北京—2022年7月26日—为从云端到边缘的 IT 资产提供检测、管理、保护和服务的自动化平台提供商Ivanti宣布,推出Ivanti Neurons 神经元数字化体验功能(Ivanti Neurons for Digital Experience),该解决方案可帮助IT团队更好地理解、衡量和改善其数字化员工体验。通过此次发布,Ivanti 将继续履行其支持和保障无处不在的工作空间之使命,将 IT 服务管理 (ITSM)、统一端点管理 (UEM) 和网络安全结合起来,使 IT 团队能够 360 度全方位了解整个 IT 资产的情况。
作为一款超自动化平台,Ivanti Neurons神经元平台基于人工智能和机器学习来满足全球远程办公和混合办公进程中 IT 和安全团队不断增长的任务需求,并且可自主地对设备进行自我修复和自我保护,为终端用户提供个性化的自助服务体验。Ivanti Neurons 神经元平台使用超自动化手段,为无处不在的工作空间中的所有资产提供实时信息,包括每个端点和物联网边缘,同时为员工提供消费者级别的优质体验。Ivanti 计划每季度对 Ivanti Neurons 神经元自动化平台加以更新,从而能持续增强全平台的解决方案,进一步帮助客户快速安全地融入未来的工作场景。此项创新技术的详情如下:
• Ivanti Neurons 神经元数字化体验功能(Ivanti Neurons for Digital Experience),可有效地衡量和主动优化员工在无处不在的工作空间中所依赖的设备和应用的使用体验,并为 IT 团队提供:
○ 实时、实用的洞见:汇总并监测员工用于生产的所有设备和应用的使用情况、性能和安全数据
○ 理解员工情绪:不仅局限于完成服务工单后的调查,还可以通过交互式自动化机器人收集语境情绪,以了解员工对完成工作所使用技术的体验
○ 跟踪体验随时间的变化并加以优化:衡量、评估和优化数字化员工体验,跟踪体验随时间的变化情况并预测潜在的生产力下降风险
○ 防患于未然:发现潜在的 IT 和安全问题,并就修复和改善数字化员工体验的行动提出建议。
这一点至关重要,因为 Ivanti 最近的一项研究显示,49% 的员工对公司提供的技术感到失望,26% 的员工正因此考虑辞职。Ivanti 神经元数字化体验功能使IT团队具备全局洞察力和智能自动化手段,以便主动检测和解决各种问题和安全漏洞,从而提供更好的数字化员工体验和业务成果。
“我们已经进入了‘员工时代’,为此组织和 IT 团队需要为不断壮大的混合员工队伍提供情境化数字体验,”Ivanti 总裁兼首席产品官 Nayaki Nayyar 表示。“通过Ivanti Neurons神经元自动化平台,我们能够帮助企业量化和优化员工体验,并且我们的Neurons神经元平台提供跨设备无缝化员工体验,并为组织提供各种丰富的功能。”
Ivanti 是唯一一家兼顾端点和网络安全、IT 服务和资产管理以及统一端点管理等领域的供应商。 Ivanti 利用自身独特优势提供完整的员工数字化体验视野,并利用工单前和工单后交互技术推动改进,同时通过无代码和低代码平台实现广泛修复,并凭借Ivanti Neurons 平台提供实时情境化信息。
“现代企业 IT 的成功取决于其能否利用数字技术准确衡量员工体验,”Enterprise Management Associates研究总监 Steve Brasen 指出。“员工生产效率的提高直接影响组织吸引和留住重要人才的能力,并能够提高企业敏捷性和竞争力、降低运营成本,进而推动组织的成功和盈利能力。对数字化员工体验的有效衡量为组织提供了重要的可见性,有助于加速组织目标的实现。”
好文章,需要你的鼓励
研究通过Android Auto平台收集的急刹车事件数据,与实际道路交通事故率建立了显著正相关关系。分析加州和弗吉尼亚州10年公共事故数据发现,急刹车事件覆盖的路段数量是报告事故路段的18倍,能够提供连续的高密度安全信号。研究验证了急刹车事件作为交通安全领域"领先指标"的有效性,为道路风险评估提供了新的数据驱动方法。
加州大学伯克利分校研究团队开发的Pillar-0是一个突破性的医学影像AI系统,能够同时处理CT和MRI等多种影像类型的366项诊断任务。该系统采用创新的多窗技术和Atlas架构,在四种主要影像检查中准确率达86-90分,显著超越谷歌、微软等竞争对手。研究团队还开源了完整系统,为全球医学AI发展提供强大基础。
在AI竞赛中,Bose将所有AI技术投入自适应降噪功能。与苹果AirPods Pro 2相比,Bose QuietComfort Ultra Earbuds 2的ActiveSense模式响应更快、更平滑。该技术能无缝识别环境变化,自动调节降噪强度,无压迫感且自然过渡。相比花哨的翻译或聊天功能,这种日常实用的AI降噪技术更具价值。
马里兰大学研究团队开发MASS系统,通过空间时间感知技术让AI具备物理学家般的视频理解能力。该系统创建了包含8361个问答对的MASS-Bench基准,将视频中的运动轨迹转换为AI可理解的语言描述,并使用强化学习训练模型的物理推理能力。实验显示经过训练的模型性能提升6-8.7%,在物理异常检测任务上甚至超越商业顶级产品,为AI视频内容审核、教育和科研应用开辟新方向。