Vivek Bharadwaj是服装制造商Happy Socks的首席信息官,他的工作职责涵盖了广泛的领域。除了领导企业技术战略、IT转型和数字营销外,他还监管公司的后端系统、电子商务路线图、网络安全措施以及数据工程和分析。
简而言之,Bharadwaj需要身兼多职——或者如Computer Weekly所说,需要穿很多"袜子"。Bharadwaj对此表示认同:"我可以纵观我们的不同职能,在看到问题时拉起红线,并在流程中找到共同点。"
Bharadwaj曾在加拿大零售商Hudson's Bay和高等教育专业机构General Assembly担任数据和营销高级职务。他于2023年8月加入Happy Socks担任数据主管,负责建立公司的数据基础。2024年1月成为首席数据官,并于2024年5月晋升为首席信息官。
"我的角色现在涵盖整个技术堆栈,"他说。"这一责任从数据基础设施延伸到电子商务体验。我看到所有这些领域的协同作用,例如,我们运营精简、数据驱动的营销堆栈来管理营销优化。"
**践行理念**
Bharadwaj在Happy Socks的角色是他的首个首席信息官职位。对于一个拥有数据和营销背景的人来说,他如何应对企业技术的责任?答案是:到目前为止,一切顺利。
"这是一次非凡的学习体验,"他说。"我仍然为自己感到自豪,尽管这让我的团队有些沮丧,我喜欢深入了解我的团队需要修复的拉取请求。但我带来的价值是,我能够从更高的视角看待全局。我能够建立跨业务连接。"
Palamon Capital Partners在2018年收购了Happy Socks的多数股份。如今,Bharadwaj说执行团队有明确的发展方向。他与同事协作,考虑如何让数据、技术和数字服务支持业务运营和客户服务。
"每个高管都带着现有的深度技能进入角色,但随后这种能力会延伸到'这是我们还能做的事情',"他说。
"我们本质上是运营者;我们喜欢践行理念。我加入Happy Socks的观点是,信息的获取是打破业务孤岛并能够带来更好决策过程的关键。"
当Bharadwaj进入首席信息官角色时,他开始思考宏大的技术驱动目标。他没有仅仅对业务需求做出被动响应,而是试图创建一个专注于开发集成技术堆栈的主动方法。他说这种方法需要回答一些重大问题。
"我的角色现在涵盖整个技术堆栈,从数据基础设施到电子商务体验。我看到所有这些领域的协同作用,"Bharadwaj说。
"我们如何看待构建与购买的场景?我们应该在内部做什么工作,应该从外部购买什么技术?我们如何管理既要成为业务单位的服务导向技术合作伙伴,同时又要执行关于安全、治理和数据透明度的某些核心理念这一难题?"他说。
"这些考虑在我们运营的隐私意识、GDPR优先的世界中至关重要。这些就是我们处理的推拉力量——增长与效率、安全与赋能、通过自助服务赋权与帮助业务遵循最佳实践。正是这些权衡使这个角色变得有趣。"
**建立AI指导原则**
Bharadwaj最大的成就之一是建立了一个人工智能驱动的业务流程转型单元,以提升销售、物流、营销和规划的运营。他说这个新单元证明了公司有意识地投资于负责任的AI。
"我们有适当的防护措施,"他说。"我们专注于那些关键的人工参与环节,确保我们专注于改进业务流程,而不是向客户暴露AI功能,这是一个更不确定的领域,因为事物总是在变化。"
新兴技术已经被应用于后端流程。公司面向客户的网站使用AI驱动的推荐。Happy Socks还与技术公司Snowflake合作,使用其数据能力,包括Cortex AI工具套件和大语言模型,来提升搜索引擎优化(SEO)流程。
"我们正在自动生成和改进产品描述,并使用我们在Cortex上构建的Streamlit应用程序,通过SEO丰富的关键词添加元信息,"他说,表明该技术帮助提升了公司使用的关键词广度,并提高了网络上的有机搜索性能。
Bharadwaj说Happy Socks对使用其他AI模型持开放态度。公司与多个提供商和大语言模型合作,运行基于AI的推荐服务,比如客户电子邮件营销。所有这些项目都运行在独立堆栈上。
