技术越强,越容易掉进「优势迁移陷阱」
在学术世界,原创决定论文能否发表;在商业世界,客户是否愿意改变行为、付出成本,才决定产品能否生存。本文借 Francois Chaubard 的创业课,拆开原创、难题、速度、销售与倾听之间的关系,说明技术创业者为什么必须先放下旧评价体系,完成从证明自己到理解世界的转变。
关于云、数据、软件开发与 DX 的行业新闻和观察。
在学术世界,原创决定论文能否发表;在商业世界,客户是否愿意改变行为、付出成本,才决定产品能否生存。本文借 Francois Chaubard 的创业课,拆开原创、难题、速度、销售与倾听之间的关系,说明技术创业者为什么必须先放下旧评价体系,完成从证明自己到理解世界的转变。
阅读文章
在学术世界,原创决定论文能否发表;在商业世界,客户是否愿意改变行为、付出成本,才决定产品能否生存。本文借 Francois Chaubard 的创业课,拆开原创、难题、速度、销售与倾听之间的关系,说明技术创业者为什么必须先放下旧评价体系,完成从证明自己到理解世界的转变。
生成式 AI 正从「输入问题、返回答案」走向「给出目标、代理自主执行」。本文整理 Google Cloud 讲者关于 Agent 落地的判断:很多幻觉不是模型问题,而是业务定义没有写进上下文;PoC 规模一放大就会遇到成本、延迟、治理与复现性问题;解法是用数据源、元数据、语义层和计算口径搭起上下文架构,并用五类问题各 20 次的对比实验与银行、营销演示说明效果。
当 AI 让写代码变快,瓶颈并没有消失,而是移向需求定义、业务语言化与验证运营。测试全绿不等于产品正确,真正稀缺的是能连接客户、业务与工程的人。本文结合金融与通信场景,讨论 AI 的适用边界、人的判断,以及组织应从何处开始。
企业 AI 的成败不在模型,而在实装。SoftBank 的讲者把实装置于半导体、数据中心、电力与储能这条链的末端,谈到遍布各部门、彼此连携的 AI 代理,6 月发布的安全服务,FDE 的五级能力与最关键的系统设计判断力,以及大型机、COBOL 等遗留系统必须先做云迁移。六周约 150 个需求,一个人五到八小时走完,靠的是验证、实装、改善的循环。
「legacy modernization」和「legacy migration」经常被混着叫。用二层小楼打比方:一楼库房开个窗做小卖店,是房子不动、只加一层对外的 API,属于 Modernization;搬到 CBD 按商住两用重新规划,是 Migration,若连内部结构都重做,就是 Re-architect 甚至 Replace。搬家只是现代化的一部分。判断该开窗还是搬家,可以问三件事:承重墙还撑不撑得住、瓶颈来自房子还是地皮、老户型改不改得出新业务要的样子。
企业 AI 提案常常停在“需要知识图谱”的概念上。本文把它拆成三层:定义知识形态的概念层,抽取业务逻辑、让 AI 能判断的应用层,以及支撑判断与执行的云基础设施层。文章还讨论了由 5 个周期、6 种能力构成的判断框架,用 MCP 把旧系统包成 AI 可调用服务的 modernization 思路,以及为什么智能必须配得上执行。
听了一场在 Classmethod 负责 Enterprise Service 的大神,通过游戏公司与大型零售企业两个对照案例,讲述少人数团队如何支撑大客户:用指南针、流程、催化剂三种角色理解伴走支援;在时间轴与空间轴上移动团队重心;把战略与执行放在同一个团队。文末讨论客户自走后伴走团队的价值,以及把生成 AI 嵌入伴走框架的循环。
把表结构塞进提示词,并不能让 AI Agent 理解业务含义,它照样会给出看起来很专业、实际却算错的数字。本文以保险业基准测试中 GPT-4 执行准确率从约 16% 提升到约 54% 为例,讲清由指标、本体和文档组成的语义层,如何通过 OBDA(虚拟知识图谱)把本体直接映射到现有数据,并用分层解析兼顾确定性与灵活性。文章还介绍了用 AWS Context Ontology Accelerator 让 AI 起草本体、专家审核,以及 MCP 与身份感知的治理和五条实践建议。
要让企业问答助手分清“苹果”是公司还是水果,并理解三张都叫 Customer 的表,机器需要的不是上下文,而是一个明确的语义模型——本体。本文从哲学起源讲到 Gruber 与 Studer 的定义,拆解类、个体、属性与公理,介绍 RDF、RDFS、OWL 及推理机的作用,梳理生物医学、Schema.org、企业集成、工业物联网和大模型时代的典型应用,并说明本体与知识图谱的区别以及动手构建的方法与常见错误。
借腾讯研究院的 FDE 报告,梳理企业 AI 落地中反复出现的四个问题:把 Demo 跑通当成产品能上线、能做 AI 应用却没选对高价值场景、员工会做的事 AI 未必做得更好、个人提效不等于组织提效。文章结合智能客服与 ERP 的案例,说明 Demo 与生产之间的落差、隐性知识转化为上下文的必要性,并给出三点改进:不要用 Demo 速度推算落地周期、围绕高价值场景组织业务与技术共同负责的小团队、涉及流程职责与考核时高层必须亲自推动。