进入数字化转型时代,业务作业与 IT 系统的关联只会越来越强,企业决策需要更多地依赖数据与算法,这时候很可能出现的是业务需求不断爆发而 IT 能力有限的矛盾,因此在企业开展数字化转型的过程中,IT 系统的定位也在发生变化。
针对相关话题,《行知数字中国》栏目第三期邀请了过去30年亲历过中美高科技行业、零售业、金融业和制造业等不同行业的 IT 老兵、前美的 IoT 副总裁兼 CTO 向江旭。他曾在引领科技创新潮流的硅谷深耕技术研发,回国后赶上中国蓬勃发展的移动互联网时代,又以技术管理者的身份亲历了数家企业的数字化转型历程,在一次次跨越边界、不断探索的过程中,他对”数字化转型“的理解始终如一:将数字化技术应用到企业或者行业当中,去优化甚至于改变业务流程,最后使其产品和服务能给用户带来更大的价值。
《行知数字中国》是极客邦科技旗下 InfoQ 极客传媒倾力打造的深度对话视频栏目,围绕行业中一个个具代表性的优秀的先行企业和实践案例,通过探访、访谈等形式拍摄制作,立志为观众带来最有价值、具备启发性的数字化转型相关内容,传播先进的实践和思想理念。
本期视频中,向江旭结合其亲身经历,分享数字化转型和创新的经验和教训。可微信搜索 InfoQ 视频号,观看《行知数字中国》第三期内容:《30 年 IT 老兵谈数字化:这就不是个技术活》

向江旭表示,早期的时候 IT 主要是支持的角色,支持组织内部系统的运作,后来把业务系统数字化之后,它相当于是赋能的角色,需要更多地帮助业务开拓,包括怎么去管理库存、促进营销获客。最后,IT的理想目标是发挥引领作用。
虽然目前 IT 还没能达到引领的地步,但很多公司的 IT 已经在从支持、被动响应,甚至于内部乙方的角色,逐步地转变成赋能的角色。这里面会存在不少需要博弈的地方。从业务方的角度,IT只要能帮助完成业绩目标、搞定业绩就好,对未来的布局、或者底层那些看不着的建设就难以体会。
然而,技术团队毕竟资源有限,从技术负责人的角度来说,必须要权衡短中长期的一些项目跟优先级。支持好业务是第一步,但一定要走到第二步“赋能”,甚至能够做到第三步——在某些方面、某些领域、某些业务线是引领的角色,这样才能真正体现产品技术部门的价值。
怎么样让 IT 和业务融合、怎么样去赋能、怎么样去引领,其实这些都没有一个定论。比如通过轮岗,让产品技术人员和业务人员联合办公;也有可能会涉及到组织架构融合,从集中式的技术团队到分布式BU,每个业务线有自己的技术团队,还有双线的或矩阵式的汇报方式。方法各式各样,但没有一个会是完美的,只有在某个时间段对某家公司最合适的。
向江旭回忆起曾经宜信公司有个特别好的口号,叫“游到河对岸”。公司鼓励产品技术人员不仅只是一流的技术人员,也要成为二流的金融专家,而一流的金融专家也要变成二流的技术专家。也就是说,技术人员、IT人员都要成为半个金融专家,因为只有这样做出来的系统才能真正满足金融客户的需求。
企业数字化转型如火如荼,当中不免存在一些误区,其中一个比较常见的误区是:大家很难对数字化有一个正确的期望值。
要么对数字化寄予无限的希望,要么是怀疑且丝毫不提供支持,很难有一个动态的、发展的眼光去看待它。“做CTO、做技术负责人面临的痛点是,如何设立期望值。”
宏观地看,数字化转型并不是指代一两个项目,或一两个系统,它是一个过程,由多个项目跟系统组成,并且很多时候,过程中可能大部分的项目是不成功的,但这不意味数字化转型的进程就是失败或停滞不前的,因为失败的项目所积累下的经验教训,包括一些源代码,都是能在未来的行动中起到作用。
不要因为经济下行,需要降本增效,需要保持核心的业务的保障,就把很多以前前期的投入戛然而止。做数字化转型的过程中要适当保留一些火种,定力和战略眼光对于决策人来说尤其重要。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。