要在AI转型中生存,领导者必须推动员工超越实验阶段,将人类规模团队转变为机器规模引擎。
这正是智能体数据团队Maia为当今数据领导者所赋能的。下面,Matillion首席执行官Matthew Scullion探讨了为什么好奇心而非技术将决定谁能在AI时代获胜。
每隔几十年,科技行业都会承诺一场革命。有些,如互联网、移动和云计算,从根本上改写了商业规则。其他的,如VR和元宇宙,很大程度上只是口号而已。
AI不仅仅是另一个技术周期;它是数字工业革命,是一个范式转换。
正如蒸汽机用机械动力取代了体力劳动一样,AI正在用智能劳动取代手动认知任务。我们正在走出混乱提示和半成品集成的原始阶段,当这项技术成为从销售到工程等各个部门的无形基础设施时,这种颠覆将像从煤炭到电力的转变一样深刻。
尽管有大量报道、投资和炒作,我相信我们仍然严重低估了AI的影响力和潜力。
目前,"炒作周期"正在如火如荼地进行。每个人都在跟风,但报告显示95%的生成式AI项目未能带来商业价值。这并不是技术弱点的标志,而是可预测的采用阶段。这种情况每次都会发生。首先,我们都在谈论它,然后我们都过度投资。接着我们感到失望并宣布它已死。然后它悄悄地重新连接世界。
历史奖励那些能够看穿所谓炒作周期各个阶段的人。在90年代末,怀疑论者声称没有人会在网上买车或度假;我记得自己与企业进行过这样的对话!今天,特斯拉和Booking.com等公司已经将这种怀疑转化为主导地位。今天蓬勃发展的组织将是那些拒绝在"幻灭低谷"中徘徊的组织。
关键在于AI采用不是技术问题;它是人类行为问题。
根据我的观察,存在一个可预测的分化:
顶部10-20%(AI原生用户):这些人积极投入。他们使用工具自动化输出,本质上通过管理数字团队获得晋升。他们好奇,想要探索这项技术如何改变他们工作、生活和娱乐的各个方面。他们是你公司的未来。
底部10-20%(落后否认者):这些人选择退出,希望趋势会过去。在AI能够处理80%角色工作的世界里,这些职位本质上是短暂的。
中间60-80%(套利者):这里是竞争优势胜负的关键。
作为个人,我们的工作是避免成为那60-80%。作为领导者,我们的使命是通过激励、期望,是的,有时是压力,将中间80%向上推动。技术采用从来不是纯技术性的。它是社会学的,是人类行为。你必须创造一个心理上安全尝试而不尝试就不安全的环境。你必须消除尝试的恐惧并鼓励好奇心。
我们亲身经历了这一点,看到全球组织使用Matillion的Maia——一个智能体AI数据团队,能够自主规划、推理和执行复杂的生产级数据工作流。与仅支持单一查询的标准副驾驶不同,Maia执行端到端任务——如摄取、转换和自动化管道故障排除——以机器规模将业务请求转化为现实。
一些全球最大的组织正在看到巨大成果——将复杂的API构建从几周缩短到几小时,或在几小时内解决长达数月的管道阻塞。通过处理重复、繁重的工作,Maia是一个力量倍增器,让人类工程师专注于高影响力创新,同时将数据路线图加速高达50倍。
更大的图景:AI是炒作吗?不。它是工业革命,只是数字化了。而且它就在这里。关键抑制因素不是技术,而是态度。
未来属于好奇的人。
Q&A
Q1:Maia是什么?它有什么能力?
A:Maia是Matillion公司开发的智能体AI数据团队,能够自主规划、推理和执行复杂的生产级数据工作流。与仅支持单一查询的标准副驾驶不同,Maia可以执行端到端任务,包括数据摄取、转换和自动化管道故障排除,以机器规模将业务请求转化为现实。
Q2:AI技术采用的主要障碍是什么?
A:AI采用不是技术问题,而是人类行为问题。关键抑制因素是态度而非技术本身。领导者需要创造一个心理上安全尝试AI而不尝试就不安全的环境,通过激励、期望和压力推动员工从实验阶段向实际应用转变。
Q3:为什么说95%的生成式AI项目会失败?
A:95%的生成式AI项目未能带来商业价值,这并不是技术弱点的标志,而是可预测的技术采用阶段。这是"炒作周期"的正常现象:人们先谈论技术,然后过度投资,接着失望并宣布技术失败,最后技术悄悄重新连接世界。历史奖励那些能看穿炒作周期的人。
好文章,需要你的鼓励
Helios Towers供应链总监Dawn McCarroll在采访中分享了公司的数字化转型经验。作为一家在非洲和中东地区运营近15000个移动通信塔站的公司,Helios正通过SAP S/4Hana系统升级、AI技术应用和精益六西格玛方法论来优化供应链管理。McCarroll特别强调了公司Impact 2030战略中的数字包容性目标,计划在未来五年内培训60%的合作伙伴员工掌握精益六西格玛原则,并利用大数据和AI技术实现端到端的供应链集成。
德国弗劳恩霍夫研究院提出ViTNT-FIQA人脸质量评估新方法,无需训练即可评估图像质量。该方法基于Vision Transformer层间特征稳定性原理,通过测量图像块在相邻层级间的变化幅度判断质量。在八个国际数据集上的实验显示其性能可媲美现有最先进方法,且计算效率更高,为人脸识别系统提供了即插即用的质量控制解决方案,有望广泛应用于安防监控和身份认证等领域。
威胁行为者在npm注册表上传8个恶意包,伪装成n8n工作流自动化平台的集成组件来窃取开发者OAuth凭据。其中一个名为"n8n-nodes-hfgjf-irtuinvcm-lasdqewriit"的包模仿Google Ads集成,诱导用户在看似合法的表单中关联广告账户,然后将凭据传输到攻击者控制的服务器。这种攻击利用了工作流自动化平台作为集中凭据库的特点,能够获取多个服务的OAuth令牌和API密钥。
布朗大学联合图宾根大学的研究团队通过系统实验发现,AI医疗助手的角色设定会产生显著的情境依赖效应:医疗专业角色在急诊场景下表现卓越,准确率提升20%,但在普通医疗咨询中反而表现更差。研究揭示了AI角色扮演的"双刃剑"特性,强调需要根据具体应用场景精心设计AI身份,而非简单假设"更专业等于更安全",为AI医疗系统的安全部署提供了重要指导。