金融服务领域正在推动AI的规模化应用，但面临数据治理和基础架构的挑战。尽管AI能改善客户体验和运营效率，许多组织在执行上遇到困难。成功的关键在于建立可信的数据基础、嵌入治理、实现可观测性和促进跨职能协作。企业需将AI视为核心能力，逐步实施并与合作伙伴协作，以降低风险并提升业务成果。

企业在使用AI代理时，难以将技术性能与业务成果直接关联。尽管88%的员工使用AI，但只有5%以变革性方式使用。有效的AI评估应关注运营指标和系统维护成本，确保可审计性和可读性。未来的AI平台需将技术表现与财务信号关联，以实现可测量的投资回报率（ROI）。

组织在引入AI时常犯错，创建新指标来衡量其影响。AI应作为实现既定目标的工具，而非改变成功标准。应保持现有目标和有效指标，明确AI对关键指标的影响，确保AI成为推动使命的加速器。

软件工程师可以通过支持其他团队、关注业务驱动的工作和建立良好关系来提升影响力。Grizzanti建议通过指导、设定文化规范和战略思考促进职业成长，强调选择与业务成果相关的问题并沟通进展。设定文化规范以提升心理安全感和包容性，设计个人职业路线图并寻找激励因素。成功应关注项目成果、团队影响和业务对齐。

在软件开发中，度量指标不应作为生产力的衡量工具。DORA指标旨在提升团队交付能力，而非评估个人表现。有效的度量应关注团队效率和流程健康，帮助识别问题并改善系统，而非单纯追求数字。设计度量时需明确需求，与相关方沟通，确保与业务成果相关联。

可组合商业的务实框架强调以业务成果为导向，避免复杂性和不必要的成本。建议逐步实施，专注于前端体验、集成工具或后端优化，保持现有单体系统，逐步解耦。利用现代工具和AI技术，加速项目进展，确保灵活性和简单性，以实现快速的业务价值。

UX设计过程轮模型通过“发现、翻译、创造”三大核心环节，解决了传统设计模型的不足，促进团队协作与反馈循环，确保设计与开发的紧密结合，强调持续进步，适应项目不同阶段，提升用户体验与业务成果。

企业面临“AI或死”的挑战，需克服技能和合规性障碍以有效应用AI。采用企业AI成熟度模型可帮助组织逐步实现智能应用，确保投资回报并推动业务成果。

企业要求以业务成果为重点的模型来推动快速创新，同时面临重新设计IT基础设施的压力。一切皆服务（XaaS）成为解决方案，帮助简化运营、降低风险和加速数字化转型。根据IBM赞助的IDC白皮书，80%的IT购买者将优先考虑XaaS消费。未来三个关键见解将塑造企业发展方向：简化IT以加速业务成果和关注投资回报率，重新构想商业模式以促进快速创新，通过准备今天来预测明天。

人工智能正在重塑技术，软件开发人员在这场革命中至关重要。他们将人工智能整合到工作流程中，自动化常规任务，并专注于复杂活动。实施人工智能需要获得支持，并通过现代化和技能提升为组织带来好处。成功应通过业务成果来衡量。负责任地实施人工智能涉及战略讨论和利用人工智能能力。

本文介绍了2023年数据团队转型奖的五个入围团队，这些团队在数据和人工智能方面展现出了卓越的创新能力，通过使用Databricks Lakehouse等技术，加速业务转型，实现了显著的业务成果。这些团队的创新案例将在即将到来的数据和人工智能峰会上进行展示。

BMC的Control-M 21.1增强了其编排框架，帮助组织加快现代化进程，更快地实现数据驱动的业务成果。新版本通过本地连接新的数据、云和机器学习应用程序来扩展编排框架。此外，Control-M 21.1通过新功能提高了操作效率，使IT运营、数据团队和云工程师能够加速业务成果、遵守法规和安全标准，并提高整体性能。此外，Control-M 21.1通过缩短学习曲线和提高生产力，为非IT用户提供更大的自由和改进的自助体验。

数字化转型中的托管服务投资价值