如果你想總結2023年，那么其中最重要的主題必然是GenAI，我們中很少人記得有一項技術以如此快的速度和如此大的影響席卷了企業界，幾乎每天都有新的事態發展登上頭條新聞。雖然仍然充斥著警告和未知，但GenAI將對我們的生活和工作方式產生深遠的影響。

但是，圍繞GenAI的興奮可能會分散商業領袖對其他一些核心業務要務的注意力，以及重組公司的重要性，出于這個原因，我們認為，快速瀏覽一下可能不會占據新聞頭條、但正在塑造現代商業格局的十大基本理念，可能會有所幫助，其中一些想法代表了重大轉變，比如構建業務架構以便所有東西都可以進行測試的重要性，或者如何考慮每個人都有自己的GenAI“Copilot”的員工隊伍，其他方面，比如密切關注價值，與業務基本面有關，而這些基本面在日常需求和技術炒作的壓力下往往被忽視。

1、軟件正在吞噬世界

我們都熟悉Marc Andreessen經常被引用的觀點，“軟件正在吞噬世界。”雖然這一點一如既往，但對于商業領袖來說，更重要的關注點是他們如何能夠很好地使用軟件來構建從商業到數字產品的東西。建造新的數字產品和服務的成本將繼續下降，同時可用的工具將更容易使用，為更多的公民建筑商打開大門，使建造過程更快、更便宜。擴展仍將是一項需要特別關注的挑戰，但學會快速構建、測試和適應的公司將處于創造價值的最佳位置。隨著AI的不斷進步和基于技術的創新成本的下降，這一點尤其正確，這兩者不僅將挑戰商業，也將挑戰商業模式。

需要考慮的問題：

• 你如何打造一種工程文化，讓人們有機會和激勵去創造和創新?
• 在接下來的12個月里，你在建設什么將為你的企業創造優勢，而不僅僅是一種商品，或者更糟糕的是，一個錢坑?
• 你是否正在使用軟件來構建產品、服務或業務，從而為你的業務創造真正的競爭優勢?

2、創新者主宰頭條新聞，但升級者主導市場

看看這聽起來是不是很熟悉：一項令人興奮的新技術問世，一場瘋狂的爭奪戰導致了許多實驗和一些有希望的開發，這些開發經常會遇到逆風，無法擴展，然后逐漸消失，GenAI可能成為這種模式的最新受害者，我們不科學但看似合理的觀點是，支撐GenAI的大型語言模型只占擴展努力的15%左右，但目前占據了85%的播放時間。重要的是要記住，從技術中獲得全部潛在價值需要公司能夠對其進行擴展。

實現規模不僅來自于建立一系列的支持能力，還來自于從任何企業開始就專注于實現規模的特定流程和機制，無論是利用一項技術還是啟動一項新業務。盡管問題仍然存在，但初創企業——不受傳統系統的束縛，能夠獲得大語言模型和云技術——在規模方面是否比傳統企業更具優勢，但即使是它們也需要清楚地關注建設能夠實現規模的能力，成功的CEO對規模的熱情不亞于他們對戰略的熱情。

需要考慮的問題：

• 你如何激勵規模(不僅僅是創新)?
• 你的路線圖中有哪些具體計劃直接支持擴展?
• 你確定了實現規模化的具體障礙嗎?你清楚如何應對這些障礙嗎?

