作者:Safi Obeidullah,Citrix Field CTO,APJ亚太及日本地区首席技术官
很多原因都可能导致企业日常运营的中断。无论企业规模大小,都难免会发生一些突发情况,并因此影响员工的工作效率。导致业务中断的原因多种多样,包括自然灾害、IT事件、断电或电信服务中断等。问题是,企业应如何提前应对业务中断?
企业的灾难恢复计划可能更侧重于核心技术元素、数据中心、关键基础设施和系统;而业务连续性计划则立足于更广的视角,着眼于整个企业,从而尽量降低或完全避免业务中断对企业日常运营造成的影响。试想这样一种情况:IT系统100%可用,但员工却不能访问?他们要么无法赶往办公室,要么无法进行远程办公。那他们该如何开展工作呢?
对于任何规模的企业而言,制定业务连续性计划都是尤为关键的一步,因为它提供了一个旨在应对业务中断的框架。以下是从IT角度考虑保持企业业务连续性时,需要注意的一些指导方针:
无论是关键的IT基础设施和系统,还是业务流程,在设计和构建之初,都应该考虑到业务中断的情况。如果您在刚开始开展相关工作时,就考虑到了业务中断的应对之策,会比事后亡羊补牢要容易得多。
即使撇开技术不谈,仍需考虑到员工需要遵循的工作流程。由于许多业务流程都只存在于员工脑海中,因此应该对关键业务流程进行确认、记录并尽可能实现自动化。
当您所在的企业出现业务中断时,它不一定能够提供所有的服务。您需要确认较为关键的功能,并按照重要性对其进行排序,从而确保您的企业能够继续运营。要确保您从更广的角度看待业务运营,而不仅仅局限于IT领域,如果员工不能前往办公室工作,您的主要供应商是否有业务连续性计划来应对突发情况?
考虑到业务中断的不同方式,以及业务运营的不同环节会产生不同的影响,一旦您确定了关键功能,并对其可能受到的影响进行了评估,您就需要制定出对应的措施来降低相关风险。应对措施可能是切换至手动流程,也可能是需要特定的技术解决方案。要确定替代的运营模式,并将其纳入到业务连续性计划中。
必须将清晰的业务连续性计划存档,并存放在适当的地方,以便所有需要它的人都能够正常访问,而且尤为重要的是,在任何地方都能够访问。将计划存放在数据中心的服务器上就毫无意义,因为您不在办公室时,就无法访问这些服务器!
业务连续性计划应涵盖以下内容:
最后,业务连续性计划的制定并非一蹴而就。随着业务的变化,无论是增加了新的系统或流程,还是设置了新的业务功能,都要随之更新业务连续性计划的内容,保证它成为一份不断完善的动态文档。
目前,制定业务连续性计划是确保业务连续性的传统方法。当业务发生中断时,这为企业提供了一种替代方案。然而,作为一种不同的工作方式,它也需要维护。所以当遭遇业务中断时,企业可能需要部署其它的替代解决方案,因而需要对员工开展相关培训,以便他们了解在这样的情形下如何以不同的方式开展工作。
但是,为什么一定要这样呢?对于由于员工无法前往办公室办公而导致的业务中断,只需要员工能够远程办公就足以解决问题了。他们在家办公和在办公室、咖啡馆、机场等其他任何地方办公有什么不同呢?借助GoToMeeting或Teams这样的会议服务软件,他们可以跟身处任何地方的人会面和开展协作。而借助Citrix Workspace这样的工作空间技术,他们可以访问高效开展工作所需的所有应用程序、数据和工作流程。
企业需要为员工配备适当的工具,让他们无论身在何处都能高效地开展工作。工作不是指一个场所,而是指人们正在做的一件事情。员工远程工作的方式应该与他们在其他任何地方工作的方式相同。
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。