Gartner每年一度的全球首席信息官和技术高管调查显示,首席信息官和IT领导者必须采取行动缩短价值实现时间 (Time to Value) 并通过数字投资推动企业收入和利润的增长。
Gartner研究副总裁Daniel Sanchez Reina表示:“首席信息官在兑现数字红利方面的压力超过了以往任何时候。首席执行官和董事会期待着在数字资产、渠道和数字业务能力上的投资能够推动前所未有的增长,而且业务领导层现在希望看到这些靠数字化推动的改进反映在企业的财务数字上。”
“首席信息官预计2023年IT预算将平均增长5.1%,低于预测的6.5%全球通胀率。经济压力、稀缺且昂贵的人才以及持续不断的供应链问题这“三座大山”正在增加缩短价值实现时间的愿望和紧迫性。”
Gartner分析师近期公布了调查结果。2023年Gartner首席信息官和技术高管调查采集了来自81个国家和所有主要行业2203名首席信息官受访者的数据。这些首席信息官所在企业机构的收入/公共部门预算总和为约15万亿美元,IT支出总和为约3220亿美元。
调查分析显示,首席信息官可以通过四种方式兑现数字红利并展示技术投资对财务的影响。
优先实施正确的数字项目
调查受访者对其高管在过去两年中的数字技术投资目标进行了排名。排在前两位的目标是提高运营效率(53%)和改善客户或公民体验(45%)。相比之下,把增加收入和提高成本效率作为主要目标的受访者分别只有27%和22%。
Gartner杰出研究副总裁Janelle Hill表示:“首席信息官必须优先实施面向市场、影响增长的数字项目。这意味着一些首席信息官必须走出内部后台自动化所营造的舒适区,重点开展面向客户或公民的项目。”
调查显示,相比增长,首席信息官未来的技术计划仍然集中在优化上。首席信息官在2023年增加投资的前三大领域是网络和信息安全(66%)、商业智能/数据分析(55%)和云平台(50%)。只有32%和24%的受访者增加对人工智能(AI)和超自动化的投资。
Hill表示:“优秀的首席信息官更懂得使用数据、分析和AI发现可能带来增长机会的各种新出现的消费者行为或情绪。”
创建指标体系
调查发现,95%的企业机构在制定数字化改革的愿景时,常常会因为不同相关方之间的期望冲突而遭遇困难。为了提高财务业绩,首席信息官必须使用可视化的指标体系传达和展示相关数字项目之间的相互依赖性,调和各个孤立的项目。
Hill表示:“责任制度是加快兑现数字红利的关键要素之一。如果企业采取了一个数字项目来改善客户体验并制定了提高利润率的财务目标,那么首席信息官可能要与首席营销官共同负责这个项目。”
首席信息官应该与每个数字项目的职能领导人沟通,了解“改进”的含义以及衡量的方式。可以创建一张反映每个项目技术和业务成果指标体系的图片来帮助确定共同兑现焦点红利的责任链
为业务部门领导的融合团队贡献IT人才
为了加快数字项目的速度,IT部门需要与业务部门领导者进行战略合作,然而调查显示IT部门在方案交付方面倾向于“单干”。例如77%的首席信息官表示创新和协作工具主要由IT员工提供,18%的受访者表示这些工具由非IT人员提供。
Sanchez Reina表示:“在数字交付上过度依赖IT人员是一种可能会阻碍敏捷性的传统思维模式。首席信息官必须通过设计实现数字交付的民主化,以此加快价值实现时间。为了更快地实现业务目标,可以培训并授权IT部门以外的人员建立数字能力、资产和渠道,尤其是业务技术人员。”
可以将IT人员借给由业务专家、业务技术人员和IT人员组成的融合团队,打造出一支专注于实现数字业务成果的团队并实现互惠,例如让业务部门中的领域专家加入到IT部门领导的融合团队。
使用非常规资源弥补人才缺口
许多首席信息官仍在想方设法地招聘和维系IT人才来加速数字项目。但调查发现许多技术人才来源尚未得到开发。例如只有12%的企业使用学生(通过实习项目和与学校的关系)来帮助发展技术能力,只有23%的企业使用临时工作者。
Sanchez Reina表示:“人才短缺问题是阻碍数字化的最大障碍之一。首席信息官往往受到首选服务商或雇用合同相关政策的限制,所以他们必须向业务和人事部门的领导层强调使用非常规人才来源有助于加快数字红利的兑现。”
好文章,需要你的鼓励
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
亚马逊云服务宣布投资500亿美元,专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力,扩大政府机构对AWS AI服务的访问,包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开工建设。AWS CEO表示此举将彻底改变联邦机构利用超级计算的方式,消除技术障碍,助力美国在AI时代保持领先地位。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。