灵活的工作模式推动了新技术的采用,促使企业重新思考人才战略;借助人工智能技术,员工在工作时将更加投入、生产效率翻倍同时更具创新性
美国,2020年10月——未来的工作模式将是什么样的?在这样一个变化莫测的世界,人们很难预知未来,也很难回答这个问题。但是,对于希望走出全球疫情阴霾、变得更强更好的企业,现在就需要开始思考并规划未来工作模式。为了帮助企业找到上述问题的答案,思杰系统公司(Citrix)(纳斯达克交易所代码:CTXS)针对全球工作模式和规划开展了一项名为Work 2035的一年期研究,旨在了解未来工作模式将如何变化,以及科技在帮助人类发挥最佳表现方面所起到的作用。研究结果显示:灵活的工作模式和智能化解决方案将助力简化工作复杂性,减少工作干扰,使员工更加投入工作,提高工作效率,并以前所未有的方式推动创新和增长。
2035年的劳动力、工作模式和工作环境将会是什么样子?科技又将如何对其进行塑造?为了找出答案,思杰与未来派咨询公司牛津分析公司(Oxford Analytica)和商业研究专业机构Coleman Parkes携手,调查了美国、英国、德国、法国和荷兰大型企业和中型市场企业中500多名高管和1000名员工,旨在了解当前和未来的人才战略和工作模式。以下是我们从中得到的启示:
机器人不会取代人类——但机器人会让我们变得更智慧、更高效。超过四分之三(77%)的受访者认为,在未来15年内,人工智能将显著加快决策进程,并提高员工的工作效率。
新的工作岗位将诞生——为了支持以科技为驱动的办公空间以及人类与机器之间不断变化的关系,未来将出现一些新的工作岗位。以下是受访者认为将会出现的岗位:
工作将变得更加灵活——随着科技的进步,人类将能够随时随地、无缝地获得协作和完成工作所需的工具和信息,由此推动未来的灵活工作方式。
领导层将焕然一新——超过半数(57%)的受访者认为,人工智能将负责制定大部分商业决策,并可能使企业不再需要高管团队。
生产力将得到大幅提升——科技与人类的联系愈加紧密,并将推动生产力产生跨越式进步,而员工也将在解决方案的支持下,发挥出自己的最佳表现。由人工智能技术驱动的数字助理“AI-ngels”将使用个人和办公空间数据,帮助员工确定任务和时间安排的优先顺序,并保障员工的身心健康。例如,这些员工AI助理将根据与会者的血糖水平以及他们在一天中不同时间的情绪等因素,在员工效率最高的时间段内安排会议。在会议期间,它们将监测员工的注意力水平和态度,并在必要时进行调整以便会议取得最佳效果。
超过一半(51%)的受访专业人士认为,到2035年,科技将使员工的工作效率至少翻一番。受访者认为以下解决方案将会逐渐普及:
员工敬业度将得到提升——随着科技和人工智能技术逐渐取代一些耗时、单调的任务,工作将变得更具战略性,员工也将在工作时更加投入。
创新与增长步伐持续加快——企业对科技和人工智能的投入将超过人力资源。这将为企业带来前所未有的创新水平,并创造各种新的收入来源,持续推动企业可持续增长——尤其是小型企业。
思杰业务战略执行副总裁Tim Minahan表示:“新冠肺炎疫情的全球蔓延使得企业正在重新思考业务模式,而未来15年内,企业将面临比以往任何时候都要更多的挑战。但正如‘Work 2035’所揭示的,这种混乱的局势中蕴藏着机遇。具有敏锐洞察力的企业将化危机为转机,为‘下一个常态’的到来做好充分准备。企业需要的不仅是恢复疫情前的状态,而是确立新的人才战略和工作模式,从而推动业务不断向前发展。”
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
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
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%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
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。