CIO

在采访中，Holistic AI的联合首席执行官Emre Kazim讨论了公司从一开始就需要将负责任的AI实践融入其业务战略的必要性。 他探讨了如何解决偏见、隐私和透明度等问题，这需要一种积极主动且全面的方法，而不仅仅是遵守法规。 公司如何解决AI模型中的偏见、隐私问题和缺乏透明度的情况?为了应对这些挑战及其他更多问题，公司需要制定一个清晰且积极主动的AI治理计划。

企业领导或许对其企业的数据已准备好迎接AI充满信心，但IT工作者的说法却大相径庭，他们中的大多数人每天都在花费数小时对数据进行梳理。 根据Capital One最近的一项AI就绪度调查，近九成企业领导表示其企业的数据生态系统已准备好大规模构建和部署AI，然而，在受访的IT从业者中(包括数据科学家、数据架构师和数据分析师)，有84%的人每天至少要花费一小时来解决数据问题。 该调查显示，70%的IT专…

许多首席信息官向同行学习更多的人工智能知识，但只有少数人认为其他首席信息官比他们懂得更多。 这个问题也许只有自我教育才能解决。 在企业内部部署人工智能的压力下，大多数首席信息官担心他们对这项瞬息万变的技术缺乏必要的了解。

数据质量对于AI项目的成功至关重要，但你需要保留原始数据的丰富性、多样性和完整性，以免破坏结果。 数据管理曾经是数据仓库团队的职责，如今已经越来越多地成了高管层的优先事项，数据质量被视为客户体验和业务绩效的关键。 但除了数据孤岛和合规性问题外，数据质量差也阻碍了企业AI项目的发展。

AI驱动的变革即将到来，但2025年将是缓慢而稳步进展的一年。 今年，随着更现实的期望占据主导，围绕AI的初步炒作和兴奋已经平息。 对于企业部署而言，这一点尤其明显，因为现有模型的能力与许多业务工作流的复杂性相结合，导致进展比许多人预期的要慢。

许多CIO会向同行学习以了解更多关于AI的知识，但只有少数人认为其他CIO比自己懂得多，这个问题也许只有自我教育才能解决。 在企业内部部署AI的压力下，大多数CIO担心自己对这项快速变化的技术缺乏必要的了解。 在Salesforce调查的CIO中，超过五分之三的人表示，他们被期望对AI的了解超出自己的实际水平，这可能导致大规模的、代价高昂的部署错误。

在GenAI的成功没有固定框架，且几乎没有成功的生产案例可供借鉴的情况下，IT领导者们即便开始关注一些最佳实践，也仍然只有粗略的路线图。 对于IT领导者而言，将GenAI的潜力转化为商业价值的道路仍然陡峭且令人畏惧，但GenAI路线图的关键组成部分——数据、平台和技能——正在不断发展并变得更加明确。 这是上周在MIT举办的Big.AI@MIT活动中，“GenAI在商业中的下一步”小组讨论的关键要点…

颠覆已成为各行各业的常态，但咨询行业的性质使其特别容易受到市场动态变化和宏观经济顺风的影响。 过去几年，经济不确定性、劳动力短缺和技术进步对所有行业都产生了重大影响，这些动态从根本上改变了专业服务公司的运营方式。 随着企业在快速变化的商业环境中重新评估其劳动力需求和企业优先级，其咨询需求也发生了巨大变化。

要构建一个具有韧性的技术体系，高管董事会必须在拥抱新技术的同时管理风险，并使支出与业务目标相一致。 企业技术领导者已从其企业获得了明确的指示：利用最佳技术支持更广泛的业务目标。 为了实现这一目标，CIO需关注两个关键因素：成本和风险。

在探讨制造业的未来时，一个不可忽视的趋势是高科技制造业对人工的依赖正在逐渐减少。 传统观念中，人工操作往往被视为生产过程中的污染源，如呼吸、皮肤屑、头发等都会对精密制造构成威胁，同时人工操作也伴随着各种错误和失误的风险。 因此，全自动化的生产车间，依托人工智能技术的强大支撑，正逐步崛起为制造业发展的新航标。