2/2023 ISSUE042 获得真实 PRISM:GETTINGREAL PRISMBOARD AkayamaShinichi EtienneBrumaulddesHoulieresRickEagar RaymondKhoury博士 MichaelKolk博士 BarnikMaitraMichaelMajsterFrancescoMarsellaAlbertMeige 丹尼尔·蒙松 AndreasSchlosserBenvanderSchaaf 自1886年以来,ArthurD.Little一直处于创新的最前沿。我们帮助公司不断预测,创新和转型,以在当今的颠覆性中取得持续的业务成功 商业环境: –预测未来趋势,并建立包容复杂性的弹性战略。 –通过创新,提供更多、更快、更便宜的产品、服务和商业模式,获得最优秀的外部人才。 –转变组织,流程和文化以不断适应。 我们是问题解决者,结合深厚的行业洞察力、功能技能和企业家才能来寻找和提供新的解决方案。通过我们的开放式咨询方法,我们为每项任务带来最好的全球专家 ,补充我们的内部优势。我们为成为 目前在世界各地最重要的商业中心,服务于世界领先的公司和公共部门组织。 PRISM由全球管理咨询公司ArthurD.Little每两年出版一次。我们渴望收到读者的来信!请将您的评论提交给我们位于英国伦敦 EC4A1AAFetterLane55号新FetterPlaceWest的ArthurD.Little的编辑部-电话:447710536471。 版权所有2023,ArthurD.Little。保留所有权利。编辑和设计由CatalystComms,London:info@catalystcomms.co.uk. NTENTS GETT在GREAL SIMULATINGSTR TAKINGCONTROLOFAI-CUSTOMIZINGYOUROWNKNOWLEDGEBOTS 8 为了克服这些问题,本文概述了企业如何创建自己的内部AI模型,弥合企业知识鸿沟。 NicholasJohnson,MichaelPapadopoulos,FoivosChristoulakis,GregoryBrown,AnastassiyaTikhonova,EysteinThanisch ATEGY-REAL 工业金属的潜力 20 ThefallfromgraceoftheconsumerMetaversehasbeenrapidly.However,thedeclineininterestshould’tobscisethepotentialtheIndustrialMetaverseoffersforbusinesses.TheauthorsexplainswhattheIndustrialMetaverseis, 它的关键组成部分,以及公司现在应该做些什么来将其纳入他们的战略。 AlbertMeige博士,RickEagar 重新思考产品连接Y- 数据如何应对混乱服务和客户体验 32 成为真正的数据驱动为产品制造商带来了重大好处。然而,数字连接是关键方面之一 数字化,通常主要被视为一个技术问题。本文概述了从哪里开始,以及采取战略方法取得成功的必要性 。 JohanTreutiger,MichaelOpitz博士,AgronLasku,OssianvanArkel,AxelLeth SMALMODULARREACTORS-THEMISINGPIECEINTHEENENERGYTRANSITIONPUZZLE? 46 小型模块化核反应堆并不是一个新概念,但是从化石燃料过渡的需求正在导致人们对该技术的兴趣重新兴起。他们的时代终于到来了吗,他们面临着哪些挑战?作者解释了要使它们成为现实需要发生什么。 LarsThurmann-Moe,BenediktUnger,MichaelKruse,FredrikPedersen,AndreasDobloug,StianRød HOWTOBUILDANDSCALEAMULTI-BILLION-DOLLLAR,DIGITAL-FIRSTCHALLENGERBRAND 56 互联网,移动和数字造成的破坏创造了一类新的快速增长的挑战者品牌,这些品牌在几个月而不是几年内扩展。通过对创始人和资助者的采访,我们的文章解释了这些数字第一品牌的迅速崛起对传统玩家意味着什么,以及可以学到的教训。 BarnikChitranMaitra,RohitKapur,AmarSinha,PankajMann,ChiragTibrewal,TusharArora CHARTINGTHECOURSE-N 70 虽然“数字经济”一词并不新鲜,但最近的事态发展意味着决策者现在必须重新考虑他们的数字化议程,并采用更全面的数字经济。 数据驱动的方法。基于深入的基准全球研究,本文概述了各国需要如何应对差异化和确保国家竞争力。 GerganaRangelova,RaymondKhoury,AndreasBuelow,RajeshDuneja,NawafAlmaskati,KisekiHirakawa 民主技术-数字公共商品 可以为公民,政府和业务带来好处 84 通过开放的数字公共产品(DPG)平台将基本的政府服务(如支付,健康和身份)数字化,有助于提高效率,减少不平等,并降低对全球科技巨头的依赖。本文探讨 DPG的兴起以及这些平台为企业和政府提供的机会。 BarnikChitranMaitra,MayureshWagh,FabianSempf,ArjunSingh,PhilWebster 氢-对能量转变的电击 96 由于需要脱碳,工业和国家越来越多地关注氢的潜力,尤其是在排放量难以减少的部门中 。然而,其采用仍然面临不确定性和挑战。 作者解释了能源价值链中的参与者现在应该做些什么来为未来制定战略。 