尽管智能体AI在企业转型方面潜力巨大,但CIO及其他技术领导者在组织内部有效部署这一技术时仍面临重重挑战。Info-Tech Research Group首席执行官Tom Zehren在该公司周二的年会主题演讲中指出了这一现状。
安全措施、IT预算、AI战略以及员工认同感,都是技术领导者能否成功落地AI的关键因素。
"我们正处于一个充满张力的时代——一边是AI的价值创造,另一边是AI治理与风险管理,两者之间的矛盾相当突出。"Zehren说道。
他表示,部分组织因惧怕风险而在AI采用目标上止步不前。拒绝AI项目固然能规避风险,但也会同时屏蔽潜在价值。
根据Info-Tech过去一年开展的调查,超过三分之一的组织已将AI治理纳入常规IT战略。半数组织表示拥有由董事会监管、专注于AI的独立AI战略,而这将获得AI价值的概率提升至原来的三倍。
Zehren介绍了一套基于调查结果与行业研究的四步框架,可帮助技术领导者制定具有可衡量价值的AI战略。
第一步,企业需构建"自身AI基础",包括AI素养培育、运营模型搭建、预算规划与所有权架构等核心要素。
第二步,借助干净的数据、智能化架构、合作伙伴关系以及灵活的资金机制,筛选出具备长期价值的项目。
第三步,推行AI治理并创造规模化落地的条件。当组织为员工构建易于使用、切实可行的沙盒环境时,安全的实验探索便得以实现。在这一阶段,组织需强化第一步建立的治理能力,并持续测试系统的边界与价值。
第四步,组织应致力于证明AI项目的实际价值,追踪收益表现,推动原型规模化,收集洞察反馈,并据此决定是否终止或继续投入。
那些已对业务流程、逻辑和团队有清晰把握,同时又深刻理解技术本身的团队,将最有可能取得成功。
"我们的建议是:不要裁减一半的团队,不要大幅压缩IT能力,"Zehren说,"而是重新定向,发挥其新的价值。"
他指出,CIO的角色正在转变,逐渐成为这些系统性变革的管理者与协调者。CIO们越来越多地承担起更广泛的职责,包括衡量业务成果,以及跨足数字化、数据、转型乃至产品等部门的工作。
而成功推动技术落地,也为CIO们开辟了更广阔的职业上升通道。据德勤的一份报告显示,67%的CIO表示有志于成为CEO。
"CIO必须勇于担当,成为推动指数级增长的IT领导者,真正借助这些技术为组织创造指数级价值,"Zehren说,"如果做到这一点,大量全新的职业发展路径将随之开启。"
Q&A
Q1:四步AI框架具体包含哪些内容?
A:该框架由Info-Tech Research Group总结提出,第一步是构建AI基础,涵盖AI素养、运营模型、预算与所有权架构;第二步是利用干净数据、智能架构和灵活资金筛选有长期价值的项目;第三步是推行AI治理、建立沙盒环境进行安全实验;第四步是追踪收益、验证价值,并决定是否继续投入或终止项目。
Q2:企业在推进AI战略时,有哪些常见误区?
A:据Info-Tech CEO Zehren指出,最常见的误区是因惧怕风险而直接拒绝AI项目,这样虽能规避风险,却也同时失去了潜在价值。此外,大规模裁员或压缩IT团队也是不可取的做法,正确方式应是重新定向现有团队的职能,而非削减能力。
Q3:CIO的角色在AI时代发生了哪些变化?
A:CIO的职责正从传统IT管理向更广泛的业务角色延伸,包括衡量业务成果,以及跨足数字化、数据、转型和产品等部门。成功推动AI落地的CIO还有机会晋升为CEO,德勤报告显示,67%的CIO有志于担任CEO一职。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。