混合型工作方式还将继续下去,员工体验从未如此重要
作者:思杰战略执行副总裁Tim Minahan
过去的一年可谓是漫长又黑暗,而现在人们开始看到曙光。展望未来,人们需要接受这样一个事实:他们无法回到以前的工作模式了。波及全球的疫情已经永久性地改变了企业及其员工对工作方式和工作地点的看法。一切都再也回不到从前了。
如果说这次危机教会了我们什么的话,那就是我们可以在任何地方开展工作。的确如此。
思杰和OnePoll最近进行了一项调查,在被问及后疫情时代人们更愿意怎样开展工作时,7,000多名受访者中有52%的人表示他们想要一种混合工作模式,即可以选择每天远程工作或者在办公室工作。而16%的受访者表示,他们对重返办公室工作没有兴趣,更愿意选择长期远程工作。
开弓没有回头箭…
企业对此心知肚明。Teleperformance公司基础设施执行副总裁兼首席信息官Jose Guereque认为:“随时随地的办公模式并非因疫情而起,我们将把混合工作方式作为企业的长久之计。”
其他企业也会效仿。为什么? 因为远程工作模式的确很有效。
疫情期间,企业和员工都看到了灵活办公模式在工作效率、员工参与感及身心健康等方面带来的好处。思杰的研究表明,77%的员工在家工作的时长不变甚至更长,69%的员工表示在家工作的效率更高。
企业对员工们展现出的应变和创新能力颇为赞赏。
Kreston Reeves公司的高级合伙人Andrew Griggs说:“疫情让我们看到,财务顾问和会计师能够轻松地迅速适应新的工作模式。这些富有创造力的员工运用新方法解决了传统问题,这将有助于我们调整并加快落实相关战略举措,从而在未来更好地为客户服务。”
…然而只有改变才能发展
要想把远程办公的优势保持下去,完成工作的方式也需要做出改变。为了让各部门能够远程工作,企业已经克服了面临的各种困难。企业为员工提供了完善的办公工具,无论在哪里工作,都能让他们获取到完成工作所需的资源。
虽然疫情之初员工的工作效率有了大幅提高,但现在的效率却日渐下滑。一方面,员工们所使用的工具确实能够使他们更高效地在家工作,同时这些工具却也越来越分散他们对核心工作的注意力,造成群体性的疲劳,并增加了挫败感。
员工们的工作时间可能更长,但他们完成的工作量却越来越少,因为他们有太多的工具,这些工具会经常性的打断工作,导致他们在不同的应用程序和界面之间切换工作情景,进而无法高效的参与、协作和执行工作。
根据思杰-OnePoll的调查:
体验感很重要
企业战略集团高级分析师Mark Bowker表示:“当前,最重要的是为员工提供简单、易操作的工作体验。为了让员工在当下的混合工作模式中仍保持积极高效的工作状态,企业不仅要为他们提供可安全访问的办公资源,还要提供能够使他们在不同工作渠道、设备和地点都能更高效且更有效工作的办公工具。”
要做到这一点,不能简单通过把个人聊天和协作工具拼凑在一起去实现。这会迫使员工采用别的工作方式,而不是他们习惯的工作方式。企业需要的是一个可以一举三得的平台:
实际上,企业应该在人与技术之间建立一个体验层,消除员工日常生活上的干扰,让他们能够以自己想要的方式工作。
遂心工作
今天,大多数IT部门是根据系统的运行方式来调整工作的。未来,如果他们想让员工们快乐而又高效地工作,就需要调整系统以适应员工的工作方式。
正如很多企业从这场疫情中学到的,数字工作空间是应对此环境的有效方法,因为它提供的平台使员工能够:
IT部门能够:
未来仍然扑朔迷离。但有一点是肯定的:混合工作方式还将一直存在。企业为了使自己在疫情中脱颖而出,处于更强、更有利的地位,就必须找到一种简化工作的方法,并为员工提供所需的空间,助其走向成功。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。