佛罗伦萨·卡洛特,奥利弗·戈利,卡洛·斯特拉,贝内迪克特·昂格,托马斯·奥斯特林克 YS 首席执行官INTERVIEW:PASCALDEBUCK,首席执行官,FLUX 108 Fluxys是欧洲领先的能源基础设施公司之一,专注于加速脱碳。我们与其首席执行官 PascalDeBuck交谈,以了解他对氢经济及其对实现净零的贡献的看法。 EDIT或IAL DEARREADER “变得真实!”是当某人对一个想法如此着迷以至于忘记了实用性时,你对他们说的话。 您可能会认为,拥有顽固的高管,务实的经理和苛刻的股东的商业世界已经是真实的 。然而,在许多方面,它和任何其他群体一样容易受到炒作。以Metaverse为例— —它最终可能是变革性的,但现在,有一个非常实际的问题是,大多数人不想花大量的时间与现实世界隔绝。人工智能(AI)虽然具有巨大的潜力,但在数据安全,隐私和准确性方面也存在一些不可低估的实际问题。 这给我们带来了我们的主要文章这个第二学期2023版的棱镜。对于企业来说,人工智能最明显的应用之一是知识管理。但是,对于处理机密和敏感数据的公司来说,依靠ChatGPT等第三方开放访问工具会有一些很大的缺点。基于一些内部飞行员,我们展示了内部定制AI机器人的潜力和价值。 这可能是商业AI的真正未来吗? 在Metaverse上,尽管最初的炒作浪潮已经顺利而真实地过去了,但我们强烈建议企业不要将其注销。在第二篇文章中,我们研究了工业Metaverse如何通过对现有数字孪生技术的进一步发展,为公司提供实际利益,而无需完全的虚拟环境 。 然而,没有与现实世界的连接,数字孪生并没有多大用处。连通性是任何数字化战略的一个重要方面,但通常被公司视为主要的战术或技术问题。但是随着规模和复杂性的增加,这种方法变得越来越不足。我们的第三篇文章探讨了如何采取更具战略性的方法来应对连接挑战。 接下来,我们转向能源转型以及从可再生能源中实现稳定基荷电力的巨大挑战。尽管在切尔诺贝利和福岛事故之后,许多国家都放弃了核电,但如今,世界各地对小型模块化核反应堆(SMR)的兴趣日益浓厚,这是未来能源结构的潜在贡献者。如果我们真的要“真正”实现全面的能源转型,SMR能否成为解决方案的一部分?我们探索利弊 。 数字基础设施在21世纪与19世纪和20世纪的铁路、公路和桥梁一样重要,我们接下来的两篇文章重点关注这一点。首先,我们分享一些来自 最近的工作比较了世界各国政府在经济数字化方面的表现。其次,我们专注于提供公共数字平台和解决方案的挑战,这些平台和解决方案可供所有人使用,用于支付、健康和身份等基本服务。最近,印度通过其数字公共产品平台取得了令人印象深刻的成果,增强了各国的力量,减少了对全球科技巨头的依赖。我们解释了它是如何完成的,以及它对政府和企业意味着什么。 数字化推动的最近现象是数字优先的“挑战者品牌”的兴起,这些初创企业通过在几个月而不是几十年的时间内建立巨大的规模来威胁大型成熟的消费品牌。在我们的下一篇文章中,我们将看看他们是如何做到这一点的,以及可以为其他人学到什么教训。 最后,我们为您带来了关于氢背后不断增长的势头的最新观点,因为各国继续努力应对能源转型。有很大的机遇,但仍然有许多挑战-这对最终用户和能源参与者意味着什么 为了提供他对此的独特观点,我们很高兴为您带来对Fluxys首席执行官PascalDeBuck的独家采访,Fluxys是欧洲领先的能源基础设施公司之一,该公司正致力于通过氢气和可再生能源促进和加速能源转型。 我们希望你喜欢这个学期的包装问题,一如既往,我们期待着听到您的反馈 ! RickEagar 首席编辑,棱镜亚瑟·D· 利特尔 PRISM:TAKINGCONTROLOFAI-CUSTOMIZINGYOUROWNKNOWLEDGEBOTS 对AI进行控制 定制您自己的知识机器人 ARTHURD.LITTLE 关闭H或S NicholasJohnson,MichaelPapadopoulos,FoivosChristoulakis,GregoryBrown, AnastassiyaTikhonova,EysteinThanisch 几十年来,组织一直在努力将员工与他们需要的内部知识和见解联系起来 做出更好,更明智和更及时的决策。在正确的时间,在不断增加的结构化和非结构化公司数据中找到正确的信息 ,并以正确的格式交付它是业务关键的。然而,这通常就像在 干草堆. AI最终可以克服这一挑战。从本质上讲,大型语言模型(LLM)(如ChatGPT)创建定制内容的能力在与自然语言处理(NLP)的查找,处理和格式化信息的能力相结合时改变了游戏规则。但是,使用完全开放的LLM作为关键业务流程的引擎,例如企业知识管理,可能会让高管停下来思考。 基于第一手的研究和实际试点,本文阐述了公司如何利用人工智能的巨大优势来管理整个企业的知识,而不必承担完全依赖开放获取LLM所固有的风险。 THEDRAWBACKSOFLARGELANGUAGEMODELS ChatGPT和其他LLM的使用激增有望改变业务和社会。更好地共享知识和信息是企业的关键用例,对公司和员工有明显的好处。然而,简单地将像ChatGPT这样的第三方工具引入组织以通过AI机器人支持智能知识共享有多个缺点: –它向您的LLM(在ChatGPT的情况下是OpenAI)的提供商公开您的公司数据 。虽然这对于通用数据是可以接受的,但它有可能向世界泄露专有知识。在最近的一个例子中,三星在敏感数据上传到ChatGPT平台后禁止员工使用LLM 。 9 –由于它们的规模,更大的LLM有一个训练截止期,并且不“知道”从那以后发生的任何事情。 例如,ChatGPT只知道2021年9月之前的数据。 –LLM已经被证明患有“幻觉”,自信地提供了根本不准确的答案。而且,鉴于他们在互联网上接受了培训,他们提供的信息可能基于不真实的数据,随着人工智能机器人自己生成越来越多的数据,这种风险可能会随