Pearson是一家成立于19世纪40年代的公司,见证了教育界和客户期望的重大转变。因此,现代化是该公司DNA的一部分,根据首席信息官Marykay Wells的说法,对组织IT基础设施进行技术变革是一个不断变化的过程,需要精心管理。
“如果我们没有制定清晰的计划并以合理的方式进行这项工作,考虑到所有的技术资产和风险,就有可能发生负面的事情。首先,你最终会把过多的预算分配给常规业务基础设施,而不是投资于能够推动实际业务增长的创新。没有经过深思熟虑的计划而进行现代化的另一个潜在缺点就是,在解决不同问题的时候,你只是被动应对,而不是主动出击。”
所有这些都会增加你的整体技术债务,这不仅会蚕食你的预算,还会给你的IT资源带来巨大的压力。为了解决这个问题,Wells和Pearson技术工作组(其中包括来自该品牌不同组织的技术领导)提出了12个关键属性,其中包括了安全性和可维护性,以一致的方式评估他们的技术资产。对技术债务的审查,更清楚地表明了他们最大的风险在哪里,反过来又使他们能够优先考虑那些需要首先解决的问题。
“我们开发了一种算法,根据这12个类别来衡量我们不同的应用,以便能够通过更具战略性和标准化的方法消除技术债务,”她指出,这么做的目标是消除任何猜测,根据机会和潜在收入风险做出决策。
客观的框架
据Wells说,这项练习不是主观格式化的。他们采取了一种非常系统的方法,是基于数据的,而不是基于他们对不同资产表现的假设。他们还开发了一个仪表板,以可视化的方式显示最大的问题或风险在哪里,这样他们就知道应该优先考虑什么。“虽然这看起来像是一项简单的练习,但实际上并非如此,因为每个人的操作方式都是不同的。”
这不仅帮助Wells和她的团队为Pearson内部的不同组织制定了技术债务评分,还提供了有关企业拥有哪些资产、应用和产品的宝贵洞察,让他们知道如何更具战略性地规划现代化之旅。
“如果一个组织拥有另一个组织没有的能力或技术产品,我们就可以通过整合这些资源来避免重复。通过这种方式,我们可以最大限度地利用资源,造福更广泛的业务和客户。”
让董事会参与进来
作为流程的一部分,她和她的团队需要让整个业务的各个领导者参与进来,确保他们明白技术债务不仅仅是一个技术问题。“我们确实必须传达一个信息,即这是一个优先事项,但我们不能只与他们谈论技术,我们必须谈论技术债务对我们业务带来的影响。从价值讨论、业务讨论和客户影响讨论开始,解释这将影响他们的客户和收入,这一点非常重要。”
结果就是证据。她解释说,Pearson公司在2023年成功地将技术债务评分较高的应用数量减少了55%,同年影响客户和员工的事件减少了58%。
“我认为大公司的所有CIO都面临着技术债务带来的挑战,我的建议是,尝试系统地改变你的环境,而不是主观地这么做。你必须记住,如果你可以衡量某些东西,那么阐述为什么这个项目或计划是一个好主意,就会容易得多。”
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。