☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
genai将成为2024年最重要的技术趋势，对于cio来说，审查新工具、配置基础设施、应对新风险和提供新用户体验将成为首要任务。
尽管大多数供应商都在推出新的GenAI功能，但要确定它们是否真的有价值，而不是导致代价高昂的失败，这对CIO来说并不容易。因此，CIO需要为这些工具制定业务案例，以确保它们能够提供真正的价值。
新的GenAI工具和基础设施对CIO的影响将远远超出预期。除了升级数据基础设施和流程，CIO还将承担为新的网络安全工具编制预算、吸引新人才、提高团队技能以及重新部署员工任务的责任。这些措施将为企业带来更高效的流程和更好的业务成果。
除了GenAI，CIO还将在审查云基础设施的ROI、整合仓库自动化基础设施和考虑新的数字孪生工具的价值方面扮演越来越重要的角色。
下面介绍了不同的趋势将如何影响2024年CIO的优先事项。
GenAI
1、实现GenAI的价值取决于与业务团队的合作
阳狮集团的执行副总裁兼全球工程主管Tilak Doddapaneni表示，CIO们将面临一个重大挑战，即如何发现GenAI技术的商业价值。考虑到这项技术的快速发展，这并非易事。
他说：“CIO目前面临着一个关键的挑战，他们首要的任务是理解业务团队，并与其合作应对GenAI的影响。”
CIO将需要与业务团队紧密合作，以确定GenAI的应用程序，并推动提供必要的工具和平台，同时对与其实施相关的业务案例和成本进行战略规划。
实现成功的关键在于建立体系结构抽象，并且CIO还需要深入了解与这些进步相关的成本。
2、AI的波动性刺激了嵌入式GenAI平台的使用
一些公司将继续试验，有时甚至扩大GenAI倡议，但咨询公司珠峰集团合伙人Yugal Joshi表示，更多的公司将转向现有的平台，如ServiceNow、SAP、Salesforce和微软，以实现简单和快速。目前AI工具的波动性太大，大多数CIO都不想投资。
一大担忧将是平台供应商要求的定价上调。Joshi说，在某些情况下，他们的GenAI产品比他们的其他产品和服务贵200%，另一方面，这些供应商也开始提供赔偿保护，这可能有助于缓解人们对新责任的担忧。
3、新的GenAI风险需要对治理框架、公司文化进行审查
随着公司涌入GenAI，CIO将越来越多地肩负着应对必须管理的风险的任务。Protiviti的新兴技术集团董事总经理兼全球负责人Scott Laliberte表示，CIO必须设定适当的预期和ROI预测。
他们将需要通过与关键业务高管合作，确保新的用例与整体业务战略保持一致，他们还可能参与建立坚实的AI治理框架。CIO必须培养一种持续的创新文化，强调AI与人类能力之间的共生关系，以建立信任并推动新工具的采用。
4、GenAI推动重新思考用户体验和用户界面策略
CIO还需要了解内部和外部利益相关者的用户体验和用户界面要求。
Doddapaneni说：“传统的用户界面概念正在发生范式转变，特别是对于使用GenAI的平台来说，这需要对用户体验战略进行重大反思。”由于许多类型的交互不适合Chatbot模型，因此不同的UI方法是必不可少的。
数据
5、GenAI任务所需的数据工程和数据架构
Doddapaneni预测，在即将到来的解决GenAI需求的任务中，60%到70%将围绕数据工程展开。CIO将需要建立核心数据架构，他们还需要制定适当的数据格式化程序，将数据放在适当的地点进行模型培训，确保数据版本的准确性，并评估数据仓库和客户数据平台等数据平台的当前状态。
6、数据管理和治理是重心
全球咨询公司SSA&Company的应用解决方案负责人Nick Kramer预测，尽管AI的头条新闻和炒作层出不穷，但AI的采用将继续缓慢。在当前的环境下，最具创新精神的CIO将专注于数据管理和治理，这些CIO认识到，管理高质量数据、将非结构化数据纳入管理范围以及建立数据素养需要放在首位，这些努力通常在创新预算内是合理的，同时通过可见性、知识共享和更好的决策来推动直接影响。
网络安全
7、AI放大的网络威胁需要更大的安全预算，新的战术
2024年，AI将放大威胁参与者的战术、技术和程序。全球公司情报和网络安全咨询公司S-RM的美洲业务发展主管Stephen Ross预测，这将增加高度定向的鱼叉式网络钓鱼的比率，简化欺诈攻击，并推动网络钓鱼(语音网络钓鱼)。
Ross担心，去年美国平均网络安全预算仅增长1%，而威胁因素的演变速度要快得多。五年前有效的安全工具现在已经无效，甚至连看似防弹的供应商也受到了威胁。Ross说：“CIO们需要在预算时间内为关键的技术更新而战，他们的公司需要保持领先于威胁参与者的地位。”
8、网络安全与业务目标保持一致是最重要的
德勤风险与金融咨询公司负责人Andrew Morrison表示，2024年，随着平衡风险管理与运营效率的挑战继续存在，将网络安全战略与整体业务需求保持一致仍将是CIO的优先事项。
Morrison表示，“尽管网络项目的执行往往落在CISO或信息安全主管的肩上，但CIO将需要与网络保持一致，作为其整体业务战略的一部分，这往往是一项挑战，特别是在数字化转型步伐加快的情况下。”