3、領導者掌握復利價值的數字“更多法則”

我們都聽說過摩爾定律：集成電路中的晶體管數量大約每兩年翻一番。當談到數字和AI的復合優勢時，也有類似的趨勢——我們稱之為“更多定律”。數字和AI領先者與他們的行業競爭對手之間的距離正在擴大，一些領先的公司不僅想出了如何利用數字和AI來創造價值，而且還想出了如何更快地做到這一點，并拉近自己與其他參與者之間的距離，這是因為數字和AI實施得很好，復合了競爭優勢。

這些領導者知道，這并不是要構建一個“神奇”的用例，相反，它是關于讓數百個技術驅動的解決方案協同工作，創造出色的客戶和員工體驗，降低單位成本，創造價值，這很難做到，也很難復制。我們在銀行研究中清楚地看到，數字領導者在整個客戶旅程中更善于將數字和AI整合在一起，這減少了摩擦點，從而增加了他們在在線銷售中相對于數字落后者的優勢，并降低了他們的服務成本，實現了多次擴張，導致TSR表現顯著優異。

需要考慮的問題：

• 與你的直接競爭對手相比，你是否清楚地了解你目前由技術驅動的增長速度?
• 你是否正在開發那些難以復制的功能(流程、工作流程、自動化)，以支持你需要構建和改進的產品和服務?
• 你清楚你應該做出的三個最重要的改進，以加快你的發展步伐嗎?

4、數字和AI領導者必須永遠是變革者

在新技術(云、AI)、新架構范例(微服務、API)和構建軟件的新方式(敏捷、DevSecOps)的推動下，數字已經滲透到我們生活的幾乎方方面面。只要技術繼續發展，你的業務就需要發展，這就是為什么將數字和AI轉型視為你將在職業生涯的剩余時間里做的事情而不是最終目的地的原因。數字化和AI轉型是通過定位你的企業以快速整合新技術來不斷提高你的競爭力的旅程。隨著科技日益重要，商業領袖和科技領袖之間的區別將繼續變得模糊，所有高級管理人員都需要知道如何最大限度地利用其業務領域的技術。

需要考慮的問題：

• 你是否確定了接下來要轉換的兩到四個領域以及完成工作所需的資源?
• 你制定了哪些長期指標、目標和關鍵成果(OKR)，你的董事會是否在跟蹤它們?
• 你是否清楚地了解哪些新興技術最能增強你的競爭優勢?

5、如果知識就是力量，數據就是知識

長期以來，把“知識經濟”說成是有別于一般經濟的東西一直很流行，但現實是，每家公司都在從事知識業務，每個工人都在成為一名知識型員工。隨著先進的AI能力以及增強的工具和技術為每一名員工提供，這一點變得越來越明顯。公司在多大程度上接受他們的知識紅利，將取決于他們如何很好地利用他們的數據。公平地說，沒有一家公司可以在沒有數據戰略的情況下制定AI或商業戰略，這是因為，如果沒有好的、干凈的數據，這些數據可以在整個業務范圍內輕松(和負責任地)訪問，就不可能產生業務、運營和AI價值。

需要考慮的問題：

• 你是否清楚你的專有數據與全球公共數據相結合將如何產生競爭優勢?
• 你制定了哪些標準和最佳實踐來在整個組織內構建數據產品，相關團隊是否可以輕松訪問這些標準和最佳實踐?
• 你的數據治理是否到位，可與你的客戶和利益相關者建立數字信任?

6、擁有GenAI“超能力”的勞動力需要人類的突破

GenAI最初是一項Copilot技術，可能會演變為某些任務的自動化，這本質上意味著每個人都將擁有一條AI超能力的實用帶，創造出一支“超級工作者”隊伍。技術突破提高了生產率，為人類創造了不同的、更多的工作，出于這個原因，公司需要將重點轉移到人類在學習、重新技能、技能提升和職業管理方面的突破，以使他們的員工能夠最好地利用GenAI和其他技術。

生產率的提高不會均勻分配，將取決于任務的復雜性和AI Copilot的成熟度，更重要的是了解人類需要哪些技能來適應和利用副駕駛的能力，例如，GenAI將使自然語言成為新的用戶界面，要求人們學習如何以不同的方式與機器交談。

需要考慮的問題：

• 你是否確定了你的業務中最重要的角色，可以從GenAI Copilot中受益?
• 哪些開發人員社區在分享知識方面很活躍?
• 在實踐中，你們的數據科學家和工程師在多大程度上學會了與Copilot合作?

