如果你想总结2023年，那么其中最重要的主题必然是GenAI，我们中很少人记得有一项技术以如此快的速度和如此大的影响席卷了企业界，几乎每天都有新的事态发展登上头条新闻。虽然仍然充斥着警告和未知，但GenAI将对我们的生活和工作方式产生深远的影响。
但是，围绕GenAI的兴奋可能会分散商业领袖对其他一些核心业务要务的注意力，以及重组公司的重要性，出于这个原因，我们认为，快速浏览一下可能不会占据新闻头条、但正在塑造现代商业格局的十大基本理念，可能会有所帮助，其中一些想法代表了重大转变，比如构建业务架构以便所有东西都可以进行测试的重要性，或者如何考虑每个人都有自己的GenAI“Copilot”的员工队伍，其他方面，比如密切关注价值，与业务基本面有关，而这些基本面在日常需求和技术炒作的压力下往往被忽视。
1、软件正在吞噬世界
我们都熟悉Marc Andreessen经常被引用的观点，“软件正在吞噬世界。”虽然这一点一如既往，但对于商业领袖来说，更重要的关注点是他们如何能够很好地使用软件来构建从商业到数字产品的东西。建造新的数字产品和服务的成本将继续下降，同时可用的工具将更容易使用，为更多的公民建筑商打开大门，使建造过程更快、更便宜。扩展仍将是一项需要特别关注的挑战，但学会快速构建、测试和适应的公司将处于创造价值的最佳位置。随着AI的不断进步和基于技术的创新成本的下降，这一点尤其正确，这两者不仅将挑战商业，也将挑战商业模式。
需要考虑的问题：
- 你如何打造一种工程文化，让人们有机会和激励去创造和创新?
- 在接下来的12个月里，你在建设什么将为你的企业创造优势，而不仅仅是一种商品，或者更糟糕的是，一个钱坑?
- 你是否正在使用软件来构建产品、服务或业务，从而为你的业务创造真正的竞争优势?
2、创新者主宰头条新闻，但升级者主导市场
看看这听起来是不是很熟悉：一项令人兴奋的新技术问世，一场疯狂的争夺战导致了许多实验和一些有希望的开发，这些开发经常会遇到逆风，无法扩展，然后逐渐消失，GenAI可能成为这种模式的最新受害者，我们不科学但看似合理的观点是，支撑GenAI的大型语言模型只占扩展努力的15%左右，但目前占据了85%的播放时间。重要的是要记住，从技术中获得全部潜在价值需要公司能够对其进行扩展。
实现规模不仅来自于建立一系列的支持能力，还来自于从任何企业开始就专注于实现规模的特定流程和机制，无论是利用一项技术还是启动一项新业务。尽管问题仍然存在，但初创企业——不受传统系统的束缚，能够获得大语言模型和云技术——在规模方面是否比传统企业更具优势，但即使是它们也需要清楚地关注建设能够实现规模的能力，成功的CEO对规模的热情不亚于他们对战略的热情。
需要考虑的问题：
- 你如何激励规模(不仅仅是创新)?
- 你的路线图中有哪些具体计划直接支持扩展?
- 你确定了实现规模化的具体障碍吗?你清楚如何应对这些障碍吗?
3、领导者掌握复利价值的数字“更多法则”
我们都听说过摩尔定律：集成电路中的晶体管数量大约每两年翻一番。当谈到数字和AI的复合优势时，也有类似的趋势——我们称之为“更多定律”。数字和AI领先者与他们的行业竞争对手之间的距离正在扩大，一些领先的公司不仅想出了如何利用数字和AI来创造价值，而且还想出了如何更快地做到这一点，并拉近自己与其他参与者之间的距离，这是因为数字和AI实施得很好，复合了竞争优势。
这些领导者知道，这并不是要构建一个“神奇”的用例，相反，它是关于让数百个技术驱动的解决方案协同工作，创造出色的客户和员工体验，降低单位成本，创造价值，这很难做到，也很难复制。我们在银行研究中清楚地看到，数字领导者在整个客户旅程中更善于将数字和AI整合在一起，这减少了摩擦点，从而增加了他们在在线销售中相对于数字落后者的优势，并降低了他们的服务成本，实现了多次扩张，导致TSR表现显著优异。
需要考虑的问题：
- 与你的直接竞争对手相比，你是否清楚地了解你目前由技术驱动的增长速度?
- 你是否正在开发那些难以复制的功能(流程、工作流程、自动化)，以支持你需要构建和改进的产品和服务?
- 你清楚你应该做出的三个最重要的改进，以加快你的发展步伐吗?
4、数字和AI领导者必须永远是变革者
在新技术(云、AI)、新架构范例(微服务、API)和构建软件的新方式(敏捷、DevSecOps)的推动下，数字已经渗透到我们生活的几乎方方面面。只要技术继续发展，你的业务就需要发展，这就是为什么将数字和AI转型视为你将在职业生涯的剩余时间里做的事情而不是最终目的地的原因。数字化和AI转型是通过定位你的企业以快速整合新技术来不断提高你的竞争力的旅程。随着科技日益重要，商业领袖和科技领袖之间的区别将继续变得模糊，所有高级管理人员都需要知道如何最大限度地利用其业务领域的技术。
需要考虑的问题：
- 你是否确定了接下来要转换的两到四个领域以及完成工作所需的资源?
- 你制定了哪些长期指标、目标和关键成果(OKR)，你的董事会是否在跟踪它们?
- 你是否清楚地了解哪些新兴技术最能增强你的竞争优势?