"我们方法的美妙之处在于应用程序托管在我们的系统内部,"Bharadwaj说。"这种方法使测试和学习过程变得更好。我们可以考虑不同的模型,比如考虑是否要从Llama迁移到Gemini。我们的整个方法是平台无关的。"
Bharadwaj旨在确保公司的AI政策为构建与购买问题提供一致的答案。
"整体理念是我们运行Snowflake Cortex并创建Streamlit应用程序,我们希望将这个元素作为AI战略的重要组成部分,比如用于快速产品描述,"他说。
"然而,我们还有其他正在进行的项目。这些倡议中的每一个都是迭代实验,我们从小的价值交付开始。然后,一旦我们开始提供可衡量的业务价值,我们就会将这个项目转化为更大的服务。"
**构建数据基础**
除了AI领域,Bharadwaj说他作为首席信息官最大的成就是消除了企业业务单位中数据孤岛。
Happy Socks在2024年迁移到Snowflake AI数据云,以帮助业务变得更加数据驱动。公司使用Snowflake和一系列相关技术构建了绿地数据平台,包括dbt、Airbyte和Sigma。
在实施平台之前,公司的大部分报告都是在Excel中完成的。Bharadwaj说使用Snowflake和集成数据堆栈帮助激发了决策过程的根本性变化,并启用了自助分析。
"我们的数字团队多年来一直在做手动报告,"他说。"他们在早上八点领导团队到达之前,需要查看多个数据源并将其放入Excel电子表格中。现在,通过Snowflake,这个过程变成了每15分钟更新一次的实时报告。对我来说,这就是成功。"
公司继续探索潜在用例。未来12个月的一些优先领域将包括预测分析、库存管理和个性化,特别是与客户的电子邮件沟通。Bharadwaj说对信息的高度可见性使业务中的人们更容易做出决策。
"当我们的销售和财务领导团队聚在一起查看数据和他们报告特定数字方式的不一致性时,洞察就会浮现出来——信息现在很容易暴露。这种洞察允许团队在他们的流程中走得更远,"他说。
"我们的数字团队多年来一直在做手动报告...发现多个数据源并将其放入Excel电子表格中。现在,通过Snowflake,这个过程变成了每15分钟更新一次的实时报告。对我来说,这就是成功,"Bharadwaj说。
"当我们能够通过更好的数据访问提高决策速度时,这是这项工作好处的直接结果,也是我们最大的成功之一。我们在这个旅程上还有很多工作要做,但我们喜欢庆祝我们的成功。我鼓励我们的团队享受所有的小胜利。"
**满足新要求**
Bharadwaj说他的团队构建数据平台的努力将在长期内带来回报。虽然许多人关注新兴技术的潜在好处,但首席信息官必须确保强大的基础设施到位。
"当我加入公司时,因为我有数据背景,很多人问我关于AI的计划,"他说,指的是他开始为Happy Socks工作的时候。
"我说,'目前还没有,因为我必须从基础开始'。这对我来说成为了一个很大的动力。"
Bharadwaj和他的团队继续完善他们的方法,并渴望确保技术的谨慎和成功实施。他再次提到负责任的AI和检查与平衡的重要性。
"我在公司制定的技术政策之一是,我们不会在没有人工防护措施的情况下发布AI应用程序,"他说。"因此,如果我们的技术团队启动应用程序,必须有人参与其中。人类需要有最终决定权。"
有了这些防护措施,Bharadwaj的团队将寻找利用AI和数据的新方法。他说技术团队的总体发展方向是创造尽可能多的洞察,帮助业务更好地了解其客户。
"在零售业,我们看到品牌的商品化,所以区分和对客户产生影响变得更加困难,"他说。
"因此,对我们来说,能够倾听客户的声音是一件大事——不仅仅是当他们说话时,还包括他们的行为,这涉及理解他们的行为,通过洞察思考他们的需求,并将所有东西整合在一个统一的客户旅程中。"
在竞争激烈的零售世界中,Happy Socks必须找到新的方法来给购买其产品的人们带来惊喜和愉悦。Bharadwaj说新兴技术的部署将帮助公司更有效地应对客户快速变化的需求。
"这些洞察对我们来说是更敏捷的重要推动因素,"他说。"我们希望更接近市场,提供客户正在寻找的正确产品和体验。"
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。