多年来,我有机会接触过许多来自不同组织的CIO。我逐渐认识到,其中最优秀的人往往首先以业务高管的身份来领导团队,把人和流程放在技术之前。
但我常常好奇,当CIO就职于一家科技公司时,这一逻辑是否还适用?对于那些初次担任CIO的人——尤其是在技术并非核心产品的企业中——能从那些身处技术前沿的同行身上学到什么?
如今,大多数CIO都明白,从某种意义上说,每家公司都是一家科技公司。摩根大通CEO杰米·戴蒙最近就印证了这一现实。他指出,这家银行现在不仅要与传统华尔街机构竞争,还要面对Stripe、SoFi和Revolut等金融科技公司的挑战,并称这些公司是"强劲的玩家"。
为了深入探讨这一转变在实践中意味着什么,我分别与Snowflake的CIO迈克·布兰迪纳(Mike Blandina)和Boomi的CIO凯尔·阿吉梅拉(Keyur Ajmera)进行了交流。他们合计拥有数十年在科技公司和传统企业领导IT组织的经验。
我最想了解的,是他们会给初次担任CIO的人哪些建议。两人的回答高度一致。
第一条:先倾听,再领导
新任CIO往往感到需要迅速证明自己的价值。但阿吉梅拉和布兰迪纳都认为,这是新CIO最容易犯的错误之一。他们建议,在变革系统或启动重大举措之前,应花时间深入了解业务、企业文化以及你所领导的团队。
阿吉梅拉说:"新任CIO应该把入职初期的几个月用来倾听,而不是急于行动。"
他补充道,许多CIO会犯这样的错误:在尚未理解公司文化、团队优势、竞争优先级或相互依赖关系的情况下,就仓促启动大规模变革。
第二条:搞清楚你接手了什么
知道该修什么,首先要知道你拥有什么。
布兰迪纳说:"对人员、系统、支出和资产进行全面盘点。这将告诉你别人对你的期望是什么,以及现状与未来目标之间的差距在哪里。"
换言之,如果你还没有真正了解自己要改变的组织,就很难确定优先级。
第三条:先赢得业务,再谈赢得技术
CIO要想成功,必须与业务负责人建立真实有效的关系,而这应该是首要任务。
阿吉梅拉直言不讳地说:"尽早与CFO和各业务单元负责人建立关系。正是这些人,会在早期决定你是一个合作伙伴,还是一个成本中心。"
第四条:学会说"不"
IT部门无法承接所有需求,资金也不允许。
阿吉梅拉说:"新任CIO需要习惯说'不'。一个什么都答应的CIO,只会让自己的待办清单越堆越长。"
要记住:每一个"是"背后,都隐藏着一个机会成本。
第五条:解决业务问题,而非仅仅修复技术系统
很多业务问题,本质上需要改变的是工作方式本身。
阿吉梅拉说:"新任CIO需要学会修复业务流程,而不是依赖系统去解决业务问题。"
第六条:不要研究AI,而要使用AI
CIO必须亲自动手实践AI,才能在业务中保持真正的影响力。
布兰迪纳说:"我做了很多事来确保自己保持相关性。我用Gemini扫描邮件和新闻,我和团队一起深入钻研,我不断学习和衡量,我亲自去做'氛围编程'。"
阿吉梅拉则说:"学习AI不应该只是阅读相关内容,而是要去使用它、构建它,并且对它的局限性保持清醒的认识。"
两位CIO都强调了一个更宏观的观点:AI流畅度,是当今有效的IT领导者必须具备的核心能力。
第七条:AI的上限,取决于你的数据质量
CIO需要客观评估企业数据的现状,并对此保持坦诚。
阿吉梅拉说:"一个不那么光鲜的真相是:AI的能力上限,取决于输入数据的质量。那些在AI领域真正胜出的组织,都是那些把数据做到整合、可信、可用的组织。"
第八条:历史遗留问题会让每位新CIO碰壁
并非所有技术债都需要立即处理。新任CIO应将重点放在那些对业务有明确影响的遗留技术债上。
布兰迪纳说:"新任CIO往往会被历史遗留问题打个措手不及。每位CIO都面临技术债,因为各组织曾匆忙上马项目,或重复采购了相同的系统。"
第九条:像企业高管一样思考
当CIO像企业领导者(而不仅仅是技术领导者)一样思考时,才能真正走向成功。
布兰迪纳说:"新任CIO应该学会说不止一种语言——我同时用技术、业务、战略和数据的语言思考和表达。"
第十条:培养领导者,而非制造依赖
CIO既是业务领导者也是技术领导者,必须以此自我要求。