随着公司将更多数据推向边缘，增加对云的依赖，并采用GenAI等先进技术来实现增长，它们也可能会产生新的漏洞，攻击者可以利用这些漏洞来危害他们的系统。在自己的战略中优先考虑按设计安全的方法，同时将这种思维应用于新技术实施的CIO将处于有利地位，可以帮助他们的公司在未来几年获得竞争优势。
人才
9、对IT人才的关注需要与人力资源和人才获取团队密切合作
Lotis Blue Consulting的业务转型实践合伙人John King预测，2024年的CIO将需要优先升级、管理和留住组织中的关键人才。网络安全、AI、云迁移和数字转型的技术趋势都需要截然不同和升级的技能。如果没有重大的技能提升和再技能努力，新技术项目的ROI将是不足的，从而导致业务吸收的速度变慢。
成功将需要与人力资源、工作场所学习和人才获取团队密切合作，以协调升级现有员工技能和引入新能力所需的投资，这些投资将是巨大的。
King说：“如果公司不把IT视为一种高度战略性的资产，那么这种对话迟早会发生，因为如果不保持雇佣和补偿，高技能的员工将对偷猎者具有极大的吸引力。”
引入具有合适配置文件的新资源可能会比以前的IT招聘成本更高。随着时间的推移，为代码编写和集成实施GenAI等技术将减少IT所需的总体人员数量，但总成本可能保持不变。
一旦这些计划启动，CIO还需要确保他们的员工保持对工作的投入和动力，并确保他们不会面临逃离的风险，特别是考虑到对他们职业生涯的投资增加。与人力资源合作对于开发一种方法至关重要，该方法可以监控IT组织的健康状况，找出存在离职风险的领域，并可以快速进行干预以留住员工。
10、加快劳动力学习计划和人才管理
内容管理平台Hyland的CIO Stephen Watt预测，劳动力管理将是CIO在2024年采用新技术(包括需要员工培训和参与的新AI系统)的主要趋势。
公司将继续寻找新的创新方法，通过智能、定制的AI交互和流程来缩短劳动力差距。尽管如此，他们仍需要从能够打造它们的团队成员那里获得技能。
Watt说：“我们需要在我们的技术团队和我们的业务组中提高我们自己的AI技能，这样他们也可以理解这些技术可能在哪里以及如何产生最大的影响。”
GenAI是一项变革性的技术，但向GenAI系统和流程的过渡仍然需要人们让它发挥作用。Watt说：“作为领导者，我们的工作将是确保我们能够培训、留住和竞争发展这一技能的最优秀的人才，我认为这将是一个需要最多时间和努力的趋势，而不是技术本身。”
11、董事会敦促CIO重新考虑工程人才的配置和人员编制
相反，CIO还必须为GenAI驱动的编码过程中的生产率提升和对软件工程生命周期的影响进行规划。Joshi预计，董事会成员将推动CIO重新考虑IT人才模式、构建和运行系统所需的员工人数、所需的新角色和技能，并为个人规划以GenAI为中心的职业道路。
Joshi说：“这对CIO来说将是一项艰巨的任务，他们需要比之前的技术颠覆更深入地理解人才的影响。”
GenAI相关生产率的提高可能会为网络安全等长期人手不足的领域释放人才。“每个CIO都在抱怨，但却无能为力，因为他们没有资金。”乔希说。他预测，董事会将要求CIO使用GenAI来改善这些人才问题。
基础设施
12、仓库互操作性成熟了
实物产品和物流公司的CIO将越来越优先考虑仓库自动化的技术堆栈。从历史上看，自动化解决方案很难集成，因为它们往往不会说相同的语言，并且需要复杂的定制代码才能将一切集成在一起。
咨询公司InterAct Analysis的研究分析师Rowan Stott表示：“我们现在看到，越来越多的系统正在开发具有开放接口的系统，以及像SVT Robotics这样的互操作性平台，这些平台使系统集成和连接变得更加容易。”他说，“CIO们应该考虑如何开发更具互操作性的技术堆栈，使其更容易利用机器人和运输系统的创新来简化运营并降低成本。”
13、云成本讨论将强调ROI
CIO们越来越多地被卷入关于夸大的云账单的讨论中。珠峰集团发现，87%的客户对他们从采用云中获得的价值不满意。Joshi预测，2024年的成本讨论将越来越多地关注ROI。
公司将希望其云提供商和技术服务合作伙伴构建ROI模型，以显示他们的云采用历程，并估计ROI为正的时间表、需要多少前期和年度投资，以及他们需要迁移的云工作负载的数量才能达到正向。
14、AI使基于物理的模拟大众化
虽然GenAI似乎在今年获得了所有的媒体报道，但基于物理的模拟和数字孪生的创新可能会在制造产品方面发挥关键作用，使以前昂贵和复杂的工具大众化。(物理模拟是基于计算机的建模，它使用数学方程来复制真实世界的行为)，例如，在2023年末，谷歌的研究人员演示了一种新的天气模拟模型，它在一台机器上运行几分钟，而以前需要在几十台机器上运行几个小时，CIO可以负责确定这种配对以及相关基础设施和培训的成本效益比。
Altair负责数据分析和物联网的高级副总裁Christian Buckner预计，会有更多的公司将AI与物理模拟相结合。物理模型有时会占用大量的计算机能力和时间，而AI则受到可用历史数据的限制，随着这些工具的混合和搭配，它们将带来两全其美的效果，同时减少限制。
Buckner说：“我们将越来越多地看到，物理模型与AI一起加速，AI模型基于来自物理模型的合成数据进行训练，模拟用户工作流程将通过自然语言界面加快。”结果将是更快、更准确的迭代，需要显著更少的计算成本和更少的用户工作。
