我的不仅是我熟悉的公司和领导层,还有内部和外部的角色。”
Box公司拥有约2500名员工,主要分布在北美,其中包括一支约100名IT员工的团队,包括Box员工和供应商员工。Malick说:“这和大多数IT部门都是相似的,专注于确保运营、应用和最终用户组顺利运行。”
虽然Box公司的IT团队规模大约100人出头,但Malick说,他拥有一整支从事IT工作且精通技术的员工队伍,这让事情变得更容易了。
他说,内部CIO这一角色让他主要专注于三件事:如何将风险降至最低、如何实现价值最大化、以及如何管理成本。
Box是一家践行其运营IT宣传内容的厂商,它使用的核心应用包括面向客户技术的Salesforce、用于人员管理的Workday以及NetSuite的财务系统。
Malick说:“一切都在云端——我们天生就是软件即服务,我们喜欢喝自己的香槟。除了少数几个应用,我们所有的应用都是真正的SaaS,即使是那些出于何种原因没有运行在IaaS上的应用。”
探索机器智能
除此之外,Malick和他的团队还在人工智能(AI)和机器学习(ML)上投入了时间。“从我上任开始,我们把很多兴趣和努力都投入到了人工智能和机器学习方面。”
他说,这其中包括内部开发和使用其他平台,还有一些项目正在进行中。“最近,我们在法律领域有一个项目,使用基于人工智能的平台来组织、管理和阐明我们与客户以及供应商签订合同中的风险。”
Box公司还在寻求企业帮助台相关的“潜在的更大型的项目”。“想一想员工提出的所有问题,无论是IT、财务还是人力资源相关的——我们如何使用AI并使其自动化,提供更自助的、更直观的服务,同时减轻企业人员的负担?”
Malick说,他的策略是考虑使用人工智能来做所有事情,直到人类做出决策,目前Box正在探索自然语言处理工具Chat GPT的潜在用例。
在业务方面,Malick说,他曾经作为Box客户的经验,以及他的内部知识使他成为Box的拥护者,特别是对于现有客户,帮助他们战略性地思考内容以及他们是否使用Box来确保他们正在从投资中获得最大收益。
“对于许多客户来说,他们的大部分重要信息都在Box中,因此能够通过AI获得洞察力并加快这些事情——比如员工入职、法律审查、政策审查甚至内容创建——是你在人工智能方面看到我们要进行探索和展开合作的一些事情。”
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。