2017年12月4日,北京——领先的数字化创新企业埃维诺表示,有三项前沿创新技术有望在2018年推动全球企业实现变革:适用于零售业的增强现实技术、由技术驱动的良好员工体验,以及工作场所中的虚拟助手。
埃维诺通过对2017年的市场分析做出了本次最新的预测。埃维诺也准确预测出了今年的市场趋势,包括:增强现实技术延伸至视频游戏领域之外,成为企业必须重视的新课题;创新由设计思维驱动,并最终实现虚拟现实的体验;随着能够追踪消费者和员工数据的数字设备呈爆炸式的增长,数字伦理变得越来越重要。对于2018年,埃维诺认为以下三个创新有望为企业带来新的机遇:
零售体验处于变革之中并不是什么秘密。随着商店的演变,消费者更青睐那种店内能提供丰富数字体验的探索式购物。分析公司IDC预测,到2020年将有40%的领先品牌商为消费者提供店内及店外的数字体验,并通过向移动用户提供可视化的增强数字内容来提升零售商的销售。
2018年,中国市场的零售商应该接受并尝试新的数字技术,以提升消费体验。其中包括:
用以提升衣物试穿体验的增强现实和虚拟现实技术
通过聊天机器人为客户提供服务的虚拟助手
商店和超市内的交互式商品销售柜台
埃维诺最近开展了针对虚拟助手的调研,以了解消费者是否认为虚拟助手在处理假期事务方面还能做得更好。埃维诺全球高级副总裁及大中华区总经理郭秀闲女士表示:“在我们所调研的零售商中,有超过半数计划在未来一到两年内在店内使用增强现实、虚拟现实和机器人技术。同样的,我们必须意识到这些新技术对员工的影响。和那些服务客户的数字化工具相比,用于培训员工并提供个性化员工体验的数字化工具同样非常重要。”
企业的人力资源或人事部门通常需要负责提升员工的工作参与度和满意度。随着创新技术的出现,未来的工作场所将焕然一新。2018年,企业将更加依赖于技术团队来帮助企业各部门员工熟悉和接纳数字技术,并借此提高员工的工作参与度和效率,创造更多的商业价值。
麻省理工学院信息系统研究中心表示,如果将那些在员工体验方面排名前四分之一的公司与排名后四分之一的公司对比,前者的创新性是后者的两倍,盈利能力也高出 25%。这些调查结果也证实,在企业当前的数字化转型中,虽然盛行的做法是提升客户的体验,但企业也需要把提升雇员的体验放到同等重要的地位。此外,公司的当务之急是需要把对数字化员工的培养作为企业发展战略的核心。
郭秀闲女士认为:“企业需要制定一个注重员工个性化,提高效率和沟通工具的数字化转型策略,帮助员工更好完成其工作。 这有助于企业创造出一种更为高效和社交化的工作方式,提供更棒的员工体验,提高其吸引和留住顶尖人才的能力,以及实现更多的业务价值。所有这些都有助于提升雇员的工作参与度和效率。”
2018年,语音将成为焦点,个人和消费领域之外的市场尤为如此。分析公司Gartner预测,到2021年,那些为了实现视觉和语音搜索而重新设计网站的先行者,其电子商务收入有可能增加30%。最初,这种消费技术将通过提高生产力以及改善时间管理来影响企业并改变工作方式。例如,私人助理和办公室经理在进行多项任务时,能轻松地查找和预订出行机票、酒店等。电脑编程人员将能够通过语音搜索项目开源代码。
郭秀闲女士表示:“无数的企业将虚拟助手融入到日常工作当中,提高了工作效率和生产力。像Cortana、Alexa、Siri和Google Home这样的虚拟语音助手目前都是领先的助理平台,但随着该趋势蔓延到工作场所,将有更多后起之秀出现。它们其中或许有专门为企业开发的语音助手,事实标准也可能随之出现。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。