7、每一家公司都將成為一家敏捷企業

速度和創新將來自由工程師領導的小團隊，這些團隊擁有足夠的自主權和明確的決策指導方針，我們大多數人都會認為這是對敏捷的描述。雖然許多人可能厭倦了這個過度使用的術語，但它的重要性是企業擴大創新能力的核心。隨著敏捷的邊界在整個組織中擴展，它將需要像神經網絡一樣發揮作用，將邊緣的小團隊連接起來，以使公司能夠以增長和適應的速度發展。

需要考慮的問題：

• 你的團隊和解決方案中有多少是由優質產品負責人領導的?
• 首席執行官是否與運營模式保持一致，以使數百個Pod能夠提供數字創新?
• 你構思、構建和推出新產品或服務的速度有多快?

8、IT即服務是你的下一代技術功能

為了實現原子化的業務，公司需要他們的技術團隊更多地作為一項服務職能來運營。分布式數字創新是重新布線的公司的最終狀態，在這種公司中，技術團隊可以開發數字和AI解決方案，以改善客戶體驗并降低單位成本。技術最終將被嵌入到每一個產品和功能中，“傳統的”集中式IT功能將被大規模自動化，并像云配置服務一樣交付。固守從中心管理技術的控制實體的傳統角色，不能支持這種分布式創新環境。現在的價值將來自IT通過從保護大型技術資產轉向提供小代碼塊來實現創新的能力。API將是公司展示其數字能力的主要方式，它們將被集成到與Gen AI類型的代碼生成器縫合在一起的“超級應用”中，以實現更好的用戶功能。

需要考慮的問題：

• 開發人員創建的代碼和解決方案多久會被其他團隊重用一次?
• 關鍵構件(如API和提示)有多少個庫，你的技術團隊是否經常使用它們?
• 你的技術功能開發了多少即服務功能?

9、游戲的名字是一樣的：Value

這聽起來可能像是商業常識，但令人驚訝的是，公司經常忽視它：數字、AI和技術的重點不是在數字、AI和技術方面變得更好，而是在創造價值。在數字化和AI轉型中未能實現財務目標的一大原因是從一開始就沒有正確設定目標。很多時候，公司追求的是邊際收益，但這限制了思考，而狹隘的思考會帶來微小的結果。我們的經驗法則是，一個強大的數字路線圖應該能帶來20%或更多的EBITDA改進。

需要考慮的問題：

• 你的數字化和AI轉型工作是否專注于一個領域，該領域足夠大，可以創造有意義的價值，但又足夠小，可以用你擁有的資源完成?
• 你的數字化和AI轉型的目標是將增量價值增加至少20%嗎?
• 在過去的六個月里，你的數字和AI計劃產生了多少價值?

10、最好的公司將是最好的測試者

如果你相信變化只會繼續加速——我們都可以想象現在數百名企業家在他們的車庫里醞釀新業務——適應能力將成為現代公司最重要的特征之一，這意味著能夠測試更多、測試成本更低、測試速度更快，能夠做到這一點的能力已經存在，而且還在不斷增長：提高生產率的GenAI，通過MLOPS加快速度和規模的自動化，更易于使用的軟件工具，更復雜的數字孿生功能，以及越來越多進入市場的軟件開發人員。

這些發展將改變戰略(你可以快速測試市場對解決方案的需求)、運營(你可以測試運營模型和設置)和設計(你可以在構建解決方案之前快速構建和迭代數百萬個版本)。在某些情況下 - 比如建立實時電信網絡 - 訓練AI將很難，或者沒有數字孿生兄弟是不可能的。

需要考慮的問題：

• 你如何改變了基于數字雙胞胎和測試進步的戰略和運營方法?
• 你的數字孿生平臺與你的產品、解決方案或業務開發的集成程度如何?
• 你的A/B測試能力有多好(和普遍)?