布兰迪纳说:"我把日常事务委托出去,自己管理战略层面,同时定期进行检查跟进。"
阿吉梅拉则这样表达:"CIO的职责是培养更多领导者,而不是成为房间里最聪明的那个人。"
换言之,领导力的真谛,在于成就他人,而不是让自己变得不可替代。
第十一条:敢于放弃旧有打法
在某个组织取得的成功,并不能保证在下一个组织同样奏效。
阿吉梅拉说:"最优秀的CIO不应该害怕在旧方式已经无法达成目标时,果断将其抛弃。曾经久经考验的打法,很可能已不再是最优路径。"
第十二条:永远保持一步领先
科技公司的CIO之所以与众不同,并不在于他们工作的地方,而在于他们被期待始终领先于客户、技术和业务本身。
布兰迪纳简洁地说:"在科技公司,期望值就是高。"
阿吉梅拉则说:"科技公司往往处于技术采用的最前沿。我们必须确保自己比客户领先一步,以极高的速度推动创新、拥抱变化。"
回顾这两次对话,我意识到真正的启示在于:今天变化的速度,已经几乎不给我们任何犹豫的空间。
几年前,我曾迫切想晋升为副总裁。当时的上司告诉我,我需要从一个优秀的执行者,转变为一个真正的业务人。我们花了很多时间讨论这意味着什么,但其核心,不过是一句话:先把业务的健康状况放在首位。
这是每一位优秀CIO最终都需要完成的转变。而科技公司的CIO,完成这一转变的时间要少得多。
正如安迪·格鲁夫那句名言所说:雪总是从边缘开始融化,因为那里暴露最充分。科技公司的CIO必须生活在那个边缘——在拐点初现的第一时间做出反应,而不是等到变化已然发生。
这很难。但随着每家公司都在向科技公司演进,越来越多的CIO将面临与凯尔和布兰迪纳相同的挑战:他们再也无法等到"早期多数"采纳某项变革之后,才开始行动。
Q&A
Q1:新任CIO入职初期最容易犯的错误是什么?
A:根据Snowflake CIO布兰迪纳和Boomi CIO阿吉梅拉的建议,新任CIO最常见的错误是急于求成——在还没充分了解公司文化、团队能力、业务优先级和系统现状的情况下,就仓促启动大规模变革。他们建议新任CIO应将入职初期的时间用于倾听和盘点,而不是急着"留下印记"。
Q2:CIO应该如何真正学习和应用AI?
A:两位CIO都强调,学习AI不等于阅读报告或关注新闻,而是要亲自动手使用和构建。布兰迪纳表示他会用Gemini处理邮件和资讯,并亲自参与"氛围编程"实践;阿吉梅拉则指出,AI学习的关键是使用它、构建它,同时对其局限性保持清醒认知。AI流畅度已成为现代IT领导者的核心能力。
Q3:为什么说AI效果取决于数据质量?
A:阿吉梅拉指出,AI模型的能力上限由输入数据的质量决定。如果企业的数据存在孤岛、不可信或无法使用等问题,AI的输出结果也会大打折扣。真正在AI领域取得成效的组织,都是那些事先完成了数据整合、确保数据可信且可用的组织。因此,CIO在推进AI之前,必须诚实评估并治理好企业的数据基础。
好文章,需要你的鼓励
OpenAI在与多家新闻机构的版权诉讼中陷入困境。以《纽约时报》为首的原告指控OpenAI在长达两年时间里向法庭撒谎,刻意隐瞒其已对ChatGPT日志进行大规模搜索的事实。据悉,OpenAI实际上已拥有包含1000万和7800万条记录的日志样本,并曾用于研究版权内容过滤器,却对外声称无法进行此类搜索。原告据此提出制裁动议,要求法院追责。OpenAI则否认相关指控,坚称其立场基于合理使用原则。
斯坦福与UC伯克利提出LLM-as-a-Verifier框架,通过提取AI模型内部概率分布生成连续评分,在代码、机器人、医疗领域均达到最优性能,且无需额外训练。
美国加州大学圣地亚哥分校研究团队在《自然》期刊发表研究成果:外科医生通过远程操控宇树G1仿人机器人,成功完成两例活体猪胆囊切除手术,创下全球首例。与造价数十至数百万美元的达芬奇手术机器人相比,仿人机器人成本更低、体积更小,未来有望部署于农村、战地乃至太空等资源匮乏的医疗场景。但目前仍存在需频繁重新校准、机械臂活动范围受限等挑战。
字节跳动Seed团队发现AI智能体在真实环境中学习的进步曲线精确遵循对数S形规律,R?达0.998,且前沿模型的学习速度每三个月翻倍。