5、如果知识就是力量，数据就是知识
长期以来，把“知识经济”说成是有别于一般经济的东西一直很流行，但现实是，每家公司都在从事知识业务，每个工人都在成为一名知识型员工。随着先进的AI能力以及增强的工具和技术为每一名员工提供，这一点变得越来越明显。公司在多大程度上接受他们的知识红利，将取决于他们如何很好地利用他们的数据。公平地说，没有一家公司可以在没有数据战略的情况下制定AI或商业战略，这是因为，如果没有好的、干净的数据，这些数据可以在整个业务范围内轻松(和负责任地)访问，就不可能产生业务、运营和AI价值。
需要考虑的问题：
- 你是否清楚你的专有数据与全球公共数据相结合将如何产生竞争优势?
- 你制定了哪些标准和最佳实践来在整个组织内构建数据产品，相关团队是否可以轻松访问这些标准和最佳实践?
- 你的数据治理是否到位，可与你的客户和利益相关者建立数字信任?
6、拥有GenAI“超能力”的劳动力需要人类的突破
GenAI最初是一项Copilot技术，可能会演变为某些任务的自动化，这本质上意味着每个人都将拥有一条AI超能力的实用带，创造出一支“超级工作者”队伍。技术突破提高了生产率，为人类创造了不同的、更多的工作，出于这个原因，公司需要将重点转移到人类在学习、重新技能、技能提升和职业管理方面的突破，以使他们的员工能够最好地利用GenAI和其他技术。
生产率的提高不会均匀分配，将取决于任务的复杂性和AI Copilot的成熟度，更重要的是了解人类需要哪些技能来适应和利用副驾驶的能力，例如，GenAI将使自然语言成为新的用户界面，要求人们学习如何以不同的方式与机器交谈。
需要考虑的问题：
- 你是否确定了你的业务中最重要的角色，可以从GenAI Copilot中受益?
- 哪些开发人员社区在分享知识方面很活跃?
- 在实践中，你们的数据科学家和工程师在多大程度上学会了与Copilot合作?
7、每一家公司都将成为一家敏捷企业
速度和创新将来自由工程师领导的小团队，这些团队拥有足够的自主权和明确的决策指导方针，我们大多数人都会认为这是对敏捷的描述。虽然许多人可能厌倦了这个过度使用的术语，但它的重要性是企业扩大创新能力的核心。随着敏捷的边界在整个组织中扩展，它将需要像神经网络一样发挥作用，将边缘的小团队连接起来，以使公司能够以增长和适应的速度发展。
需要考虑的问题：
- 你的团队和解决方案中有多少是由优质产品负责人领导的?
- 首席执行官是否与运营模式保持一致，以使数百个Pod能够提供数字创新?
- 你构思、构建和推出新产品或服务的速度有多快?
8、IT即服务是你的下一代技术功能
为了实现原子化的业务，公司需要他们的技术团队更多地作为一项服务职能来运营。分布式数字创新是重新布线的公司的最终状态，在这种公司中，技术团队可以开发数字和AI解决方案，以改善客户体验并降低单位成本。技术最终将被嵌入到每一个产品和功能中，“传统的”集中式IT功能将被大规模自动化，并像云配置服务一样交付。固守从中心管理技术的控制实体的传统角色，不能支持这种分布式创新环境。现在的价值将来自IT通过从保护大型技术资产转向提供小代码块来实现创新的能力。API将是公司展示其数字能力的主要方式，它们将被集成到与Gen AI类型的代码生成器缝合在一起的“超级应用”中，以实现更好的用户功能。
需要考虑的问题：
- 开发人员创建的代码和解决方案多久会被其他团队重用一次?
- 关键构件(如API和提示)有多少个库，你的技术团队是否经常使用它们?
- 你的技术功能开发了多少即服务功能?
9、游戏的名字是一样的：Value
这听起来可能像是商业常识，但令人惊讶的是，公司经常忽视它：数字、AI和技术的重点不是在数字、AI和技术方面变得更好，而是在创造价值。在数字化和AI转型中未能实现财务目标的一大原因是从一开始就没有正确设定目标。很多时候，公司追求的是边际收益，但这限制了思考，而狭隘的思考会带来微小的结果。我们的经验法则是，一个强大的数字路线图应该能带来20%或更多的EBITDA改进。
需要考虑的问题：
- 你的数字化和AI转型工作是否专注于一个领域，该领域足够大，可以创造有意义的价值，但又足够小，可以用你拥有的资源完成?
- 你的数字化和AI转型的目标是将增量价值增加至少20%吗?
- 在过去的六个月里，你的数字和AI计划产生了多少价值?
10、最好的公司将是最好的测试者
如果你相信变化只会继续加速——我们都可以想象现在数百名企业家在他们的车库里酝酿新业务——适应能力将成为现代公司最重要的特征之一，这意味着能够测试更多、测试成本更低、测试速度更快，能够做到这一点的能力已经存在，而且还在不断增长：提高生产率的GenAI，通过MLOPS加快速度和规模的自动化，更易于使用的软件工具，更复杂的数字孪生功能，以及越来越多进入市场的软件开发人员。
这些发展将改变战略(你可以快速测试市场对解决方案的需求)、运营(你可以测试运营模型和设置)和设计(你可以在构建解决方案之前快速构建和迭代数百万个版本)。在某些情况下 - 比如建立实时电信网络 - 训练AI将很难，或者没有数字孪生兄弟是不可能的。
需要考虑的问题：
- 你如何改变了基于数字双胞胎和测试进步的战略和运营方法?
- 你的数字孪生平台与你的产品、解决方案或业务开发的集成程度如何?
- 你的A/B测试能力有多好(和普遍)?
