隨著企業(yè)繼續(xù)規(guī)劃、擴(kuò)展或發(fā)展其數(shù)字化轉(zhuǎn)型工作并向云轉(zhuǎn)移，許多企業(yè)可能會(huì)依賴IT顧問(wèn)或考慮雇傭他們尋求幫助。
隨著每家公司都成為軟件公司，企業(yè) IT 領(lǐng)導(dǎo)者可以通過(guò)聽(tīng)取供應(yīng)商同行的建議來(lái)改善數(shù)字化成果。
雖然生成式人工智能是新事物，但人工智能并非如此。包括Michelin和Albemarle在內(nèi)的許多公司最早使用的人工智能案例之一是預(yù)測(cè)性維護(hù)，其最基本的功能是根據(jù)傳感器收集的數(shù)據(jù)訓(xùn)練算法。一旦訓(xùn)練完成，模型就會(huì)尋找導(dǎo)致故障的指標(biāo)，并向人類操作員發(fā)出警報(bào)，從而防止生產(chǎn)中斷。
盡管IT和業(yè)務(wù)領(lǐng)導(dǎo)者在戰(zhàn)略上保持一致，但技術(shù)和轉(zhuǎn)型計(jì)劃仍然以不可接受的速度停滯不前，以下是CIO可以如何從IT項(xiàng)目失敗中吸取的六個(gè)教訓(xùn)。
雖然防護(hù)措施可能不適用于全球人工智能軍事軍備競(jìng)賽，但在特定的使用案例和行業(yè)中，它們可以在更細(xì)化的層面上發(fā)揮作用。以負(fù)責(zé)任的采購(gòu)實(shí)踐、指導(dǎo)方針、有針對(duì)性的建議和監(jiān)管舉措為形式的防護(hù)措施非常普遍，而且已經(jīng)有了很多。
企業(yè)持續(xù)生成或收集海量數(shù)據(jù)，但其中大部分?jǐn)?shù)據(jù)實(shí)際上永遠(yuǎn)無(wú)法用于改善業(yè)務(wù)流程或決策。原因很簡(jiǎn)單：大多數(shù)數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)，在創(chuàng)建過(guò)程中也沒(méi)有標(biāo)注，只是堆積在一起。
數(shù)字業(yè)務(wù)時(shí)代，創(chuàng)造業(yè)務(wù)價(jià)值是IT增值發(fā)展的重大契機(jī)。但只有在客戶成功使用IT產(chǎn)品或服務(wù)并產(chǎn)生利潤(rùn)，才算創(chuàng)造和實(shí)現(xiàn)了業(yè)務(wù)價(jià)值。
大數(shù)據(jù)時(shí)代，所有數(shù)據(jù)都具有了一定的價(jià)值。價(jià)值的背后潛藏著巨大風(fēng)險(xiǎn)，大量敏感數(shù)據(jù)被販賣、竊取和無(wú)授權(quán)濫用，這一問(wèn)題已經(jīng)嚴(yán)重危害到個(gè)人隱私、企業(yè)發(fā)展甚至國(guó)家安全。
CIO和CFO在培養(yǎng)他們的關(guān)系時(shí)應(yīng)該注意這種差異，隨著IT地位的提高，這種關(guān)系變得更加緊密。相互“打通”應(yīng)該是有著高度協(xié)同和相互依賴要求的職場(chǎng)人士的關(guān)鍵目標(biāo)，因?yàn)镃IO在為加速數(shù)字計(jì)劃尋求資金，而CFO在為投資尋求合理的理由。
數(shù)據(jù)是企業(yè)最有價(jià)值和最持久的資產(chǎn)，是數(shù)字戰(zhàn)略和轉(zhuǎn)型的基礎(chǔ)。然而，要對(duì)分散在公共云和私有云以及本地環(huán)境中快速螺旋式上升的數(shù)據(jù)量保持強(qiáng)大的控制，需要一種新的創(chuàng)新管理方法。
數(shù)字經(jīng)濟(jì)是繼農(nóng)業(yè)經(jīng)濟(jì)、工業(yè)經(jīng)濟(jì)之后的主要經(jīng)濟(jì)形態(tài)。在數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)據(jù)已經(jīng)被廣泛認(rèn)可為一種企業(yè)資產(chǎn)，甚至把數(shù)據(jù)作為一種新型生產(chǎn)要素，與土地、勞動(dòng)力、資本、技術(shù)等傳統(tǒng)要素并列為生產(chǎn)要素之一。
高科技企業(yè)的內(nèi)部威脅論早已廣泛傳播和引起眾多CIO同仁的共鳴，然后即便如此，眾多企業(yè)，尤其是高科技企業(yè)對(duì)于內(nèi)部的威脅依然沒(méi)有引起足夠的重視，更別提制定科學(xué)有效地應(yīng)對(duì)措施了。更多的企業(yè)都是在內(nèi)部威脅事件發(fā)生以后進(jìn)行補(bǔ)救，極其缺少前瞻意識(shí)。
