M1 追求成为 “全面数字原生” 的雄心之旅可能经历了数年,但这一转型已被证明是新加坡这家电信运营商在不断变化的环境中保持敏捷与持续创新的必由之路。
M1 的数字化转型始于 2020 年 12 月,当时它启动了向统一超云平台迁移并彻底改革流程的工作,历时 4.5 年完成。M1 成立于 1995 年,其年度 IT 预算约为 1.1 亿新币。
其目标在于摒弃传统基础设施,转型为数字优先公司,并以此为基础利用人工智能 ( AI ),迎接下一波数字化转型的浪潮。
为此,M1 制定了详细的路线图,旨在实现多个关键目标,其中包括将所有后端系统迁移至云端、构建完全云原生的技术栈,并借助可重用的应用程序接口 ( APIs ) 简化集成,加快产品上市速度。
此外,它还希望构建一个连接后端系统并支持自助服务平台的数据织构,营造便于实现高度个性化数字客户互动的环境,同时实现在线订购的数字化和自动化,以改善客户体验。
总体目标是引入能够提升运营效率并为每一次互动增值的新数字能力。这还意味着让全组织的业务团队能够更快速地做出决策,从而提升其对客户的相关性。
M1 与母公司 Keppel 以及系统集成商 Infosys 合作,对传统系统进行了整合,同时最大限度地发挥现有资产的价值。此外,Born Group 被引入协助 M1 改造其网页渠道。
同时,在需要进行大量定制的领域(例如微服务、数据和移动应用)中,M1 利用邻国马来西亚的离岸内部资源。
M1 还与技术合作伙伴协同整合后端系统,使之能够实现对客户的 360 度全景视图,并采纳最佳实践以提供更丰富的用户体验。如今,Salesforce Service Cloud 作为 M1 客服中心的主干,在各销售渠道中提供一致的客户体验;而 Tableau 则用于提供数据洞见,助力更智能的决策制定。
借助这些工具,例如,M1 的营销团队可以识别受欢迎的设备和服务计划,并自主启动相应促销活动,无需 IT 团队的支持。
精简的技术栈
M1 已将 90% 的运营和业务支持系统迁移至云端,并将其技术栈从近 300 个应用精简为 30 个云原生应用。现在,M1 构建了一个统一的数据湖,将之前散布在不同领域的 200 个数据库中的信息整合在一起。
基于云的 M1 平台进一步赋予了该电信运营商敏捷性,使其能够为客户提供多达 600 万种可能组合的 Bespoke Flexi 服务计划。用户还可以通过该运营商的自助平台在几秒钟内设计自己的方案,无需等待 M1 用两周时间配置和激活新方案。
这种在客户体验方面的提升使 M1 的净推荐值较 2019 年提高了 30%,其整体销售旅程也提升了 75%。通过自动化“从线索到现金”流程,M1 上市时间缩短了两倍,推动企业收入实现 15% 的同比增长;该业务板块在 2021 至 2024 年间增长了 82%。
淘汰传统技术还为 M1 带来了 1000 万新币的成本节约,其“服务成本”预计自 2025 年起每位客户每年节省 20%。重用 API 集成也使 M1 每年能够多完成 13% 的项目,并每个项目节省高达 15 个工日,预计可节省 13.5 万新币。
该电信运营商目前正与技术合作伙伴合作开展概念验证,测试并开发 AI 应用。同时,还在制定将 AI 整合到应用中的路线图,以提升内部能力。
M1 更加重视对具备 AI 技能员工的培训和技能提升,使他们掌握有效利用生成式 AI 的知识。新加坡这家电信运营商认识到,包括 IT 部门 160 人在内的所有 1400 名员工都需跟上技术变革的步伐。为此,M1 不仅在重塑运营结构,也在变革员工的工作方式。
例如,M1 引入了冲刺管理模式,使多个产品团队能够同时执行多个发布周期,并为每个冲刺指派 scrum master 进行领导。M1 认为,这种做法对于保持敏捷性并在竞争中脱颖而出至关重要。
好文章,需要你的鼓励
Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能,通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统,通过锁定浏览器和真实性验证打击作弊行为,据称可减少95%的不当行为。此外,AI课程构建器将扩展至所有合作伙伴,帮助教育者快速设计课程。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
英国政府研究显示,神经多样性员工从AI聊天机器人中获得的收益远超普通同事。在Microsoft 365 Copilot试点中,神经多样性员工满意度达90%置信水平,推荐度达95%置信水平,均显著高于其他用户。患有ADHD和阅读障碍的员工表示AI工具为他们提供了前所未有的工作支持,特别是在报告撰写方面。研究表明,AI工具正在填补传统无障碍技术未能解决的职场差距,为残障人士提供了隐形的工作辅助。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。