Chrystal Taylor, SolarWinds 首席极客
进入 2022 年下半年,企业领导层都开始对明年的财务目标和预算展开热烈讨论。但由于全球经济仍处于动荡之中,人们对经济衰退的担忧也日益加剧,因此 IT 部门领导者最好能够降低自己的预期,更重要的是,他们现在的首要任务是确定未来的优先事项、考虑新的解决方案,并进一步巩固 IT 部门作为业务部门重要合作伙伴的价值。
全球疫情体现出提前做好准备的重要性,在愈加莫测的新财年到来之际,以下是 IT 部门领导者及其团队应该考虑的四个方面。
适应企业内部不断变化的沟通方式
尽管大多数 IT 部门领导者应该已经知道这一点,但在当前环境下仍需要重申一遍。旧规则仍然适用,比如根据业务方面的优先事项调整提案或议题,包括盈利能力、盈亏底线、效率等,仍然是一种吸引和保持注意力的可靠方法。但同时也要注意新出现的问题,网络安全、数据监管、漏洞等风险方面的议题正在成为董事会最为关心的内容,有远见的 IT 领导者应该对其予以关注。
另外,在与企业高层交谈时,最好采用以结果为导向的论证方法,比如强调解决方案的技术“诀窍”并解释其对企业的好处,如减少许可成本、提高 CSAT 分数或加快问题解决等,因为这种论证方法更适用于这些关注成本上涨和缩短投资回报时间的受众。
扩展可见性至关重要
数字化转型加速、工具滥用和远程办公令 IT 复杂性迅速增加并愈加难以控制。最新的 SolarWinds IT 趋势报告显示,IT 团队越来越担心缺乏可见性,55% 的受访者表示,他们只对企业机构中一半的应用和基础设施具有可见性,这引发了从项目延迟到影响投资回报等连锁反应。
投资的每一分钱都很宝贵,所以必须阻止这一趋势。当务之急是提高每个终端设备、云平台和应用的可见性,然后建立连接,为 IT 团队提供全面了解和控制各种完全不同或孤立系统所需的数据。只有如此,他们才能以更加积极主动的姿态应对性能问题、更好地遵循服务等级协议,并最大程度地减少停机时间,避免企业付出时间、金钱和声誉的代价。
永远不要在监控和安全上吝啬投资
去年,网络攻击增长了数百起,数据泄露事件增加了68%,44% 的行业领先企业每小时的停机成本超过百万美元,单单这些头条新闻就为加强监控和强化网络安全措施提供了强有力的理由。日益复杂的混合 IT 环境、愈加严格的服务等级协议,以及因为远程办公不断普及而扩大的威胁攻击面,都表明企业在 2023 年需要为监控和安全拨出更多的预算。
凭借更强大的监控能力和扩展的可见性,IT 团队还可以对整个 IT 基础设施进行有效的评估。通过查看现有的网络数据,他们不仅可以确定疫情时期的解决方案是否仍能满足当前员工的需求,还可以确定从更高级别的自动化或安全措施中受益的业务领域,这使 IT 团队能够更有战略性地分配并最充分地利用IT 预算,以获得更好的长期效果。
最后,选择正确的“战场”
即便 IT 部门领导者做了正确的事,也提出了最令人信服的论据,但有时得到的结果仍可能是令人失望的。这个时候不要花费更多的时间和精力去推动升级或进行新的投资,而是应该继续前进。IT 团队可以更好地去识别一些机会领域,以此通过整合、优化和自动化带来更多投资回报、降低成本或提高性能。
这种做法是明智之举,因为在缩减的不仅仅是 IT 预算。对扩展混合 IT 基础设施的需求不断增加,大多数 IT 团队的时间、精力和资源都变得捉襟见肘。无论是盘活遗留系统还是支持实施新的解决方案,有远见的领导者在优先考虑提高人员技能或扩大团队规模时都明白,一切的关键在于人。
坚定不移地注重团队建设、战略优先事项和企业内部的沟通方式,能够让 IT 部门领导者和团队更好地为来年做好准备。无论前方是充满坎坷还是一帆风顺,对于保证 IT 团队以及每天所支持的业务的持续生产力和效能,以上四个方面都至关重要。
好文章,需要你的鼓励
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。