IT领导者快问快答:MetTel的Ed Fox
在本期IT领导者快问快答栏目中,MetTel首席技术官Ed Fox讲述了一个深刻教训:在一个本就存在问题的流程上叠加AI,只会让错误发生得更快。"如果你的流程本身就是坏的,那么AI不会帮你解决问题,"Fox说道。
在MetTel,绝大多数AI应用仍聚焦于自动化。Fox一方面鼓励团队更大胆地探索AI的各种可能性,另一方面也在加强管控——因为"影子AI"已悄然出现在公司网络中。为此,他正通过每两周一次的AI生产力分享会和季度回顾会,将AI探索纳入正式管理轨道,以全面提升组织的AI认知水平。
Fox在MetTel已工作逾25年,同时也是福布斯技术委员会的成员。
最关键的那个决策
最近,哪个技术或组织层面的决策影响最大?为什么?
我最近做了一个决定:以高薪聘请了一位具有AI经验的高级员工,而同样的薪资原本可以招聘三名工程师。这是个不小的抉择。
自2016年以来,我们一直在推进自动化与机器学习方面的实践,而这次招聘让我们迈上了新的台阶。
在大多数情况下,我们利用机器学习和AI来分析非结构化数据并获取反馈。在深入研究后,我们意识到AI应用中98%的部分本质上都是自动化。这主要体现在网络运营侧,而非面向客户的服务环节,具体用于自动发起服务工单。
AI在这里发挥的作用,是帮助我们识别哪些环节可以自动化。在我们的业务中,每一张工单的开启都需要审慎考量,因此AI在很大程度上就等同于自动化。用AI工具快速起草一封邮件,这属于另一种类型的AI应用,但对我们来说,核心仍是自动化。
惨痛的经验教训
最近有什么事情没有按计划进行?这迫使你重新思考了什么?
我们曾尝试部署AI——搭建了一套自动化流程,然后很快意识到,在这个特定场景下,我们所做的不过是让对客户犯错的速度变得更快。我们试图用AI和自动化来修复一个本就存在问题的手动流程,以为技术能解决一切,结果却适得其反——错误发生得更快了。如果流程本身就是坏的,AI根本帮不了你。
于是我们退了一步,专门组建了一支团队来重新梳理这个流程,借助AI工具记录了大量笔记。从这个角度看,AI确实起到了辅助作用,但问题最终还是靠人工来解决的。
如果我们能在一开始就把流程、工作流、关键节点和决策点梳理清楚,可能会节省数百甚至数千小时的时间。
人才策略的取舍
你目前在人才方面的投入重点是什么?又刻意放弃了什么?
招聘那位AI高管是我做出的明确选择。但与此同时,我也希望提升整个组织的平均AI能力水平。最近,我向团队提出了这样的设想:每隔一个周四,举办一次AI交流会,大家来分享自己在AI方面的实践——无论是提升个人生产力,还是为MetTel或客户创造价值。这个每两周一次的演示活动从去年就已经开始了。
参与团队涵盖范围很广,包括我直接负责的部门、全球网络运营中心、客户服务、网络工程、网络骨干团队、移动核心团队、移动核心安全、合规团队——基本覆盖整个组织。
与此同时,我还在筹备一个季度会议,下个月将举行首次,由我的六位直属下级及其团队参与,每个季度轮流由一个部门展示他们在自动化方面的成果。
此外,我们还需要引入更多产品经理,以及更多专注于客户服务的人才。
值得关注的外部信号
最近哪个外部动态最有可能对贵组织的运营方式产生影响?
内存方面的问题正在切实影响着我们。我们向客户销售的硬件成本上涨了10%到30%不等。而许多客户签的是三年期合同,这给我们带来了相当大的压力。
在AI方面,OpenClaw(前身为Moltbot、Clawdbot)让我感到警惕——它的智能体化程度非常高。我一直积极鼓励大家拥抱AI,但突然有一天我发现它出现在我们的网络上,心里不禁一惊:"天啊,我到底放出了什么?"我们已与Netskope合作,用于监控影子AI,该系统可以告诉你每个人在使用哪些AI工具,以及这些工具中是否涉及内部信息。但这本身也是一种自动化,所以关键在于如何跟上节奏。
视角的转变
最近读过、看过或听过什么内容,让你对领导力或技术有了新的思考?
未来学家扎克·卡茨曾在我们的客户顾问委员会和创新峰会上发表演讲,我也读了他的著作《下一个文艺复兴:AI与人类潜能的拓展》。他对AI的看法相当务实,同时也将其与社会议题紧密结合。我喜欢读这类书,它们帮助我理清现状,展望未来。
Q&A
Q1:MetTel在AI应用上踩过哪些坑?
A:MetTel曾尝试用AI和自动化来修复一个存在问题的手动流程,结果发现不仅没有解决问题,反而让错误发生得更快。CTO Ed Fox总结道:如果流程本身就是坏的,AI根本帮不了你。最终他们先手动修复了流程,AI只在记录整理环节起到了辅助作用。这一教训说明,AI不是万能的修复工具,流程梳理必须先于技术部署。
Q2:MetTel是如何管控影子AI风险的?
A:当Ed Fox发现AI工具在未经统一管理的情况下出现在公司网络中后,MetTel与安全公司Netskope合作,部署了专门监控影子AI的系统。该系统可以追踪员工使用的AI工具类型,并检测这些工具是否涉及公司内部信息,帮助企业在鼓励AI探索的同时,有效管控潜在的数据安全风险。
Q3:MetTel如何提升全员的AI能力?
A:MetTel采取了两项举措:一是每两周举办一次AI生产力分享会,鼓励各部门员工展示自己在AI方面的实践探索;二是从下个月起启动季度会议,每季度由一个部门轮流展示其自动化成果。参与范围覆盖网络运营、客户服务、网络工程、合规等全组织团队,目标是整体提升公司的AI认知与应用水平。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。