思杰Citrix大中华区总经理 于放
今年上半年,思杰(Citrix)采访了全球数百位企业领导,想了解他们是怎样应对这场全球疫情的,怎样看待这场危机改变了他们的工作环境,以及疫情事件怎样影响他们对未来工作、员工和技术的看法。
新冠疫情危机改变了我们的工作方式,在技术的支持下居家办公已经成为新的现实。事实证明,对很多企业而言,当前的形势本身就是变革的催化剂,加速了未来工作的提前到来,从根本上改变了工作面貌。最重要的是,这已经证明了只要有合适的技术和领导力,一切皆有可能。
这项研究是我们更宏大的前瞻性研究《Work 2035:人与技术相结合将怎样开创新的工作方式》的一部分,对于企业领导来说,它揭示了新冠疫情危机和全球不确定性使得分散式工作模式变得更有可能,甚至迫在眉睫。这将意味着,在未来,企业将更依赖于临时劳动力,而不是永久劳动力。
近三分之二的企业领导(65%)认为,由于疫情,经济将随着时间的推移而被重塑,一种“平台”的工作模式将占主导地位,这种模式通过利用数字技术促进众多小公司或者自由职业者之间的交流来创造价值。超过半数(54%)的受访者认为,他们可能会转向少员工多承包商的模式,58%的领导可能会减少办公空间。
Work 2035项目探讨了人与技术之间不断发展的关系,在未来,技术既可能增强员工队伍,也可能取代员工队伍。在当前的背景下,最近针对企业领导的一项民调发现,绝大多数人的目光都坚定地放在通过技术来增强员工队伍上,而不是取代。
几乎所有(93%)的企业领导都表示,新冠疫情危机让他们重新评估了人类员工在企业运营中的重要性;而71%的企业领导表示,新冠疫情危机让他们看到,人类员工能够比技术给企业带来更大的价值。但是,使用技术来提高人类工作效率的压力是巨大的:71%的企业领导同意,他们必须找到提高员工工作效率的新方法来应对财务冲击。
最终,企业领导们似乎也说不准,技术和人工智能比人类员工创造更多收入的“转折点”会马上到来。在疫情之前,93%的受访者认为到2030年会达到转折点,但在目前的环境下,这一比例已经大幅下降至55%。
因此,当企业在全球不确定性的大环境中努力发展壮大、在“新的”工作环境中奋进前行时,这一调查结果为企业领导对当前形势的感受、以及当前形势怎样影响他们对未来工作的看法提供了晴雨表。新冠疫情已经证明,只要有适当的技术和工具,一切皆有可能,变化发生的速度比任何人预测的都要快得多。尽管人类员工可能因此而受到更大的重视,但他们也需要以开放的态度接受由技术推动的更分散的工作模式。
这场疫情对企业领导和员工们来说是一次极具挑战性的经历,虽然没有人能够确切地知道2035年的工作环境将是什么样子,但这场危机几乎肯定会产生持久的影响。当前的形势已经向我们展示了未雨绸缪的重要性,随着我们的发展,企业领导不仅要预见到业务和技术环境的快速变化,还应该培养一支灵活、能够适应这种变化的员工队伍。
员工体验应该是成熟的、启发式的,使员工们能够更容易地利用智能技术,以创造性的方式解决问题,更迅速地做出决策。这仅仅是一个开始,虽然可能难以置信,但如果企业领导能够使人类与科技的结合成为积极变革的力量,那么我们未来的工作环境将是最好的。
如果需要详细了解2035年的未来工作,欢迎阅读报告全文:http://now.citrix.com/work2035。
关于该研究
在思杰的支持下,咨询机构牛津分析公司和Man Bites Dog联合开展了初步研究,与由学术界、智库、跨国董事会和主要权威机构的思想领袖组成的咨询委员会就未来工作进行了探讨,讨论了2035年未来工作的愿景以及人与科技之间不断变化的关系。
研究第二阶段对企业领导者和员工展开了独立的意见调查,以便充分了解他们的观点。2019年和2020年,研究机构Coleman Parkes采访了美国和欧洲(英国、德国、法国和荷兰)大型知名企业和中型市场企业的1500多名商业领导者和员工。这些受访者来自金融服务、医疗和生命科学、电信、媒体和技术、专业服务、制造业和零售业等领域。
2020年5月又针对300名商业领导者进行了新一轮调查,旨在了解他们如何应对全球疫情以及此次疫情对他们对未来工作的看法产生了怎样的影响。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。