员工们在过去的一年里基本以远程方式开展工作。这段时光可谓漫长,而现在人们开始看到一线曙光。这个现象也反映出了这样一个事实,即这种突如其来的全球性居家工作体验模式,已经永久性地改变了人们的工作方式和工作地点。据思杰系统有限公司(Citrix Systems, Inc.)(纳斯达克股票代码:CTXS)的最新研究表明,混合型工作方式还将继续下去。而在这种新兴的工作环境中,提供统一、安全和简洁的工作体验将是成功的关键。
为研究新冠疫情对未来工作的影响,思杰与OnePoll合作,对来自12个国家的7,250名员工进行了调查。调查评估自危机爆发以来,他们的工作态度和工作期望发生了怎样的变化。结果明确显示,有三件事是值得关注的,分别是:
开弓没有回头箭
虽然很多企业将远程工作视为应对新冠疫情的短期解决方案,但现在他们认识到,远程工作必须成为其长期劳动力和和成本管理战略的一部分。
思杰战略执行副总裁Tim Minahan表示:“如果说在这场我们都经历过的危机中寻找一丝希望的话,那就是它促使我们从根本上重新思考关于工作的这一命题。这包括工作在哪里完成、怎样完成以及由谁来完成。企业和员工都看到了更灵活的工作模式在工作效率、参与感与身心健康等方面带来的好处。他们不会再像以前那样工作了。”
思杰-OnePoll数据支持了这一观点。当被问及新冠疫情后他们更愿意怎样开展工作时,
· 52%的受访者表示,他们希望采用混合型模式,既可以远程工作,也可以选择在办公室工作
· 16%的受访者表示,他们对重返办公室工作没有兴趣,更愿意选择长期远程工作
· 45%的受访者指出,如果他们要换工作,他们只会接受提供灵活和远程工作选择的职位
· 近75%的受访者表示,如果他们可以在不通勤的情况下,胜任同样的工作,那么他们可能会考虑搬到别的城市去。在另外一项针对2,000名美国知识型员工的思杰-OnePoll调查中,四分之一的员工表示,他们已经或计划放弃在城市的住所,因为他们可以远程工作。
在家办公受到干扰
由于员工的工作和个人生活之间缺乏界限,而且无需进行通勤的时间管理,三分之二的受访员工表示,他们的工作时间与之前相比不变甚至更长。尽管他们能保持工作效率不变,但很多人还是觉得差强人意。是什么阻碍了他们?据思杰-OnePoll的调查:
· 41%的员工认为家庭环境(孩子、宠物等)会让他们分心
· 28%的员工表示他们缺乏合适的技术和应用程序来完成工作
· 36%的人感到孤独,与同事没有交流联系
“企业为了让员工更高效率远程办公而提供给员工的聊天和协作工具,越来越多地分散了他们对核心工作的注意力,造成群体性的疲劳,增加了他们在适应新的工作环境时的挫败感。“Minahan还表示:“虽然他们的工作时间可能更长,但他们完成的工作量却越来越少,因为他们有太多的工具,这些工具会经常性的打断工作,导致他们在不同的应用程序和界面之间切换工作情景,进而无法高效的参与、协作和执行工作。”
体验感很重要
Minahan认为,企业为了吸引并留住所需的人才,使自己在疫情当中脱颖而出,处于更强、更有利的地位,就必须找到一种让工作更简洁的方法,并为员工提供他们所需的成长空间,帮助他们在长期分散式的工作环境中取得成功。
Minahan说:“企业应该在人与技术之间建立一个体验层,消除员工日常生活上的干扰,让他们能够以自己想要的方式工作,而且富有成效。”
正如很多企业在这场疫情中所学到的,数字化工作空间是一种更高效而且更有效的方式,因为:
· 统一工作——无论是在家里、飞机上还是在办公室,员工都能通过任何工作渠道、设备或地点,持续、可靠地访问使他们高效工作所需的所有资源
· 安全工作——无论在哪里办公,在各种情景访问的环境下,都能保证应用程序和信息的安全
· 简化工作——使用机器学习、虚拟助手等智能功能以简化工作流程,实现工作体验的个性化、有指导和自动化,使员工能够在不受干扰的环境下尽其所能 。
全球40多万家企业使用思杰数字工作空间解决方案,提供了安全、简洁的工作体验,让员工们身心健康,尽职尽责。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。